英文题目：An Exploratory Educational Drama: Scenographing with Sound in an Immersive Narrative Space.
会议身份：
conference:nime:2026:conference-paper-id:nime2026_162
✅ 来源为官方会议 PDF；表格与 Figure 按原文证据绑定。PDF 公式以原页区域图片展示，未冒称作者原始 TeX。
标签：#教育 #用户研究 #空间音频信号 #音频交互
评分：5.4/10 | 创新 1.4/2 | 技术严谨 1.0/1.5 | 实验充分 0.6/1.5 | 清晰度 0.7/1 | 影响力 0.8/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.8/1.5
排名：后50% | 文档类型：系统技术报告
👥 作者与机构
- Lei Li：机构信息未能从会议 PDF 纯文本可靠映射
- Siliang Du：机构信息未能从会议 PDF 纯文本可靠映射
- Duoyi Li：机构信息未能从会议 PDF 纯文本可靠映射
- Wenxuan Zhu：机构信息未能从会议 PDF 纯文本可靠映射
- Qihao Wang：机构信息未能从会议 PDF 纯文本可靠映射
- Yulin Chen：机构信息未能从会议 PDF 纯文本可靠映射
- Runhan Liu：机构信息未能从会议 PDF 纯文本可靠映射
📌 核心摘要
本工作输入为观众在地下室连续空间中的行走、触碰与摆放道具等身体动作，输出为多通道声音与可寻址灯带的叙事演进，难点在于无演员条件下仅靠声音维持方向感、情节可懂度与多人自由探索下的系统鲁棒性。方法链第一步由嵌入道具与环境的ESP32微控制器经运动等传感采集身体与物体状态，并经蓝牙或WiFi以MIDI传输至控制端，上一步的传感信号由此进入调度层。第二步由Ableton Live、QLab与Max/MSP分别承担场景推进、四路系统与换能器输出及映射逻辑，将MIDI驱动为多通道音频与灯光，上一步的控制指令由此变为声光领地。第三步由三个控制区分管阈限空间、核心叙事与高潮空间并经监控视频人工补位触发关键对话，使自动流程不死锁且保障安全。相对固定头戴式沉浸声作品，关键机制差异在于共享声场与可导航建筑结合的声学造景与纠缠式互动，使走动与调音本身成为作曲，保留了群体共在与探索自由的实际意义。在地下室五空间连续探索任务的公开演出场景下，叙事侧空间指标为5个展区，高于调度侧空间指标的3个控制区。结论适用边界受限于强布景配合与人工值守的小规模教学制作，尚未验证纯自动化、大客流与跨场地复用的外推能力，原文未披露训练、推理或部署成本。
🔗 开源与复现资源
- 第三方资源：https://www.darkfield.org/arcade — 链接可访问（HTTP 200）
- 第三方资源：https://www.darkfield.org/eulogy — 链接可访问（HTTP 200）
- 第三方资源：https://www.espressif.com/en/products/socs/esp32 — 链接可访问（HTTP 200） 可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。
🧭 深度解读
输入是什么，目标是什么：无演员的声音戏剧要解决什么学习问题？
本解读的输入是论文正文与本次收到的官方原图像素，目标是让刚进入音频领域的研究生能复述方法并判断适用边界，必须保留的信息是空间分区、信号链路、人工兜底与公演中发现的卡顿条件，输出是按学习依赖展开的中文技术说明。研究任务不是做一个通用的沉浸式音频模型，而是在一个改建的地下室里做出可连演的教学剧目。观众扮演梦境调查员，进入虚构昏迷作曲家芬妮的潜意识，芬妮的人物灵感来自 19 世纪音乐家芬妮·门德尔松。
