本文原載吉田寬《電子遊戲研究》（デジタルゲーム研究），東京大學出版社，2023年。
本文是以舊文《遊戲中的聲音指的是什麼——關於diegesis（故事世界）的概念》（「ゲームにとって音とはなにか―ダイエジーシス（物語世界）概念をめぐって」）為基礎重新撰寫的文章，這篇舊文收錄於細川周平編著的《從聲音和耳朵思考——歷史、身體、技術》（「音と耳から考える―歴史・身體・テクノロジー」，Artes Publishing，2021年10月）一書。該著作是國際日本文化研究中心（通稱日文研究會）的細川周平教授（當時以及現在的名譽教授）主辦的共同研究會關於「音響與聽覺文化史」（2017—2019年）的成果報告。該研究會匯集了40多位來自各個領域的專家學者，包括音樂學家、歷史學家、民族學家、人類學家、社會學家、工程學家、音響學家以及藝術家。對我來說，這是一個可以讓我得以在作為音樂學者的時代就有交情的老面孔面前再次確認自己現在致力於遊戲研究的意義的寶貴機會。此外，長門洋平以基於電影的「故事世界的聲音」為主題的論文也同時刊載在該書中。本文出於這方面的原因，也竭力探索與電影研究的連接點。
1、電子遊戲中的聲音和音樂
如今發售的電子遊戲（影片遊戲或電腦遊戲）幾乎無一例外都帶有聲音。這些聲音作為「音樂」被創作和聆聽，已經超越了單純的音效效果。目前，「遊戲音樂」已被公認為是一種音樂類型，不僅通過CD和定額制（訂閱制）的音樂服務獲得了大量受眾，還作為音樂會的節目吸引了很多聽眾。
不過遊戲音樂的歷史其實並不短，已經持續了半個多世紀。讓我們來簡單回顧一下。1951年，英國電腦科學家克里斯多福·S·斯特雷奇（Christopher Stratchey）在曼徹斯特大學為世界上第一個面向大眾市場的通用數字電腦「Ferranti mark Ⅰ」（1951年2月開始啟動）編寫了一款叫作「Draughts」（一種棋盤遊戲，也叫跳棋）的程序，其中添加了英國國歌《天佑吾王（God Save the King）》（作曲者不詳）的旋律來作為遊戲勝利時刻的象徵（田中2017，17-18）。這便是最早被應用到電腦遊戲上的音樂[1]。
1971年，Nutting Associates公司的工程師諾蘭·布希內爾（Nolan Bushnell）（後來創立了雅達利公司）開發出了世界上第一款商用電子遊戲（街機電子遊戲）《電腦太空戰》（Computer Space）。這款遊戲配備了聲音迴路，能夠發出由噪聲和矩形波構成的效果音（田中2017，30-31）。
《電腦太空戰》（Computer Space）
而象徵著遊戲音樂正式誕生的源頭，則要追溯到第一款在電路板里採用微處理器（CPU晶片）——「Intel 8080」（英特爾，1974年）——的遊戲《槍戰》（Midway，AC，1975年）。在該遊戲中，如果玩家出現失誤情況，就會以單個矩形波的形式播放《葬禮進行曲》（Marche Funebre，蕭邦作曲，1827年）的旋律。
此外，在第一款風靡全球的日本遊戲《太空入侵者》（Space Invaders,taito、AC、1978年）中，作為效果音（入侵者移動時的聲音）的音效同時也充當了背景音樂。細野晴臣還將這款遊戲的音效收錄到YMO的首張專輯《黃色魔術管弦樂團》（Yellow Magic Orchestra，1978年11月）中。遊戲音樂由此與流行音樂史產生了聯繫。1984年4月，由細野製作的世界上第一張遊戲音樂原聲大碟《video game music》（阿爾法唱片）在日本發行。這張專輯收錄了南夢宮的街機遊戲《吃豆人》（Pac-Man ,1980）和《太空戰機》（Xevious ,1983）的音樂，由細野當時所屬的阿爾法唱片公司發行。
《吃豆人》
當然，如果僅僅止步於這種確認遊戲聲音從「音樂未滿」上升為「音樂」的歷史性回顧，那麼無論對於遊戲研究還是音樂研究這一主題來說都顯然是一種不幸。因為有一點很重要，那就是我們必須意識到遊戲聲音不是通常意義上的「音樂」。遊戲聲音不只是「被聆聽」的存在。玩家能夠從中獲得資訊，並受這些資訊內容的影響而採取行動。定義遊戲，以及遊戲與電影和動畫最不同的基本指標，就在於遊戲具有「互動性」，而這一點也從根本上決定了聲音設計和聽覺體驗。有不聽聲音就玩不了的遊戲，也有將發出聲音作為玩法的一部分的遊戲[2]。在今天的很多遊戲中，聲音已經超越了僅作為點綴以及背景的範疇，構成遊戲玩法的本質。那麼，對於遊戲來說，聲音和音樂具有什麼樣的意義和作用呢？這就是本文所要討論的主要問題。後文將以「diegesis（故事世界）」這一概念為出發點對此進行深入探討。
