1. 引言：重新思考有聲書
本文介紹並討論一個理論框架，用於概念化閱讀印刷書籍與體驗有聲書之間的根本差異。核心論點認為，有聲書聆聽不應僅被視為印刷閱讀的媒介轉化，而應被視為一種獨特的文學實踐，更準確地定位在數位科技所促成的行動聆聽行為連續體中。
2. 有聲書的歷史演進
有聲書雖非新現象，但在過去十年間，其製作、發行和接受度經歷了根本性的轉變，需要學術界重新進行研究。
2.1 從留聲機到數位化
愛迪生的留聲機（1877年）最初是為語音設計的。有聲讀物的演變，從第一次世界大戰後為失明軍人製作的長篇小說磁帶，到卡式錄音帶（1970年代）、雷射唱片（1980年代），再到數位MP3下載（2002年）。這種從實體媒介（例如，需要20捲磁帶的《戰爭與和平》）到便攜數位檔案（例如，在iPod上）的技術轉變，極大地提高了可及性和便利性。
2.2 使用者人口結構的轉變
有聲書的認知已從一種針對兒童、閱讀障礙者或視障人士的輔助工具，轉變為主流的消費形式。調查顯示，與印刷書籍購買者相比，有聲書使用者現在更年輕、更富裕，且男性比例更高。在丹麥，有聲書銷售額在2009年至2010年間增長超過100%。
關鍵統計數據
- 美國（2006年）： 50%的有聲書購買者為男性。
- 丹麥（2009-2010年）： 銷售額增長 >100%。
- 圖書館存取： 自2009年起，丹麥圖書館每年新增50,000至60,000本有聲書。
3. 理論框架：用眼睛閱讀 vs. 用耳朵閱讀
此框架強調「用眼睛閱讀」與「用耳朵閱讀」之間的體驗二分法。
3.1 概念上的差異
感官模式從根本上改變了體驗。視覺閱讀允許自我調節的導航、回顧以及與文本的空間互動。聽覺閱讀則是時間性、線性的，並融入了敘述的表演元素（聲音、語調、節奏），使其成為一種本質上具有社會性和具身性的體驗。
3.2 超越媒介轉化
作者反對僅將有聲書視為印刷品的媒介轉化。相反，應將其概念化為一種獨特的實踐，與行動、次要或環境聆聽相一致——類似於通勤、運動或做家務時聽音樂或播客。這種重新情境化突顯了其獨特的認知和現象學特質。
4. 方法論策略
所提出的方法論策略刻意強調兩種文學實踐之間的差異，以釐清它們獨特的體驗輪廓。作者承認，未來更細緻的分析將揭示比此基礎框架所呈現的更複雜的相互關聯性。
5. 核心見解與分析
產業分析師觀點
核心見解： Pedersen & Have 的論文不僅是學術上的吹毛求疵；它是一次關鍵的市場重新定位。他們成功地將有聲書從印刷品的「窮親戚」形象中解耦，並將其重新定位在行動、隨選音訊娛樂這個爆炸性成長的領域。這將整個價值主張從「為盲人閱讀」重新定義為「為忙碌者提供的表演」。
邏輯脈絡： 他們的論點遵循一個引人入勝的軌跡：1) 確立歷史上的「他者性」（殘障輔助工具），2) 描繪技術解放（卡帶 → MP3），3) 呈現主流採納的人口統計證據，4) 提出理論上的關鍵一擊：這不是你聽到的書，而是一種新媒介。這個脈絡反映了成功科技產品的產品市場契合歷程。
優點與缺陷： 其優點在於時機和清晰度。到2012年，iPod和智慧型手機已經為行動聆聽創造了行為基礎設施。他們的框架為學者和出版商提供了利用此基礎設施的語言。其缺陷，正如他們所承認的，是初期過度簡化了「眼睛 vs. 耳朵」的二分法。正如麥基爾大學神經科學部門的研究所示，大腦的敘事處理網絡（如預設模式網絡）在閱讀和聆聽時都會被激活，這表明存在他們最初輕描淡寫的深層共通性。他們的二元論風險在於忽略了日益普遍的混合、多模態閱讀實踐（例如，邊聽有聲書邊用文本標記）。