创作者要求去掉演员，让声音同时承担布景与叙事，观众靠听、走和动手发现来推进故事。教学目标是让几乎没有编程与电子原型经验的声音设计本科三年级学生，在一个学期尺度的合作制作中学会跨学科系统集成。理解这一点很重要，否则会误把该工作当成追求音质指标的空间音频论文。它的成功标准是能否稳定演出、叙事是否可被观众走出来，而不是某组客观声学分数的提升。
地下室的选择有明确的叙事理由，作者引用巴什拉关于地下室象征深层潜意识的论述，把物理上的封闭转化为亲密的广阔，让声音成为在其中探索的主要界面。复述时要先说清这个双重目标，艺术上验证声音能否当主角，教学上验证项目制学习能否让新手做出可演出的分布式交互系统。
相关路线有何不同：为何不直接用耳机式沉浸作品？
论文把自己放在 3 条线的交叉处，沉浸戏剧、场域特定声音艺术与可参与界面。对初学者先用白话解释，沉浸戏剧是观众可以在场地里走动、自己选择看什么的戏剧形式，代表是 Punchdrunk 的 Sleep No More，强调身体在场的沉浸。Darkfield 的 ARCADE 与 EULOGY 是声学沉浸的代表，它们去掉视觉与演员，但多依赖耳机，作者指出耳机方案常把观众约束在固定位置以保持空间一致性。
根据论文提供的第三方资源状态，ARCADE 与 EULOGY 的官方页面当前可用，已公开，ESP32 系列资料页面当前可用，已公开，这为复现时查阅耳机式方案与硬件资料提供了可达入口。本项目综合了两条路线，保留无演员与声音主角，但拒绝固定不动，改用共享的多通道扬声器系统加可导航环境，让观众边走边听。第二个对照是声音艺术，作者引用声音不只是放在空间里，而是创造或重塑空间的观点，提出声学场景设计，即用声音主动划分声学领地，每个房间是芬妮潜意识的一个领地。
第 3 个对照是可参与界面，作者引用 tangible bits，即给数字信息以物理形态实现直接操纵，以及具身交互，即通过身体的处境化实践与世界打交道。本项目把重力井式的单体协作乐器思路扩展到整栋建筑，把空间本身当作大型数字乐器。作者还引用珍妮特·穆雷的能动性理论，说明总体情节固定，但 moment 到 moment 的声音展开由观众身体位置程序化生成，属于可行走故事中的空间赛博戏剧。
学习时不要把类别差异当成同条件胜负，耳机方案在隔离度上有优势，多通道可走动方案在集体探索与身体自由上有优势，选择取决于是否允许观众移动与共处一室。
问题如何定义：固定剧情与涌现叙事的矛盾在哪里？
论文要解决的核心矛盾是固定剧情与涌现体验之间的张力。如果完全预制播放，观众只是参观，缺少能动性。如果完全开放即兴，故事容易散掉，观众会变成迷路的旁观者。作者的折中是总体情节固定，5 个区域依次对应童年走廊、被遗忘的工作室、内心冲突之室与崩塌舞厅等心理层次，但每一刻听到什么、按什么顺序叠加，由观众的位置与操作实时生成。举一个教学例子帮助理解，这不是论文报告的数值实验，只是流程示意。
1 名观众从阈限空间摘下眼罩后，听到远处走廊的脚步声被推向一侧，他走向声音，进入 A 区后翻找隐藏物件，每找到一个，钢琴循环多一个音符并点亮一条灯带，他把八音盒带到 B 区放到指定点，物体内部换能器发出对话，这一系列动作既是聆听也是演出。这个例子说明输入是身体位置与物件姿态，表示是离散发现事件加连续运动数据，组件是传感与音频引擎，目标是按区推进的声景状态机，输出是多通道声音加灯光变化。
问题定义还包括教学约束，学生起点低、时间紧、技术排错容易挤占叙事创作，因此工具链必须模块化、低门槛，否则认知负荷会压垮创意冒险。论文明确说目标不是让本科生精通底层工程，而是培养技术想象力与跨学科读写能力。
方法全景：五个空间与三个控制区如何分工？
整个体验按动线分为阈限空间加 A、B、C、D 共 5 个物理区。阈限空间负责诱导与沉浸，观众在引导下戴眼罩进入窄走廊，听 4.0 环绕的预制音频，利用声音掩蔽让引导兼操作员悄然离开，灯光变化标志进入梦境。A 区是长走廊，代表童年，用 8 通道阵列播放脚步与笑声制造悬念，玩法是寻找 5 个隐藏物件，Ableton Live 的钢琴循环为基底，每发现一个叠加一个音符直至成句，并 1 对一映射到 5 条 LED 灯带，形成发现即作曲的联觉反馈。