雖然遊戲音樂已有超過半個世紀的歷史，但對於遊戲音樂以及與其有關的理論方面的研究歷史卻並不長。目前最早關於遊戲音樂研究的文獻是阿克塞爾·斯托克伯格（Axel Stockburger）於2003年發表的文章（Stockburger 2003）。不過，儘管在2000年左右遊戲研究（Game Studies）就已正式確立為一門學科，但其中關於音樂的研究相對來說起步卻較晚。如下文所述，雖然遊戲研究（特別是在北美）是在電影研究的巨大影響下建立的，而電影研究在很長一段時間內是參照的文學研究。因此在這樣的背景下，遊戲研究便順理成章地從借用電影研究和文學研究的相關理論和概念開始起步。而「diegesis」這個概念就是其中一個較為典型的例子。
2、作為「故事世界」的diegesis——在電影研究與文學研究里的展開
在H·伯特·阿波特 （H. Porter Abbott）編的《劍橋敘事學導論》（The Cambridge Introduction to Narrative，2008年第二版）一書的術語表（名詞解釋）中「diegesis」被分為新舊兩種含義（Abbott 2008，231）。最初的「diegesis」表示「敘事（the telling of a story）」，這個含義源自柏拉圖的《理想國》第三卷，書中柏拉圖對詩人的敘述方式進行了劃分，將其分為「純敘述」和「模仿」（Plato 1902,392c-395b=1976、194-201）。其中前者就是以「diegesis（διήγησις）」這個詞表示，後者則以「mimesis（μίμησις）」表示。「mimesis」指「詩人假扮某個人物，模仿這個人物的語氣說話」，而「diegesis」則指「詩人以自己的口吻說話」。此後，在20世紀「diegesis」又衍生出了一種新的含義，表示「故事世界，通過敘述構造的世界（the storyworld, the world created by the narration）」。在該書的其他部分中，「diegesis」被定義為「在敘述的世界中所發生的事件被想像為具現實性（reality）」，但「表示這層含義的diegesis近來已逐漸被敘事世界（narrative world）或故事世界（storyworld）等詞所取代」（Abbott 2008,75）。關於「diegesis」（英）或「diégèse」（法），中文裡面一般有「故事世界」/「敘事空間」/「敘境」三種譯法，後文會根據語境選擇性表述為「故事世界」（英）或「敘事空間」（法），其形容詞形式「diegetic」（英）或「diégétique」（法）則譯為「敘事（空間/性）」。
「diegesis」的第二重含義，即表示「故事世界」的這層含義是由法國美學家艾蒂安·蘇里奧（Étienne Souriau）最先使用的[3]。蘇里奧在其論文《電影世界的結構與電影學詞彙表》（La structure de l'univers filmique et le vocabulaire de la filmologie，1951）中將「電影世界（l'Univers filmique）分為七種存在平面」。其中第五面被稱為「diégèse」。它介於第四面「影片中播放的（以及銀幕中的）現實（réalités filmophaniques[et écraniques]）」和第六面「觀眾所處的真實現實（les faits spectatoriels）」之間（Souriau 1951,234-240）。「diégèse」指的是「所有在電影中以及包括從電影內涵中引申出的以現實（réalités）再現的形式描繪的一切」，簡而言之就是「虛構的現實性（une réalités de fiction）」（Souriau 1951,237）。蘇里奧在《電影世界》（1953年）的序言中再次提到了這個詞。在該書中，「Diégèse、Diégètique」被解釋為「可理解範圍內（dans l'intelligibilité）的被講述故事（如吉貝爾·科昂-塞阿[Gilbert Cohen-Séat]所言）所包含的一切、一部虛構影片所假設或提供的世界內的一切」（Souriau 1953,7）。
此後，蘇里奧對「diégèse」所作的定義被開創了「電影符號學」理論的克莉絲汀·麥茨（Christian Metz）所繼承並發展。麥茨在《電影語言——電影符號學導論》（Essais sur la signification au cinéma）（第一卷，1968年）中，將這一概念解釋為「虛構的『現實性』（une 「réalités」 qui est celle de la fiction），即對電影的感知使我們形成了投射-認同的心理過程，由此而產生的一種只屬於我們自身的、主觀上的現實性」（Metz 1968,19=2005,29）。此外，麥茨還以蘇里奧的觀點為基礎，對這一概念作出了獨特的符號學闡釋。