声音被括起来以后

语言进入字幕时，通常像被记录。声音进入字幕时，却常像在过关。人的话可以一句一句排成字，房间里的声音要先说明自己为什么该出现，为什么会让一句话断掉，或被完全盖住。问题不在 [music] 太短，而在这只方括号像一扇窄门，决定什么声音能被交给眼睛。

所以屏幕角落跳出 [music] 的时候，我会停一下。听见的人也许正被一段很具体的声音包围：旧收音机漏出来的歌，低频从地板下面压近，餐厅音箱里一首不合时宜的情歌。字幕只递来一个被擦干净的词，像有人把整间房间拧成一张小标签，贴在画面边上。

如果只说这是损失，又太顺手了。对聋人和重听者来说，字幕不是附属说明，也不是听觉原件的残缺复印；它本来就是进入同一场事件的方式。没有 [music]，那段声音甚至不会被交给眼睛。问题不在于字幕不够像声音，而在于声音一旦变成文字，常常被迫从气氛里退出来，变成一种有用的信息。

听见的人不必把每一声都变成信息。冰箱在墙边低低震着，杯底碰到桌面，走廊有人把钥匙放进碗里，这些声音可以没有用处，只是让一个地方继续像它自己。可声音一旦进入字幕，往往已经通过筛选。APPLAUSE DROWNS SPEECH，掌声淹没了说话；GUNFIRE，不必说明谁向谁开枪。那些标签冷静得近乎粗暴，却也诚实：有时字幕无法归还一句话，只能告诉你语言怎样被声音打败。

自动字幕把这件事暴露得更直。它太习惯先寻找人在说什么，至于房间、风声、远处的乐器，常常晚一步才被看见。但人工字幕也不是在一张可以慢慢写作的纸上工作。它面对的是几秒钟、两行字和一双正在移动的眼睛。粗糙有时来自懒惰，有时来自媒介必须做出的压缩。

反过来说，声音也不该被一股脑推到屏幕中央。字幕如果太爱解释，会替观看者抢先感动：把一段旋律写成 [gentle romantic music plays]，可能比 [quiet violin melody] 更热心，也更武断。对只靠字幕进入影片的人来说，过多的声音说明也可能变成另一种噪音。更好的字幕不一定更文学，而是让观看者少一点被统一安排。

最动人的时刻，反而出现在方括号没有放弃触感的时候。[heart throbbing] thud-dub, thud-dub。它没有把心跳解释成紧张，而是把一小块节奏搬到眼前。[wet towel slapping] thrack，也不是动作说明，而是一声湿重的拍打。文字在这里不假装还原声音，只是在眼睛里重新造出一个可读的节拍。

后来我再看到 [music]，就不只觉得它贫乏。它像一只贴在门缝上的小纸条，告诉读它的人：房间里确实有声音。只是门没有打开。纸条轻轻晃了一下。那声音也许很近，也许隔着雨和墙，正拖着一点脾气从屏幕外走过去。眼睛停在方括号上，等了一下，然后继续往前读。