B 区是 intimate 的复古工作室，有钢琴与旧家具，玩法是把 A 区带来的八音盒与节拍器放到指定点，触发从物体内部发声的对话，由蓝牙换能器实现空间上的惊奇揭示。C 区把内心冲突实体化为身体遮挡任务，初始是重叠的批评声音，地面有脚印提示，观众占据 4 个位置后每处衰减一层噪声，全部压住后露出微弱独白，同时光纤亮度变化给出反馈。D 区是超现实舞厅，用大功率扬声器加隐藏低音炮制造可触的振动，在梦境崩塌段落以触觉传达情绪重量。
控制上全系统分为 3 个区，控制一区管阈限空间，控制二区管 A 与 B 的核心叙事，控制三区管 C 与 D 的高潮事件，监控摄像头把各空间实时视频送到三处，操作员可手动触发或安全干预，构成自动化系统中的人工故障保险。输入层是内嵌 ESP32 的交互物与环境传感器，经蓝牙或无线 MIDI 送到运行 Ableton Live、QLab 与 Max/MSP 的计算机，再驱动多通道音响与可寻址灯带，形成交互改变布景的闭环。
下面两张图分别对应控制基础设施与诱导空间的真实部署，先读控制侧再读观众侧，才能把信号流与人的动线对上。
看图路径： 1. 先对比左右两幅控制区照片中笔记本电脑屏幕与监视画面的数量与朝向；2. 再观察右侧暗室中线缆走向与监听位置，判断操作员如何同时看屏与看场；3. 最后把三控制区的分工与阈限空间、A 与 B 区、C 与 D 区的信号流对应起来
论文图 3。原论文 Figure 3：“Distributed control infrastructure. Left: Control Area III; Right:”。
照片显示左右两个控制区都以笔记本电脑为核心，屏幕上可见多轨时间线与监控小窗，右侧暗室线缆密集，操作员在贴近扬声器与灯控的位置同时盯住播放与现场，说明分布式控制不是概念图，而是三处真实的人机值守点，人工触发与自动播放在这里汇合，这也解释了后文 B 区对话为何依赖人眼确认而非全自动接近传感。
阈限空间是理解掩蔽撤离的关键，导读时注意它不是正式叙事区，而是现实与梦境之间的过渡装置。
看图路径： 1. 先数清画面中戴眼罩的参与者队列与朝向，确认诱导阶段的集体状态；2. 再观察红色环境光对面部与墙面的覆盖，理解视觉剥夺下的氛围控制；3. 最后思考表演者借声音掩蔽悄然撤离的操作时机与安全要求
论文图 6。原论文 Figure 6：“Participants in the Threshold Space. They undergo sensory”。
照片显示一排戴眼罩的参与者在红色环境光中并排静候，视觉被剥夺后听觉成为唯一线索，预制环绕声既完成下潜的心理暗示，也掩盖了操作员离开的脚步与开门声，灯光的切换随后给出进入梦境的明确边界，这种低技术但精确的转场为后文全自动区的无人值守创造了条件。
声音场景设计 × 叙事乐器： 声音场景设计负责划分声学领地，每个房间用不同的声景和扩声配置定义心理层次；叙事乐器负责把整个建筑变成可被观众身体演奏的大型界面，行走、寻找和遮挡即演奏动作，二者搭配的理由是仅靠音色无法保证叙事顺序，仅靠空间无法产生戏剧推进，组合后空间提供位置语义，声音提供状态反馈，新增作用是让探索本身成为作曲与解锁。
组件与计算：传感、协议与软件各自算什么？
对初学者先解释缩写，ESP32 是乐鑫的低成本微控制器，支持无线与多种外设接口，在此作为传感与灯控的边缘节点。MPU-6050 是运动传感器，提供加速度与角速度，用于把摇晃与倾斜转成连续 MIDI 控制器数据。TOF400C 是激光测距传感器，经 I2C 总线接 ESP32，用于检测观众是否站在指定脚印上。MOSFET 在此是驱动 LED 灯带的功率开关，把数字脉宽调制转成灯带亮度。MIDI CC 是连续控制器消息，取值范围通常为 0 到 127，用于在音乐软件与硬件之间传递连续量。