他在書中對「diégèse」進一步解釋道：「他[蘇里奧]所指的是電影的整個再現作用域……也就是電影的外延（denotation）整體（l'ensemble de la dénotation filmique）」（Metz 1968,100-101= 2005,177-178），麥茨在這個定義中將「diégèse」與「外延」這個概念聯繫到了一起，作出了獨特的延伸。而根據這個定義，聲音是否構成「diégèse」的一部分，取決於聲音是否具有「外延性」。但是麥茨並沒有闡明這一點。正如本·溫特斯（Ben H. Winters）指出的那樣，儘管「蘇里奧和麥茨對diégèse概念所作的定義並沒有排除音樂的存在」（Winters 2010,227），但他們卻並不打算將這個概念與電影中的聲音或音樂聯繫起來。
如上所述，「diégèse」概念便由此在20世紀法國電影理論中獲得了新的闡釋，此後，為話語研究建立系統性理論的熱拉爾·熱奈特（Gérard Genette）也將這一概念納入到了他的敘事學理論中。熱奈特在探討敘事話語的「語態（voix）」——言語行為與主語之間的關係——時援引了「diégèse」概念，尤其是在針對「敘事層」（敘述行為與所述事件之間的關係）和「人稱」（敘述者與所講述故事之間的關係）的分析上，這個概念扮演著十分重要的角色[4]。
首先是「敘事層」。熱奈特認為根據敘事詩和小說中敘述的事件與敘述行為的關係，它可分為「外敘事層（extradiégétique）」、「內敘事層（intradiégétique）」、「元敘事層（métadiégétique）」（Genette 1972，238-241= 1985、266 - 270）。簡單來說，這三個敘事層分別可以理解為與旁白所處的故事層、敘述者與作品中的人物處於同一層級的故事層、作品中的人物在作品內講述的故事的故事層相對應。其次是「人稱」。熱奈特基於「所有敘事在定義上，都是潛在的第一人稱」這一獨特觀點，摒棄了以往所採用的「第一人稱」、「第三人稱」這樣的劃分，並且根據敘述者是否為故事中的人物提出了「同質敘事（homodiégétique）」和「異質敘事（hérérodiégétique）」的區分，敘述者在自己講述的故事中作為人物登場的稱為「同質敘事（homodiégétique）」，不登場的稱為「異質敘事（hérérodiégétique）」（Genette 1972,251-259=1985、286 - 297）。
如上文所述，繼蘇里奧和麥茨之後熱奈特又進一步從敘事學角度對「diégèse（以及diégétique）」概念作了新的拓展，並且著重探討了敘事話語中「語態」的種類。他的這種敘事理論反過來又對電影研究者產生了強烈的影響。因此，在電影理論中主要關注「現實性」的蘇里奧-麥茨式的「diégèse」概念便逐漸被主要關注「敘事層」的熱奈特式「diégèse」概念所「覆蓋」。而這也使得「diégèse」概念更加難以應用到聲音和音樂上。
最早將熱奈特的「diégèse」概念納入電影理論的是克勞迪婭·高伯幔（Claudia Gorbman）。她在《敘事性電影音樂》（Narrative Film Music,1980）一文中通過敘事空間/非敘事空間（diegetic/nondiegetic）的區分以及上述熱奈特提出的三個概念（關於「敘事層」的劃分），深入探討了電影音樂與電影敘事之間的種種關係。不過她在接近結尾時最終承認:「在每個例子中，音樂都如同一種貫穿所有敘事層，並將這些敘事層串連在一起的絲線，也就是音樂在電影中是以非表象的方式作為將各個鏡頭連接起來的存在而發揮作用。」（高伯幔 1980，202）。由此可見，被後來的眾多研究者反覆強調的——電影聲音不適用於「敘事空間」框架的論斷，最早在高伯幔的研究中便已經有所體現。也就是說，高伯幔不僅展示了「diegesis」概念在分析電影聲音方面所具有的重要作用，同時也前瞻性地暗示了它的局限性。
《電影中的聲音》書封
此外，在普及「diégèse」概念方面，高伯幔作為法國電影音樂理論家蜜雪兒·希翁（Michel Chion）的譯者所起到的作用也不容忽視。希翁在《電影中的聲音》（Le son au cinéma,1985）一書中按照聲音與影像之間的關係將影像聲音分為「son in（鏡頭內）」、「son hors-champ（鏡頭外）」和「son off（畫面外）」。「son in」是指「能夠在銀幕中看到聲源的聲音」，「son hors-champ」是指「聲源在銀幕上雖然看不到，但可以推測出是來自銀幕上的場景所描述的時空內相鄰空間中的聲音」（比如戶外的聲音），「son off」指的是「聲源處於銀幕上的場景所描述的時空之外的聲音」（比如配樂、旁白等）（chion 1985,31-34=1993、31- 36）。這種分類方法的新穎之處就在於將過去籠統視作一類的後兩者明確區分開來。由於1994年高伯幔對希翁的著作《視聽：幻覺的構建》（Audio-Vision: Sound on Screen，1990）作英文譯介時將這三個術語分別譯作「畫內音（onscreen）」、「畫外音（off screen）」和「非敘事空間聲音（nondiegetic）」的緣故（chion 1990,65= 1994,73 -74）[5]，希翁的理論從此便與「diegesis」概念聯繫在了一起。