可行建議： 對出版商而言：停止將有聲書行銷為「書」。將其行銷為敘事表演或沉浸式聲音體驗。將配音和聲音設計作為主要製作價值進行投資，而非事後補救。對平台（Audible, Spotify）而言：開發基於聆聽情境（運動、通勤、睡眠）和敘述者偏好的推薦演算法，而不僅僅是類型。對創作者而言：此框架將有聲書合法化為一種獨特的藝術形式，為可能沒有印刷對應物的原生音訊小說（類似播客劇）打開了大門。
6. 技術框架與數學建模
雖然原始論文是質性研究，但可以對其核心思想——建模注意力分配——提出技術延伸。自我調節的視覺閱讀與線性聽覺消費之間的差異，可以被框架為注意力控制的問題。
令 $A_v(t)$ 代表在時間 $t$ 視覺閱讀中的注意力向量，它由使用者控制且可以是非線性的：
$A_v(t) = \int_{t_0}^{t} C(\tau) \, d\tau$，其中 $C(\tau)$ 是一個允許跳躍、重複和暫停的使用者控制函數。
對於聽覺閱讀，注意力向量 $A_a(t)$ 受到敘述節奏 $P$ 的約束，$P$ 是由表演者設定的常數或變數：
$A_a(t) = \int_{t_0}^{t} P(\tau) \, d\tau$，受制於 $\frac{d}{dt}A_a(t) \geq 0$（強制線性進展）。
體驗差異 $\Delta E$ 可以被概念化為這兩種控制方案之間的差異：
$\Delta E \propto \| A_v(t) - A_a(t) \|$
這將作者關於根源於時間控制的不同體驗的主張形式化了。
7. 分析框架：案例示例
案例： 分析使用者對一本推理小說在印刷版與有聲書格式上的參與度。
框架應用：
- 模式： 印刷讀者可能會頻繁翻回前面檢查線索（非線性 $A_v(t)$）。有聲書聽眾則以敘述者的節奏體驗真相揭露（線性 $A_a(t)$），可能增加懸疑感。
- 情境： 有聲書聽眾很可能同時進行次要活動（如開車）。與印刷讀者的專注相比，分散的注意力創造了不同的認知負荷模式。
- 表演： 敘述者對角色的聲音成為聽眾的權威詮釋，而印刷讀者則建構自己的內在聲音。這與表演研究中的理論相符，將有聲書視為錄製的戲劇獨白。
此案例顯示了該框架如何將分析從「理解分數」轉移到敘事建構、注意力和詮釋上的質性差異。
8. 未來應用與方向
此框架開啟了幾個未來發展方向：
- 原生音訊敘事： 開發專為音訊格式設計的故事，利用印刷品無法實現的3D/雙耳音效、多位敘述者和互動式分支敘事。
- 個人化敘述： 使用AI語音合成（基於如Tacotron和WaveNet的研究），根據聽眾偏好或即時生物特徵回饋（例如，表示參與度的心率）調整敘述節奏、語調甚至角色聲音。
- 增強分析： 超越簡單的完成度指標。分析有聲書應用程式中的暫停、倒帶和速度變更行為，以創建「聆聽參與度指紋」，揭示不同類型或敘述者的消費模式。
- 認知與教育工具： 利用音訊的線性、節奏性特質，進行針對性的認知訓練或語言學習，其中受控的時間傳遞是一種優勢。
- 與AR/VR整合： 有聲書作為沉浸式環境的音景，其中敘事音訊對使用者在虛擬空間中的探索做出反應或引導。
9. 參考文獻
- 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.
- Oord, A. v. d., et al. (2016). WaveNet: A Generative Model for Raw Audio. arXiv:1609.03499.
- Wang, Y., et al. (2017). Tacotron: Towards End-to-End Speech Synthesis. arXiv:1703.10135.