Ableton Live 负责 A 区的音频加灯光同步，它的 Session View 把音频片段与 MIDI CC 包络编组，用蓝牙 MIDI 发给定制 ESP32 模块驱动灯带。QLab 负责 B 区的声音架构，关键能力是同时向多个音频接口输出，分别管理 4.0 系统与嵌入式换能器，操作员在控制二区看监控确认可移动道具靠近固定物后手动触发同步对白。Max/MSP 负责 C 区的多节点映射，处理经无线送来的测距数据以调制各噪声层音量，全部压住后揭示独白，并回传数据给 ESP32 调制光纤亮度。道具侧的八音盒与节拍器内嵌 ESP32、MPU-6050 与换能器，既能本地发声也能向外发送 MIDI。
协议选择是教学重点，A 区测试发现关上木门会因蓝牙衰减断连，只好开门保证传输，让学生直观理解无线受空间遮挡影响。C 区因金属门遮挡改用基于无线局域网的 Apple MIDI 并加隐藏路由器，用协议切换解决物理衰减。D 区则靠大功率扩声与隐藏低音炮的触觉振动补足纯听觉的情绪传达。
下表问题是各空间的输入、引擎与输出是否一致，公平条件是同一套分布式架构下的真实部署，指标方向是能否稳定触发与同步，而非音质评分，表后将解释自动与人工各自的代价。
| 空间 | 输入传感 | 软件引擎 | 输出通道 | 触发方式 |
|---|---|---|---|---|
| 阈限空间 | 眼罩加人工引导 | 预制音频加灯光切换 | 4.0 环绕 | 自动播放后人工撤离 |
| 空间 A | 5 个隐藏物件发现事件，加八音盒与节拍器运动数据 | Ableton Live | 8 通道阵列加 5 条 LED | 自动叠加音符与灯光 |
| 空间 B | 可移动道具靠近固定物的位置关系 | QLab | 4.0 系统加蓝牙换能器 | 人工看视频确认后触发 |
| 空间 C | 4 个站位共 4 个测距节点 | Max/MSP | 4.0 系统加光纤激光 | 身体遮挡衰减噪声层 |
该表显示自动层适合连续叠加与同步，人工层适合离散叙事点，未胜出的纯自动接近传感在 B 区被放弃，因为给每个物件加可靠接近传感成本高且易误触，人工确认反而时机更有机，代价是需要三处值守与实时视频，C 区暗光下脚印易被错过则暴露了视觉提示不足的反例。
下图是系统映射规格的实拍表格，逐行核对可以避免把不同软件的输出混为一谈。
看图路径： 1. 先沿表格首列从触发器到音量映射逐行读出输入到输出的对应关系；2. 再对比中间源列中 Ableton、QLab 与 Max/MSP 各自负责的声景类型；3. 最后核对右侧输出列中 4.0 个系统、8 通道阵列与 LED 及光纤的分配差异
论文图 5。原论文 Figure 5：“The scenography in Space A, showing the vine-covered corridor”。
可见像素是一张映射表照片，首列为触发与映射步骤，中间为来源，右侧为输出设备，可以读出 LED 控制器对应电源适配器与 RGB 灯带，音频场景对应 DAW 与 4.0 个系统，虚拟乐器对应 8 通道阵列，QLab 叙事线索对应蓝牙换能器，Max/MSP 音量映射对应 4.0 个系统，光纤部分对应电源与光纤激光器，音量映射还标出静默交互窗口与中心快速衰减到负 70 分贝的细节，这张表把正文分散在各节的链路收拢为可核对的接线清单。
有形用户界面 × 声音钥匙： 有形用户界面分工是把数字信息附着在可抓握的实体上，支持直接操纵；声音钥匙分工是把八音盒与节拍器等道具变成只在特定叙事状态下有效的触发器，搭配理由是普通发声道具只能即兴，不能推进分支，组合后道具的姿态与位置被映射为叙事状态，新增作用是拿着道具进入下一空间仍能对话与解锁后续声层。
绿野仙踪式控制 × 分布式控制： 分布式控制分工是把阈限空间、A 与 B 区、C 与 D 区分给 3 个控制区独立播放与监听；绿野仙踪式控制分工是由学生操作员看监控画面人工触发对白与安全干预，搭配理由是全自动接近传感在道具多、遮挡多时不可靠，全人工又无法处理多通道同步，组合后自动层负责连续声景，人工层负责离散叙事点，新增作用是以有机时机补足传感器覆盖不足。