3、Diegesis概念在遊戲研究中的應用與發展
學院派遊戲研究於2000年前後以北歐和北美為中心正式確立。北歐主要以來自文學和數字媒體領域的研究者為主，北美則主要是電影和電視領域的研究者。著有《電子遊戲的媒介》（The Medium of the Video Game，2001）一書的馬克·J· P· 沃爾夫（Mark J. P.Wolf）就是北美研究體系的代表學者之一，他在書中指出「電子遊戲理論起源於電影和電視理論」（Wolf 2001,2）。並且他認為「在電影和電視理論以及媒介研究中發展起來的概念性工具」對於分析電子遊戲最為有效，而「敘事世界（diegetic world）」就是其中之一（Wolf 2001,2-3）。但是，在將這一概念引入遊戲研究時，有幾點需要注意。因為電子遊戲媒介具有電影和電視所不具備的新特徵。首先是鼠標、操縱杆、鍵盤等「界面」的存在。與電影不同，在遊戲中「界面充當了故事世界和玩家世界之間橋樑的作用」（Wolf 2001,3）。另外，電子遊戲需要「世界觀和思想更加匹配故事世界」。這是因為與「線性非互動作品」的觀眾相比，玩家的「自主度更高」（Wolf 2001,4）。沃爾夫指出，遊戲研究在現有的媒介研究基礎之上增加了界面、玩家行為、交互、導航、算法結構等多種新元素。
在早期遊戲研究中，「diegesis」這一概念是作為一個已經在其他研究領域確立的既定術語而被使用的，因此並沒有受到多少批判。比如在沃爾夫與伯納德·佩倫（Bernard Perron）共同編撰的遊戲研究論文選《電子遊戲理論讀本》（The Video Game Theory Reader）第一卷（2003年）和第二卷（2009年）中，這個概念就曾反覆出現（Wolf and Perron 2003；Perron and Wolf 2009）。
同樣，以遊戲聲音或音樂為對象的研究中也顯示出了頻繁應用「diegesis」概念的趨勢。比如斯托克伯格的最早以音樂為主題的遊戲研究《從聽覺角度看遊戲環境》（The game environment from an auditive perspective，2003），在這篇文章中他將來源於遊戲環境中的「聲音對象（sound object）」分為五類（言語、效果、地帶、得分、界面），並探討了這五個類別在遊戲環境中分別屬於「敘事性部分（diegetic part）」還是「非敘事性部分（non-diegetic part）」（Stockburger 2003）。不過也存在同時兼有兩種屬性的聲音對象。首先是界面聲音。與屬於「故事世界」的效果音相反，界面聲音原則上作為「非敘事性」的一部分被玩家所感知。但是很多遊戲都在嘗試將界面的聲音納入故事世界。另外，言語的聲音也同樣具有橫跨「故事世界」和「非故事世界」的性質。斯托克伯格在這篇論文中所舉的例子《潛龍諜影2：自由之子》（konami、PS2、2001年）就嘗試打破角色所屬的故事世界和玩家所屬的現實世界之間的界限，進行了所謂的「跨層敘述（metalepsis）」實驗（參見吉田寬《電子遊戲研究》第8章第3節）。比如故事世界內部的遊戲劇情人物（雷電的上司坎貝爾上校和戀人羅斯瑪麗）直接對玩家本人而不是玩家控制的角色（雷電）說話，就是個典型例子。
此外，理察·范·托爾（Richard van Tol）和桑德·海貝茨（Sander Huiberts）在《IEZA——遊戲音頻框架》（IEZA: A Framework For Game Audio，2008）一文中也將「diegesis」概念作為討論的基礎（Tol and Huiberts 2008）。在這篇論文中他們將斯托克伯格對聲音對象所作的分類與敘事音/非敘事音的區分相結合，對遊戲聲音作了更加系統的闡釋。IEZA是由Interface（界面）、Effect（效果）、Zone（場景）、Affect（氛圍）的首字母組合而成的合成詞，指的是來源於遊戲環境的四類聲音。為了更清晰地揭示遊戲聲音的分類，他們將這四類遊戲聲音區分為兩個維度，提出了IEZA結構模型——一個二維平面坐標四象限圖。首先第一個維度是按照聲音來源分為「敘事音（diegetic）」/「非敘事音（non-diegetic）」，分別表示「虛擬遊戲世界內部聲源」發出的聲音和「虛擬遊戲世界外部聲源」發出的聲音。第二個維度則是按照聲音表達的資訊內容分為「活動（activity）」/「背景（setting）」，分別表示傳達「關於遊戲活動的資訊」的聲音和傳達「關於遊戲背景的資訊」的聲音。目前IEZA框架已作為遊戲聲音分類的主要模型被廣泛接受。
