「这句话是谁说的？」——一个比想象中难十倍的问题

「林夏说。“嗯。”」——请问这个「嗯」是谁说的？

如果你答林夏，恭喜，你踩中了我们做剧场模式时的第一个坑。这句里的句号属于上一句话： 「林夏说」结束的是前一段对话的归属，后面那个「嗯」是另一个人的回应。 中文小说里这种结构俯拾皆是，人眼扫一下上下文就懂，规则引擎会栽得很惨。

剧场模式要把小说演成视觉小说，台词框上得挂名牌，于是「谁在说话」成了绕不开的问题。 这篇把我们处理过的五个真实案例摊开讲。它们全部来自开发期的失败记录——每一个都曾经让归因出错。

案例一：说话从句在后面

「“别去。”她按住他的手腕说。」引语在前，说话从句在后。规则要往后看才能找到说话人， 但往后看多远是个问题：看太远会把下一段的动作句错当说话线索。我们最终把后看窗口收得很紧—— 动词必须紧邻引语（间隔不超过两个字符），宁可窗口小到漏掉一些，也不放宽到会捞错的程度。

案例二：受话人陷阱

「他低着头，对秦朝说道：“对不起。”」——说话的是「他」，不是秦朝。秦朝是受话人， 但「秦朝」两个字离「说道」最近，天真的就近匹配会把道歉安到被道歉的人头上。

案例三：交替对话省略主语

两人对话进入节奏后，作者会停止标注说话人——引语一句接一句，全靠交替规律。 推断交替看似简单，实际前提苛刻：必须先确认头两句的归属都有硬证据、两人确实不同、 段落里没有第三个人插话。四个条件全满足才敢推，缺一个就整段放弃。 我们见过太多「第三人突然开口」把交替推断带崩的段落。

案例四：动作句当说话线索

「他放下杯子。“走吧。”」没有「说」字，但人类读者知道是他说的。 规则能不能学？能，但只敢学一小步：只有一小撮明确的「说话前动作」（放下、抬头、转身这类） 才触发弱归因，而且置信度低于有说话动词的情况。动作词表宁可短，不追求聪明。

案例五：行业基线有多低

你可能会问：这不是 NLP 老问题吗，学界没有现成方案？有，但成绩单不乐观—— 代表性开源项目 novel2galgame 用 669 本中文网文微调 8B 模型，纯文本场景切分的 F1 只有 30.5%； 同一条流水线上「必须硬选一个说话人」的归因 LoRA 准确率 86.7%——听着不低， 放进台词框大约每八句就挂错一块名牌。这就是为什么我们没有走「训练一个归因模型」的路线， 也没有把归因外包给在线大模型：会认错人的名牌不如没有名牌。

立场：弃权比错认便宜

五个案例背后是同一个取舍。错误归因的伤害是不对称的：漏归因只是让一句台词没有名牌（纸书读者的默认状态）， 错归因是把 A 的话安到 B 头上，读者当场出戏，而且会连带怀疑所有名牌的可信度。 所以整套规则的设计原则是：只认结构上有把握的证据，拿不准一律弃权进旁白。

验证方式也按这个原则来：15 段真书人工标注，强归因精确率 100%，弃权面全部符合预期。 覆盖率我们会慢慢爬，但那条底线不动——名牌可以少挂，不能挂错。

这套归因跑在剧场模式里，纯本地规则、零 AI 调用、离线可用。 它长什么样，实测记录那篇有完整的两晚记录， 或者直接去 剧场模式介绍页看演示。