【锚点】这一篇只钉一个判断：【标准音】从来不是纯声学事实，而是【社会分层】被写进【语言规范】的产物。语言学里最容易被误读的不是『谁说得对』，而是【谁有权宣布某个变体失效】。

【显式】Labov（1966）研究纽约英语时，在四个百货公司采访店员，测量词尾 /r/ 是否发音（如 car、four）。常被引用的近似结果是：较低阶层更常省略 /r/，较高阶层更常保留 /r/，频率大致从约 42% 升到 66%。这不是『口音好坏』，而是一个可统计的变量：【社会阶层 → 变体频率】。

【流程节点链路】：商店所属阶层 → 说话者语域压力 → 词尾 /r/ 是否发音 → 变体频率差异 → 声望/污名判断 → 识别器把某变体设为『标准』的默认值。

【隐式】如果『自然发音』只是声学习惯，语域压力不该改变结果。但 Labov 观察到：当说话者意识到自己正在被记录、或处于更正式/更有压力的语境时，变体频率会移动。这说明所谓『自然』其实是【被社会评价筛选过的选择】。

【细微】更有力量的是【hypercorrection】：较低阶层说话者在压力下可能过度使用高声望变体，甚至把原本不稳定的 /r/ 语境也强化成 /r/。这说明污名不需要被明确教导；只要社会分层可见，语言使用者就会主动调整自己，以靠近被奖励的形式。

【极难发现】对计算社会科学来说，盲点不在识别器『不会听口音』，而在识别器默认把某群人的变体设为【零误差】。当语音识别把【非 rhotic 英语】、【南方英语】、【移民口音】标为『难读』或『错误』，它测量的可能不是声学距离，而是【社会距离】。【待验证点】控制词频、语速、信噪比和说话人后，若某些变体的误识比例仍更高，且误识集中在被规范标记的音素，则误差里混入了社会标记；若控制后差异消失，则只是声学难度，不是权力问题。

【结论】所以问题不是『识别器能不能听懂口音』，而是：当一种变体被识别器判为【需要纠正】时，谁获得了【定义正确的权力】？你愿意把【标准】理解为【声学最优】，还是理解为【历史权力沉淀】？