IEZA框架（Tol & Huiberts 2008,5）
但此後，許多遊戲音樂研究者開始對「diegesis」概念產生質疑。而且在這一背景下，對該概念持批判態度的電影音樂研究也越來越多。
4、Diegesis概念在遊戲研究中的批判性擴展
前文提到熱奈特對「diegesis」概念作了獨特的延伸，而除了熱奈特之外，遊戲領域的研究者也出於各種各樣的原因和目的拓展了這一概念。在這樣的背景下，有學者認為「diegesis」概念無法原封不動地應用於遊戲音樂的研究。
比如克莉絲汀·約根森（Kristine Jørgensen）在她的論文《論電腦遊戲中的跨敘事空間聲音》（On transdiegetic sounds in computer games，2007）中提出了一個新概念——「跨敘事空間（transdiegetic）」。「跨敘事空間聲音」是指「聲源不在遊戲世界，卻仍然能夠對遊戲世界的事件造成影響的音樂」（Jørgensen 2007,105）。這類聲音和音樂的「特點與其說是無法確定它們屬於敘事空間還是敘事空間之外的（diegetic or extradiegetic）」，不如說是「介於兩者之間」(Jørgensen 2007,107)。也就是說，她認為遊戲聲音存在很多「脫離」電影理論中默認的兩個空間範疇的情況。
希區科克《伸冤記》電影海報
約根森提出跨敘事空間聲音這一概念是受美國電影學者愛德華·布拉尼根（Edward Branigan）的電影音樂理論的啟發。布拉尼根在《敘事理解與電影》（Narrative Comprehension and Film,1992）一書中，通過對阿爾弗雷德·希區科克（Alfred Hitchcock）導演的《伸冤記》（The Wrong Man，1956）的分析，展示了電影音樂是如何在多個敘事空間之間流暢切換的。他指出：
因此，儘管對我們來說從頭到尾都是「同一首」樂曲，但卻以三種不同的方式聽到。我們對從銀幕中傳出的樂聲的(自下而上的)感知已經與我們對音樂和故事世界之間關係的（自上而下的）猜想絲滑地整合在了一起。(Branigan 1992,97)
除了傳統的「敘事空間聲音（diegetic）」和「非敘事空間聲音（nondiegetic）」的區分之外，布拉尼根還提出了另一個新的層級——「虛擬世界之外的（extra-fictional）」。「三種不同的方式」指的就是這三種。他認為對電影音樂的感知，包含了我們對故事世界的「假設」。而這種假設是根據各種視聽資訊形成的，並且隨著時間的推移而變化。約根森認為「音樂能夠輕易使空間狀態發生變化，是因為我們會結合銀幕中的背景資訊對聲音的意義作出假設」（Jørgensen 2007，108）。
約根森認為，電影中的「虛擬世界之外」維度就相當於遊戲中的「界面」。但是RPG遊戲中的道具清單（道具選擇畫面），儘管位於遊戲世界（故事世界）之外，但羅列在這裡的道具卻是玩家在遊戲世界中獲得的。另外，在道具清單頁面上發出的聲音，儘管位於遊戲世界的外側——玩家可以聽到，遊戲世界內的角色聽不到——卻與遊戲世界有著緊密的語義聯繫。也就是說，「界面聲音在遊戲世界和玩家所屬的現實世界之間架起了一座橋樑」（Jørgensen 2007,112）。
敘事空間聲音，非敘事空間聲音，還有界面聲音。這就是「跨敘事空間聲音」所橫跨的三種聲音類型。也就是說素的聲音。這個定義包含了一種「ecology（生態）」概念。「生態」簡而言之就是「交往之網」，根據格林姆肖所依據的格諾特·波默(Gernot Böhme)的定義，指的是「環境因素與人的感知之間的關係」（Böhme 2000,14）。這篇論文所提出的假設是「FPS遊戲中的聲音是一種玩家參與其中並且是重要組成部分的聽覺生態（an acoustic ecology）」（Grimshaw 2007,4,328）。他認為，遊戲環境中的聽覺生態可以和真實物理世界中的類比理解，換句話說，兩者之間存在著同樣的「功能性（affordance）」（Grimshaw 2007,103-106）。「儘管遊戲聲音的聲學調色板（調節範圍）可能更小，但它模擬了真實世界的生態」（Grimshaw 2007,328-329）。
