一、实践背景：从经验写作到标准化评价
口述影像（AudioDescription）是视障群体无障碍文化服务的重要形式，通过旁白将视觉画面转化为听觉语言，帮助视障人士“观看”电影。我团队前期已完成《和平饭店》《毒舌律师》《故宫100》三部粤语口述脚本，并依托广州图书馆开展过公益展播与受众实验，脚本已能满足基础无障碍观影需求。但过往脚本修改依赖创作者个人经验，缺乏系统化、可复用的语言学评价准则，粤语专项问题（如正字规范、TTS朗读风险）也无法提前排查。为此，我们开展了AI辅助评价与优化的实践探索。
二、构建评价框架：从文献中蒸馏八维指标
团队梳理了国内外口述影像文献、行业规范及往届成熟粤语脚本样本，借助AI大模型提炼形成了八维度评价框架：D1忠实性与客观性（权重18%）、D2描述对象与信息取舍（17%）、D3时间与同步约束（13%）、D4语言与表述质量（13%）、D5结构与连贯性（9%）、D6受众适配与接受效果（10%）、D7文化与规范适配（5%），以及针对粤语增设的D8粤语语言与文化适配（15%）。其中D8作为“一票降级”查杀区，重点扫描拼音转写残留、同音借字、普通话代词混入、生僻字TTS朗读风险及逻辑反转等系统性错误。
三、AI辅助脚本修订：从32分到81分
以《毒舌律师》结案陈词段落为实验对象，团队先用AI按八维度框架对原稿进行逐句评估，加权总分仅32分，等级为“不合格/大修”。主要问题包括：拼音转写（gie/num/chi/ham/lum）未转为标准粤字、“镜头转向”等纯视觉词汇残留、庭审“反对—裁定”程序断链、普通话代词“他”混入粤语叙事、生僻字“昅住”TTS无法朗读等。
随后团队人工审核AI修改建议并逐条修订：将拼音转写全部改为标准粤语用字（嘅/佢/嗅/咁/咨/咇/擞/畀）；删除“镜头”“画面闪回”等视觉词汇，改为空间锚点与人物动作描述（如“镜头慢慢向右移”改为“方家军咱隔隶慢慢企起身”）；补全庭审“反对—法官裁定—收回问题”逻辑链条；统一对白标记为〔对白，请勿朗读〕；修正“佼”为“畀”、“交带”为“交代”、“先正”为“先至”等非标字词。修订后再次由AI复评，加权总分升至81分，等级由“不合格/大修”提升至“良好（小修后交付）”，D8系统性错误清零，未触发“一票降级”。
四、受众测试：视障朋友的对比观影
脚本修订后，团队开展了受众效果对比测试。选取同一影片段落，分别用优化前后两版脚本，统一采用AI粤语语音合成生成音频，保持音色、语速、音量一致，消除人声差异对评价的干扰。通过问卷星线上招募听得懂粤语的视障受访者，年龄覆盖18岁至64岁，其中30-49岁占42.86%。
调查发现：受众对庭审逻辑与人物关系清晰度评价最高，78.57%给予满分；关键剧情瑕疵识别（门灯没有灯泡）正确率达92.86%。版本对比中，71.43%受访者认为优化后版本“听着更舒服、更容易听懂”，57.14%愿意选择听优化后版本。同时，92.86%受访者将“语音语调自然度”列为最需改进方向，粤语用词自然度与语速适应性仍是短板。听众场景方面，图书馆是核心收听场所（85.71%），30-49岁群体在线上平台的使用比例达83.33%，提示线上渠道具有增长潜力。
五、实践总结与展望
本次实践初步构建了含粤语专项维度的口述影像脚本评价准则，验证了“框架评价—AI辅助修订—受众验证”标准化迭代流程的可行性。实践中也发现了不足：受众样本仅14份且全部为视障人士，缺乏家属、陪护、志愿者等关联群体视角，65岁以上老年视障群体未覆盖。下一步，团队将扩大调研样本覆盖面，与盲协、特教学校合作招募更多元化受访者；重点提升粤语TTS语音自然度，评估引入更成熟的粤语语音合成方案；建立分龄、分收听频率的差异化内容策略；同时丰富口述影像题材供给，从法庭类型拓展至生活剧情、纪录片、动画等多元类型，为大湾区视障群体提供更高质量的无障碍文化服务。