没有神经网络训练时，真正的构造与计算过程是什么？
本研究没有训练任何神经网络模型，也没有梯度更新、参数冻结或损失优化过程，该节必须明确这一点，不能把无训练等同于确定性求解。真实的构造过程是 4 阶段教学管线加现场系统集成。学生起点是几乎没有编程与电子原型经验，工具选择刻意贴合音频背景，Max/MSP 的可视化编程对应信号流逻辑，ESP32 对应低成本易集成的边缘节点，辅以 MOSFET 模块、陀螺仪与激光测距等易得元件，学习曲线被压到能快速把手势转成 MIDI，再把 MIDI 转成灯带控制电压。
核心团队是 5 名声音设计学生担任联合创作者，另有 1 名灯光设计与 1 名舞台技术学生协作，前者主导听觉叙事与交互逻辑，后者主导视觉氛围与布景制作。构造步骤包括电路原型、蓝牙与无线 MIDI 联调、Ableton 与 QLab 场景编排、Max 补丁映射、光纤与换能器安装，以及用监控网络搭建人工触发台。
所谓推理只是演出时的实时运行，输入是身体位置与物件姿态，计算是阈值判断、范围量化与音量映射，输出是分轨衰减与灯光调制，不存在权重下载或开源代码库，论文说明 Max 补丁、硬件配置与代码已归档但因持续打磨尚未公开，因此复现不能依赖下载，只能按描述重写。监督来源不是标注数据，而是操作员的人眼确认与试演观众的反馈，重置时机是每场观众离场后回到初始声景状态。
实验条件：场地、观众与迭代反馈如何组织？
实验场地是改建的地下室，动线自上而下穿过 5 个空间，论文给出俯视布局图，地下室的隐喻与声学领地划分共同构成实验条件。参与者以小组进入，最初每组上限 5 人，后因需求上调。试演阶段组织了多轮预演，重点观察分布式架构是否转译为连贯体验，而非测量声学指标。正式公演在 2025 年 6 月下旬连演 3 天，超过 20 场，因受欢迎加开晚场。
数据收集是定性观察与口头反馈，测试观众经内部招募，被告知实验性质并口头知情同意，允许匿名引用口头回应，研究经中央戏剧学院必要的伦理许可。没有对照组、没有随机分组、没有自动指标，聚合口径是场次层面的现象归纳。硬件预算按原文交代，包括 ESP32 节点、MPU-6050、TOF400C、MOSFET、OLED 配置屏、蓝牙换能器、隐藏路由器、4.0 与 4.1 扩声、8 通道阵列、LED 灯带与光纤激光器，以及三处控制电脑与监控摄像头，设备得到校方与音频公司支持。
复述时要保留信息条件，观众被告知自己是梦境调查员，阈限空间戴眼罩，C 区有地面脚印，D 区后期加入身份卡与梦魇角色，这些条件改变行为，不能当成无提示的自然探索。缺项也要指出，未报告每场精确人数、年龄分布、声压级、延迟与误触发率，因此不能承诺这些量得到改善。
主结果：哪些设计真正推动了叙事，代价是什么？
论文直接报告的结果是 3 类。第一，A 区的加法音乐结构让寻找变成作曲，每发现一个隐藏物循环多一个音符并点亮对应灯带，触发音符脉冲对应 LED，形成发现、音频与光的联觉链接，支持了能动性增强的判断。第二，C 区的身体遮挡混音让观众用存在 carve 出安静，占据 4 个位置后各衰减一层噪声，最终露出独白并调制光纤亮度，支持了从触发事件到纠缠状态的判断，即运动、声音与光相互依赖，控制层级消解。
第三，D 区的迭代改动最能说明问题，原方案是纯音频指引找隐藏钥匙的密室逃脱，试演反馈归为叙事目的论缺口，观众感到强烈但缺少能动性与可玩性，自称迷路的旁观者且想要更确定的终局动作，受首演临近无法开发复杂数字资产的约束，团队引入社交推理机制， covert 指定 1 名梦潜者搞破坏，控制一区的操作员在触发诱导后潜入 D 区扮演唯一的活人角色梦魇，主持审判投票形成多重开放结局，观众反馈显著好评，称突发的人的介入带来触觉冲击并化解了此前的感官过载，很多人表示想重玩以探索不同结局，作者称之为必要的混合性，以最小人工存在锚定复杂声音叙事。
代价同样明确，C 区仅靠光纤的暗光让参与者错过线索造成系统死锁，A 区关木门导致蓝牙中断只能开门，C 区金属门遮挡迫使切换协议，这些都是鲁棒性不足的证据。