因此，這也導致了電影和FPS遊戲的巨大差異。在觀看電影時，觀眾處於故事世界之外，因此視點和聽點會產生錯位，但另一方面，第一人稱視角遊戲則只有「一個視點和一個聽點」。希翁在《視聽：幻覺的構建》（Audio-Vision: Sound on Screen）中發出了「我（觀眾）聽到的內容，究竟是銀幕中的誰在聽？」（Chion 1990,80=1994,90）的疑問，對此，格林姆肖的回答是「是我在聽我聽到的內容」（Grimshaw 2007,155）。與電影不同，在FPS遊戲中，攝像機和麥克風的位置被融合在同時具有「第一人稱視點和第一人稱聽點」的玩家身上。因此，這裡的「聽者」自然而然就變成了「第一人稱聽者（first-person auditor）」。這就是「我聽，故我在」（Grimshaw 2007，157-158）。
格林姆肖認為聲音對於幫助構建「三維虛擬環境」（Grimshaw 2007，332）有著很大優勢。這是因為聲音具有「全方向的（omnidirectional）特徵，能夠同時向螢幕內外兩邊傳遞關於遊戲環境和活動的資訊」（Grimshaw 2007,27）。因此，可以說「聲音是讓玩家沉浸和參與FPS遊戲世界的關鍵」（Grimshaw 2007，332）。不過，由於與電影聲音不同，FPS遊戲的聲音具有「可以影響玩家的活動」以及「並不是所有聲音都能同時被所有玩家聽到」的特點（Grimshaw 2007，226）。因此，格林姆肖根據交互形態的不同，將敘事空間聲音進一步分為「觀念敘事音（ideodiegetic）」和「遠程敘事音（telediegetic）」這兩種類型。「觀念敘事音」是指「某名玩家在遊戲中聽到的所有聲音」。另一方面，「對於玩家A來說的觀念敘事音，在玩家B聽不到的情況下，如果玩家A對該聲音的反應會對玩家B造成影響」，那麼該聲音對於後者來說就是「遠程敘事音」（Grimshaw 2007，226）。另外，「觀念敘事音」還可進一步分為由玩家自身發出的「動作敘事音（kinediegetic）」以及除此之外（包括其他玩家發出的聲音、環境音和物體發出的聲音）的「外部敘事音（exodiegetic）（Grimshaw 2007，227）。
因此，綜上所述，格林姆肖對於「diegisis」這個概念的定義是指玩家參與活動的空間，並且是一個類似現實世界的第一人稱視角虛擬環境。而在這個定義中，可以說「虛構」這個詞完全失去了原本所泛指的偏離現實世界的含義。
5、超越diegesis爭論——遊戲音樂研究的發展方向
凱倫·柯林斯（Karen Collins）是第一位對「diegesis」概念產生質疑並有意識地否定它的遊戲音樂研究者。在《遊戲之聲：遊戲音樂與音效設計的歷史、理論與實踐》（Game Sound: An Introduction to the History, Theory, and Practice of Video Game Music and Sound Design，2008）一書中，她指出「從電影與戲劇的研究中衍生的故事世界（diegesis）這一概念可能並不適合遊戲」，但同時她也認為「diegesis概念對於分析玩家/觀眾與銀幕內容之間的交互程度以及在展現電影音樂的線性（linear）性質與遊戲的非線性（nonlinear）性質之間的差異方面具有十分重要的作用」（Collins 2008,125），因此這個術語只能在特定的語境中使用。科林斯認為「diegesis」概念的有效性在電影研究中已經受到質疑。她指出「在當前的電影研究中，敘事音與非敘事音這樣的分類（division of diegetic-nondiegetic）已經受到了質疑，這是因為它不能應用到聲音的其他範疇（比如高伯幔所說的「元敘事」中的主觀體驗等）」（Collins 2008,180）。因此，科林斯提出了「交互式音頻（interactive audio）」和「自適應音頻（adaptive audio）」的概念（Collins 2008,4）。前者是「由玩家的直接輸入所引發的聲音事件」，比如《超級瑪利歐兄弟》（任天堂、FC、1985年）中瑪利歐跳躍的聲音。後者則是「反饋遊戲狀態（the gane states）的聲音」，具體指的是「對遊戲中的計時、超時、玩家和敵人的健康狀況等參數進行提示的聲音」。比如《超級瑪利歐兄弟》中當背景音樂的節奏隨著超時的臨近而加快的情況。交互式音頻和自適應音頻的劃分主要是依據聲音在整個遊戲過程中所擔任的功能，而不是敘事性或非敘事性的空間層級或關係。因此，科林斯提出的這兩個概念破除了「diegesis」概念的局限性。事實上，她提出的概念已被許多遊戲研究者應用到遊戲聲音的分類上。
《超級瑪利歐兄弟》
2011年，約根森的論文《新術語的時機？——重新審視電子遊戲中的敘事空間聲音和非敘事空間聲音》（Time for New Terminology? Diegetic and Non-diegetic Sounds in Computer Games Revisited）一文的發表，宣告了「diegisis」概念的無效性（Jørgensen 2011）。她在這篇論文中對該概念的起源、如何被引入遊戲研究以及它在處理遊戲音樂方面的有效性和局限性進行了簡明扼要的總結，本文也從中得到了很大的啟發。雖然約根森是遊戲音樂研究領域的世界第一，但遺憾的是，她試圖尋找新的理論框架和視角來取代「diegisis」的努力並不成功。
