1. 引言：重新思考有声书
有声书现象虽非新生事物，但在过去十年间，其生产、发行和接受方式经历了根本性的变革。Pedersen和Have在本文中主张对有声书体验进行根本性的重新概念化，超越将其仅仅视为纸质书的媒介迁移。相反，他们提出将其框定为一种独特的文学实践——“用耳阅读”——并应将其理解为与数字技术所促成的更广泛的移动收听实践一脉相承。
2. 有声书的历史演变
有声书的历史揭示了其从特定群体的辅助工具向主流媒体消费形式的转变。
2.1 早期发展 (1877-1970)
托马斯·爱迪生的留声机（1877年）最初旨在用于语音录制。早期的口语录音非常罕见。到了20世纪30年代，小说长度的录音在英国和美国出现，主要作为为盲人（包括一战士兵）提供的服务。二战后时期出现了盘式磁带技术，但设备笨重（例如，一本书需要20盘磁带）。“有声书”一词随着20世纪70年代盒式录音带的普及而进入日常用语。
2.2 数字化转型 (1980至今)
20世纪80年代引入了光盘（CD）。一个关键的转折点发生在2002年，当时出现了可下载的MP3格式有声书。这一数字化的飞跃——例如，将托尔斯泰的《战争与和平》存储在iPod上，而非119张唱片上——极大地提高了可访问性和便携性，推动了该媒介的普及。
关键统计数据
- 用户人口统计（美国音频出版商协会，2006年）： 与纸质书购买者相比，有声书用户更年轻、更富裕，且男性比例更高（占购买者的50%）。
- 市场增长（丹麦）： 2009年至2010年间销售额增长超过100%。自2009年以来，丹麦图书馆每年新增5万至6万本有声书。
- 受欢迎程度： 在整体阅读率下降的背景下，收听有声书是少数几种受欢迎程度仍在上升的阅读实践之一。
3. 理论框架
核心论点认为，收听有声书构成了与阅读印刷文本根本不同的体验，因此需要其自身的概念框架。
3.1 用眼阅读 vs. 用耳阅读
作者区分了接触文学的两种感官模式。“用眼阅读”涉及视觉解码、自我节奏的导航以及与文本的空间互动。“用耳阅读”则是一种时间性的、线性的体验，由叙述者的节奏、语调和表演所主导。这种从空间控制到时间控制的转变，改变了对叙事的认知和现象学层面的参与方式。
3.2 超越媒介迁移论
本文批判了仅将有声书视为印刷品的媒介迁移（一种媒介在另一种媒介中的再现）的倾向。这种视角低估了听觉媒介的独特可供性，例如声音表演、环境声音的融合以及亲密、沉浸式音景的创造。
3.3 移动收听实践
该框架将有声书消费与移动收听（例如音乐、播客）的生态联系起来。收听通常发生在次要活动期间（通勤、锻炼），使其成为一种多任务、具身化的实践，并嵌入日常生活之中，这与通常需要专注进行的纸质书阅读活动不同。
4. 市场与使用趋势
数字格式使有声书受众民主化并得以扩大。它不再主要与儿童、阅读障碍或视力障碍相关联。通过智能手机进行流媒体播放和下载的便利性吸引了更广泛、更年轻、更多样化的用户群体，将文学消费融入了移动的、随时随地的生活方式。
5. 分析框架：核心见解与批判
核心见解： Pedersen和Have的开创性贡献在于，有力地将有声书从其相对于印刷品的“穷亲戚”地位中解耦出来。他们正确地指出，该媒介的爆炸式增长不仅是技术性的，更是体验性的。它不是一本你听到的书；它是一种诞生于文学与移动音频文化结合的新叙事形式。
逻辑脉络： 他们的论证构建得十分精妙：1）历史化，展示该媒介从医疗辅助工具到大众媒体的演变。2）解构“媒介迁移”的谬误。3）确立“用耳阅读”范式。4）将其置于移动收听的语境中。这一脉络具有说服力，但也暴露了其自身的偏见。
优势与缺陷： 其优势在于及时、针对媒介特性的关注，超越了文学分析，进入了声音研究的领域。然而，该框架在认知科学方面——即关于听与读的认知科学——明显薄弱。他们提及了现象学，但忽略了关于跨模态叙事理解、记忆保持和心理意象的扎实研究（例如David C. Rubin或国际文学实证研究学会的工作）。这是一个关键的疏漏。理解过程真的类似吗？叙述者的声音是抑制还是增强了想象力的构建？文章提出了这些问题，但没有提供实证依据，依赖于理论区分而非可测量的差异。
可操作的见解： 对于出版商而言，其见解在于停止将有声书制作成仅仅是音频翻译。应投资于声音设计，考虑类似播客的连载形式，并向“移动多任务者”进行营销。对于学者而言，要求很明确：未来的研究必须是跨学科的，将这一理论框架与心理学和神经科学的实证方法相结合。下一个突破将不在于定义这种体验，而在于量化其影响。