下表问题是公演规模与故障是否可复现，公平条件是同一套场地与同一批学生运维，指标方向是场次越多、干预越少越好，表后将解释混合性为何必要。
| 阶段 | 机制 | 参与规模 | 观察到的现象 | 应对 |
|---|---|---|---|---|
| 预演 | 纯音频找钥匙 | 小组试演 | 情绪强烈但缺少能动性，自称迷路旁观者 | 引入梦潜者与梦魇审判 |
| 公演 | 社交推理加投票多结局 | 3 天超过 20 场 | 想重玩，要求探索不同结局 | 保留最小人工存在 |
| 高峰 | 每组最初 5 人后上调 | 加开晚场 | 需求超出容量 | 谨慎扩组保体验 |
| 运行 | C 区仅光纤照明 | 连续多场 | 错过脚印致系统死锁 | 未来加显眼视觉与语音引导 |
该表的主要收益是混合机制带来可重玩性与情绪锚定，具体代价是每场都需要隐藏身份卡管理与演员潜入调度，未胜出项是纯无演员方案在终局被放弃，未评测边界是更大组与更亮提示是否破坏氛围，论文未给出量化留存率，只能说支持混合有效的定性判断。
C 区是观察纠缠与死锁同存的最佳位置，导读时把光纤、脚印与传感一起看。
看图路径： 1. 先观察悬挂的光纤网在红色灯光下的走向与密度，确认冲突空间的压迫感；2. 再寻找地面上的脚印投影，定位四个需要站位遮挡噪声的位置；3. 最后查看两侧墙边的传感装置与走线，理解隐藏式测距节点的部署方式
论文图 12。原论文 Figure 12：“The scenography of Space C, featuring the fiber-optic web and”。
像素显示红色房间上空交织的光纤网与地面隐约的脚印投影，两侧墙边可见传感支架与走线，头顶网的密度传达了内心冲突的压迫感，脚印标出必须站住的 4 个混音点，装置的隐藏式部署解释了为何观众在暗光下容易错过，只有把身体、声音衰减与光纤反馈当成一个回路，才能理解 carve 出安静的操作含义。
声学寻路 × 具身交互： 声学寻路分工是用远处声音、脚步声与笑声的方位引导观众走向下一空间；具身交互分工是用身体占据位置、遮挡噪声层来改变混音，搭配理由是只给指示声观众仍是旁观者，只给身体任务又易失去方向，组合后耳朵决定去哪里，身体决定留下什么声音，新增作用是在 C 区用身体 carve 出安静，让存在本身成为混音器。
反证与消融：拿掉哪一块会发生什么？
论文没有神经网络消融实验，这里的反证来自真实部署中的失败条件与迭代替换。第一个反证是拿掉人工确认，B 区的物体对话依赖操作员看视频后手动在 QLab 触发，如果改为全自动接近传感，在物件多、遮挡多时易误触或漏触，叙事惊奇感会被提前或错过，论文因此保留人在环路，说明复杂接近传感不是必选项。
第二个反证是拿掉协议切换，A 区关木门即断蓝牙，C 区金属门遮挡下蓝牙不可用，如果坚持单一蓝牙方案，灯光同步与多节点音量调制会中断，改用开门空间适配与无线局域网 Apple MIDI 加隐藏路由器后才稳定，说明无线选型必须按门的材质与动线实测。第 3 个反证是拿掉终局的人，D 区纯音频找钥匙版本情绪强烈但可玩性不足，观众能动性评价低，加入梦潜者与梦魇后才出现投票推理与多结局，说明在感官过载后最小人工存在能重新锚定注意力。
第 4 个反证是拿掉显眼提示，C 区仅靠光纤的暗光在连演压力下造成死锁，说明氛围不能以牺牲可读性为代价。教学上这些反证比分数更有用，它们给出可操作的检查清单，进场先测开关门与金属遮挡下的丢包，暗场先测脚印可见距离，终局先准备人工兜底台本。未验证的推测要单独标记，作者认为实时生成作曲可由身体参与驱动并增强情绪共鸣，这属于可能与待验证，不能当成已证明的效果。
限制：哪些结论不能推广，哪些数不能硬写？
首先区分 3 类表述。直接报告的是部署事实，包括五区动线、三控制区分工、所用软件与传感型号、公演 3 天超过 20 场、最初 5 人组后扩组。有限解释的是混合性有效与纠缠体验，证据是试演与公演的定性反馈，没有对照组与量表，不能换算成百分比提升。未验证推测包括生成式作曲的情绪驱动、跨模态映射模型的稳定性与网格网络的延迟改善，这些在未来工作才计划验证。