前文提到約根森於2007年提出了「跨敘事空間（transdiegetic）」這一新概念，但在2011年的論文中，她卻徹底放棄了「diegisis」這一概念，並準備與之分道揚鑣。於是她提出了「遊戲空間（gamespace）」的概念，試圖超越「diegisis」。遊戲空間是一個與「遊戲世界（gameworld）」相對的概念。遊戲世界指的是「玩家能夠在其中展開各種行動、參與各種事件、以遊戲為目的而設計的一個足夠廣闊的場域或環境」，而遊戲空間則是「一個可以在其中進行遊戲的、獨立於任何可能的虛擬世界的抽象空間（conceptual space）」（Jørgensen 2011,89,96）。這個定義在「現實世界的子集（a subset of the real world）」這一點上十分接近約翰·赫伊津哈（Johan Huizinga）所說的「魔圈」[6]（Jørgensen 2011,89）。她將這個「包含了與玩遊戲相關的外部系統的特徵」的遊戲空間，等同於「格林姆肖和（阿克塞爾）伯納德定義的故事世界」，並且她嘗試以此為突破點在整體上把握遊戲聲音的特徵。然而，遊戲空間的概念是否充分涵蓋了聲音所具有的游離於現實和虛擬的邊界的性質，仍然是一個疑問。
另外，約根森在《遊戲世界界面中的強調音和生態音》（Emphatic and Ecological Sounds in Gameworld Interfaces，2017）一文中還提出了「生態音（ecological sound）」和「強調音（emphatic sound）」的概念，「生態音（ecological sound）」指「與遊戲世界的生態有直接關係，並且與現實物理世界中的聲音具有密切相似性」的聲音。「強調音」是指「強調或加深遊戲世界中事件的影響，並提供與生態音相反的額外資訊」（Jørgensen 2017）。她的理論顯然十分接近格林姆肖的生態學論，卻並沒有對其作進一步的探討。
不過對於生態學論，我也發現了它的巨大潛力。在上一節提到的格林姆肖之前，莫滕·布林比約格（Morten Breinbjerg）在《聲音的美學體驗——3D電腦遊戲中聽覺空間的產生》（The aesthetic experience of sound: Staging of auditoryspaces in 3D computer games，2005）一文中也提出了類似的針對遊戲音樂的聽取的「生態學理解（an ecological understanding）」（Breinbjerg 2005）。布林比約格以同樣是FPS遊戲的《戰慄時空2》（Half Life 2,Valve、Win、2004年）為例，基於「聲音提供了一種與眼睛完全不同的體驗景觀的方式」這一觀點，揭示了遊戲聲音的「生態功能」，即玩家如何通過聲音從環境中獲得資訊，並依此做出響應。在我看來，這種生態學的觀點不僅適用於FPS遊戲這樣的3D第一人稱視角遊戲，也廣泛適用於一般的電子遊戲。並且，我在自己的文章中將這種可以使玩家對遊戲環境的狀態做出評估並獲得行動線索的聲音稱為「認知性聲音（epistemic sound）」[7]。
但是，我並不認為「diegesis」概念不再有效，或者應該被其他概念所取代。雖然的確存在著用「diegesis」概念無法解釋的遊戲聲音。對此我也沒有異議。但具體是什麼原因造成的不匹配，到目前為止，所有的研究都沒有完全弄清楚這一點。是因為它是一種作為互動媒介的「遊戲」嗎，還是因為它是耳朵所感知的「聲音」呢？或者兩者兼而有之？我們有必要重新思考這個問題。不過從電影音樂研究者（高伯幔、布拉尼根）指出的這一概念的局限性來看，可以說造成這種不匹配的原因並不能僅僅歸咎於遊戲的互動特性。那麼，是因為它是聲音嗎？但是這個問題又引發了另一個全新的、更根本的問題。那就是，從不同的感覺器官——眼睛和耳朵——輸入的知覺資訊構成「同一個故事世界」是指的什麼，以及這種情況是否有發生的可能性。如果答案是「否」，那麼「diegesis」概念就不能應用於多模態領域，而應該停留在文學和無聲電影的世界中。蘇里奧和麥茨在討論電影的故事世界時沒有提到聲音，或許不是他們的不足之處，反而該說是一種明智。
最後，即使最終證實「diegesis」概念不適合遊戲，也不會動搖我們通過結論以及討論的過程得到的對於遊戲的本質、遊戲與其他媒體的異同、遊戲研究與其他研究領域的關聯及影響關係的認識。可以說如果能弄清楚這些，那麼也就等於達成一直以來的研究目的了。
注釋：