6. 技术与方法论考量
作者采用了一种强调差异的方法论策略，以澄清不同的体验，同时承认现实世界的实践更为复杂且相互关联。
技术细节与形式化： 虽然本文并非技术论文，但体验可以被模型化。有声书的线性、时间约束的消费模式可以与印刷品的非线性访问形成对比。如果我们把叙事看作一系列事件 $N = \{e_1, e_2, ..., e_n\}$，印刷品阅读允许一个非顺序的访问函数 $f_{print}(t) \rightarrow e_i$，其中 $i$ 可以是任何索引。而有声书收听则强制一个顺序函数 $f_{audio}(t) \rightarrow e_{k(t)}$，其中 $k(t)$ 是时间的单调函数，由播放速度决定。这一基本约束塑造了体验。
分析框架示例（非代码）： 要分析一部有声书改编作品，可以使用以下框架：
- 副文本分析： 考察叙述者的选择、音频封面艺术以及平台元数据（例如，“包含独家作者访谈”）。
- 表演分析： 评估声音演绎（节奏、音高、角色区分）、沉默的运用以及情感基调。
- 语境分析： 考虑典型的收听场景（例如，汽车、健身房）以及它们可能如何影响接受效果。
- 比较分析： 对比Audible等平台上的听众评论与Goodreads上印刷版读者的评论，寻找与特定模态相关的反馈。
实验结果与图表描述： 尽管文章本身没有提出新的实验，但它与APA 2006年数据等调查结果相符。一个支持其论点的假设图表可以是一个双轴图，显示：1）主Y轴： 有声书年销售增长率（2005年后呈陡峭上升曲线）。2）次Y轴： 在“移动活动”（如通勤或锻炼）期间进行有声书消费的百分比（持续保持高位，例如>70%）。该图表将从视觉上论证，增长与移动的、情境化的使用密切相关。
7. 未来应用与研究方向
沉浸式与交互式音频： 未来在于利用3D空间音频（双耳声音）和交互式叙事结构（类似于“选择你自己的冒险”播客或AI驱动的交互式小说）。像Audible的“Audible Originals”这样的平台已经在探索这一前沿领域。
个性化叙述： 高保真文本转语音（TTS）和AI语音克隆技术的进步（参见Respeecher或微软VALL-E等公司的研究）可能实现个性化叙述者，根据听众偏好调整语调、速度甚至方言。
与多模态设备集成： 研究应探索在智能眼镜或电子墨水阅读器等设备上音频与文本之间的无缝切换，创造一种结合两种模式优势的混合阅读/收听体验。
认知与实证研究： 最关键的方向是进行实证研究，在控制叙事复杂性、听者/读者专业水平等因素的情况下，比较音频与印刷品消费在理解、共情诱导和长期记忆形成方面的差异。
8. 参考文献
- Pedersen, B. S., & Have, I. (2012). Conceptualising the audiobook experience. SoundEffects, 2(2), 80-92.
- Rubery, M. (Ed.). (2011). Audiobooks, Literature, and Sound Studies. Routledge.
- Audio Publishers Association (APA). (2006). Sales Survey.
- Nielsen, L. B. (2012). Audiobook lending in Danish libraries. Danish Library Authority.
- Rubin, D. C. (1995). Memory in Oral Traditions: The Cognitive Psychology of Epic, Ballads, and Counting-Out Rhymes. Oxford University Press.
- International Society for the Empirical Study of Literature (IGEL). (n.d.). Research Publications. Retrieved from https://www.igel.news/
- Microsoft Research. (2023). VALL-E: Neural Codec Language Models are Zero-Shot Text to Speech Synthesizers. arXiv:2301.02111