像素不能精确辨别的数值不要硬写，例如控制区照片的软件参数、光纤数量、脚印间距都没有可读刻度，只能描述可见元素。原文表格、图注或算术没有可核对的冲突，但缺项明确，未报告声压级、端到端延迟、误触发率、统计显著性与硬件成本，因此不能承诺延迟或成本改善，也不能把总体趋势说成每组每步都成立。伦理边界是口头知情同意与匿名引用，复现时若录像或录音需重新走伦理许可。
教学推广的边界是单学期、5 名声音设计新手加 2 名协作学生的高强度模式，认知负荷瓶颈真实存在，技术排错焦虑可能挤占创意冒险，换到其他院校需先补编程与传感器基础，否则难以复制。混合性也带来边界，原目标无演员在终局被打破，如果坚持纯无演员美学，该方案不适用。
复现先做什么：按什么顺序搭出可演出的最小闭环？
复现前先回答何时值得尝试，如果课程目标是让声音学生获得可演出的系统集成能力，且有地下室或多房间场地可用，这个框架值得尝试。如果只有单间教室或只想验证空间音频算法，它并不合适。第一步搭最小闭环，选一个走廊做 A 区简化版，布置 5 个藏匿点与 5 条 LED 灯带，用 Ableton Live 做钢琴循环叠加，经蓝牙 MIDI 到 ESP32 经 MOSFET 驱动灯带，先测开关门时的连接稳定性，木门关闭即断则保持开门或改有线。
第二步做 B 区简化版，准备两个可移动道具与两个固定点，内嵌蓝牙换能器，用 QLab 同时输出到 4.0 与换能器，先用人工看监控触发，跑通后再考虑是否加自动接近传感。第三步做 C 区简化版，用 4 个 TOF400C 经 I2C 接 ESP32，加 OLED 做无线配置，走无线局域网 Apple MIDI 加隐藏路由器，用 Max 补丁做音量映射，全部压住后揭示独白并回传调光，暗场下先测脚印可见距离，准备语音引导兜底。第四步做 D 区简化版，用大功率音箱加低音炮做触觉段落，准备身份卡与梦魇台本，演练潜入时机与投票流程。
关键超参数与信息条件要保留，MIDI 范围 0 到 127 的映射、中心快速衰减到负 70 分贝的静默窗口、光纤脉宽调制从 127 到 0 对应 50 到 255 的区间，都是按原文行为复刻的起点，改动需记录。代码与权重状态是补丁与配置已归档但尚未公开，没有可下载运行的系统，只能重写。建议把技术基础前置为模块化预备课，让学生以知情创作者进入制作，否则高强度联调会挤占声音设计本身。
收束：带走哪三条可操作的判断？
第一条是设计判断，当目标是让探索本身成为演出，把空间当作大型数字乐器比给单个道具加发声更有效，A 区的发现即作曲与 C 区的身体混音是可直接抄走的模式，但前提是有明确的声学领地划分与状态机，否则自由行走只会迷路。第二条是工程判断，分布式播放加人工触发不是妥协，而是多遮挡、多房间演出的务实架构，B 区的人眼确认、C 区的协议切换与 D 区的人演锚定共同说明，鲁棒性来自自动连续层加人工离散层的分工，复现时先测门、金属与暗光 3 个卡点。
第 3 条是教学判断，项目制学习能让零起点学生做出可连演的系统，但必须用模块化工具链降低门槛，并把基础技术前置，否则认知负荷会压垮创意，论文计划把创意积木整理为公开模块仓库，在此之前只能按描述重建。常见误解需要澄清，无训练不等于系统确定，操作员时机与观众行为带来不确定性。耳机式沉浸与多通道可走动式没有绝对优劣，前者隔离好但约束位置，后者保留集体探索但需解决遮挡与同步。
混合人工不是否定声音主角，而是用最小存在让声音叙事可被走完。带走这 3 条，就能在自己的场地与课时里判断是否采用该框架，以及先补哪项验证。
⚖️ 评分明细
评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。
- 评分规则：type-aware-v1
- 评分模型：muse-spark-1.3-contributor
- 评分请求协议：openai_responses