[1] 斯特雷奇最初是為了在「飛行者ACE電腦（Pilot ACE）」（英國國家物理實驗室，於1950年開始運行）上運行而編寫的「跳棋」程序，但最終卻以失敗告終（1951年7月），於是他重新編寫了程序，嘗試在內存更大的「Ferranti MarkⅠ」上運行該程序。不過，雖然在1951年10月就完成了程序轉錄，但直到1952年夏天才能「以足夠的速度運行」（Strachey 1952,47）。該音源後來經過修復，現在可以在大英圖書館的網站上聽到。
URL=https://soundcloud.com/the-british-library/first-recording-of-computer-music-1951-copeland-long-restoration（最後瀏覽日：2023年1月13日）
[2] 這類遊戲的雛形最早可追溯到雅達利公司的街機遊戲《touch me》（1974年），在該遊戲中，玩家需要按照電腦所演示的音樂播放順序，然後通過按下按鈕進行再現。其外殼僅有四個按鈕，沒有顯示屏（參見吉田寬《電子遊戲研究》序言中的圖0-3）。同時，比如能否找出關於敵人弱點的旋律對於劇情發展有著至關重要作用的《Jesus》（『ジーザス』，Enix、PC-88、1987年），引入了根據聲音探測敵人的系統的《宇宙警備隊》（Silent Debuggers，Data East、PCE、1991年）和《異靈》（ENEMY ZERO，WARP、SS、1996年），還有在包裝上明確寫明「這是一款完全沒有畫面，僅靠聲音來玩的遊戲」的聲音冒險遊戲《真實的聲音:風之悔恨》（『リアルサウンド～風のリグレット～』，WARP、SS、1999年）、以及以《啪啦啪啦啪》（PaRappa the Rapper，七音社、PS1、1996年）和《Beat Mania》（KONAMI、AC、1997年）為代表的一系列「不聽聲音就玩不了」的音樂遊戲（也就是所謂的「音響遊戲」）。除此之外，還有《Otoky》（Asky、FDS、1987年）、《Rez》（United Game Artists、PS2、2001年）等將發出聲音作為遊戲玩法一部分的射擊遊戲。
[3] 也有說法認為這個詞是艾蒂安的女兒安娜·蘇里奧（Anne Souriau）創造的——她自己在晚年也強調過這件事，但本文對此不作討論（Taylor 2007;Winters 2010,226）。
[4] 儘管熱奈特在其著作《敘事的邊界》（Frontiers of Narrative,1966年）中就已經提到了「diégèse」概念，但在這本書中他還並沒有針對敘事層作出劃分（Genette 1966=1989）。直到在《論巴洛克式敘事》（D'un récit baroque，1968年）（Genette1968=1989）中他才初步嘗試了這種劃分，並在《敘事話語——方法論》（Discours du récit:essai de méthode，收錄於《Figures III》，1972年）中使之完善並加以鞏固（Genette 1972=1985）。這裡主要以後者為參考依據。
[5] 這裡需要注意一下，《電影中的聲音》(Le son au cinéma,1985)在本書出版時（2023年）尚未譯介成英文。
[6] 儘管約根森的「遊戲空間」概念是受傑斯珀·尤爾（Juul 2005b，164-167=2016，202-206）得到的啟發，但實際上兩者之間的論點有很大不同。尤爾所定義的「遊戲空間」概念除了與物理遊戲（如足球等）中的「世界空間（現實）」相對應外，還包括針對電子遊戲的、位於虛構世界內側的魔圈（比如《2002FIFA世界盃》（Electronic Arts、PS2/CG/Xbox/PC、2002年）中的虛擬足球場空間域），他引入這個概念不如說更多是用來說明後者。所以尤爾的這種「嵌套結構」式定義與被定義為「獨立於任何可能的虛構世界」的約根森的「遊戲空間」概念並不相符。
[7] 我對此的相關論述參見以下文獻。Hiroshi Yoshida.「Epistemic Sound in Video Games.」Paper presented at Music Research Series,Goldsmiths,University of London,United Kingdom(12 May 2015);Hiroshi Yoshida.「Early History of Epistemic Sounds in Digital Games.」Paper presented at Replaying Japan 2018,the National Videogame Arcade,Nottingham,United Kingdom(21 August 2018).
