图像叙述的权力机制与听觉性在场

廖宇婷

（西北大学文学院，陕西 西安 710127）

海德格尔在探讨关于人的“存在”问题时提出：“世界被把握为图像”，巴特和维特根斯坦在研究文字、图像与人的关系时也提出了“文字充实图像”“图像俘虏了我们”的鲜明观点。除此之外，丹尼尔·贝尔对当代文化必然由“印刷文化”转变为“视觉文化”的趋势进行了预测，米歇尔也在《图像理论》中从罗蒂哲学史意义上把文字到图像、读文到观图的转变看成是继“语言转向”之后的又一重大转向，这意味着以图像叙述为中心的认知方式开始崛起，逻各斯中心主义受到了前所未有的挑战，而诸多哲学家、思想家和理论家们焦灼地呼吁“保卫语言”的现象，正是以图像叙述为主导认知方式的时代到来的确凿证据和明确信号。在这样的时代境遇中，应该注意到，当代的图像叙述方式不仅改变了观众和读者的接受机制，折射现代人的文化心理因素，而且还记录着历史的隐痛与当下社会的巨大变革，凝聚着民族文化心理积淀的丰富内容。

一、图像叙述的问题表征与权力机制

从科技层面来看，如火如荼的科技发展使得电子媒介成为文化传授与信息传播的基本载体和路径。从经济层面来看，人们物质水平和生活水平的普遍提高，电脑、手机、电视的全面铺设和广泛运用，使得图像叙述拥有了与语言文字争夺消费市场的压倒性优势和实力。从文化层面看，后现代主义思潮消解中心主义，反叛正统思想，张扬个体自由，冲击传统审美心理的情感诉求，能够在门槛较低、环境宽松的网络世界中得到满足。在以上诸多原因的合力推搡之下，蔚为壮观的图像世界对我们传统的以阅读和联想为主的认知方式提出了新的挑战。

丹尼尔·贝尔认为当代文化必将转为视觉文化，生发出一种“视觉的新美学”[1]，并打造一种新的叙述方式——图像叙述。此处的图像应从广义层面来理解，即图像不仅包含着二维的、静态的图像或者图画，还应当包含三维的、动态的、虚拟的视频图像，也包括直播、联播和“仿像”“拟像”等。无论是静态图像还是三维立体图像，它们的本质都是“描摹、反映或复制与再现”，正如米歇尔所言：“图像的本质在于‘再现实践’……是特定的故意的再现”[2]。换言之，图像是一种“诠释性的技术”[3]，是社会文化的表征。何为表征？表征可以简单理解为信息在人们头脑里的呈现形式，其是对客观事物的反应，是信息的编码和存储，包含着视觉形象、声音形式和语言形式等，同一事物的表征形式可能不同，且人脑对同一事物表征的反应也会有所不同。比如，事物的“表象形式”就是具有形象性表征的一种。表征的研究不仅是对于某些事物呈现形式和表层意义的研究，也是对事物表征的复杂性、生产逻辑、深层意义或意识形态的分析研究。所以，对于图像叙述本质的揭示，离不开形象（事物的符号代码），更离不开形象背后的声音形式和生产逻辑等其他因素。简而言之，对图像叙述问题的分析需聚焦于技术水平、图像的权力机制和观者的审美体验等多个层面。

在现代“看”与“被看”的审美关系中，“观看”早已不再拥有绝对权威，“被看”也不再单纯地处于被动地位。“图像叙述”亦不再是福柯提出的监狱中敞开的时刻监视，即在狱中的“中心瞭望塔，人能观看一切，但不会被人看到”[4]。更不再是居伊·德波所说的被审视者、被观看者可以吸引观众、影响观众的“全景敞视舞台”。无论是福柯的“全景敞视监狱”还是德波的“全景敞视舞台”，他们都强调了人身体的“在场”。而如今的视频、拟像或仿像的制造，明显已经更进一步脱离了观看中“人身在场”的权力关系，即“观看者和被观看者都可以以一种虚拟的线上身份非在场地互动”[5]。这种不同于传统的观看和参与方式，不仅能反映出新型审美主客体之间的张力体系,而且能在一定程度上表现现代社会的权力变化趋向，同时也激发了诸多学者对“娱乐至死”的忧虑。

现代社会中最能体现权力倾向的代表之一便是“资本”。以金钱为尺度去衡量万事万物的资本体系，在一定程度上总会潜移默化地宣扬拜物主义，造成人们对金钱的盲目追求与极端崇尚，进而致使图像文本越轨行为的频频发生，最终带来诸多道德失范和违法乱纪的问题。在“图像叙述”当中，最为典型、被使用最为频繁的形象符号——身体（尤其女性身体）就是被资本推向深渊的代表之一。在万花筒式的网络世界里，在图像、视频盛行的电子媒介场域中，人的身体很大程度上被商品化、物质化和客体化，它们被明码标价，沦落为供“金主”消费和消遣的商品。如诸多网络平台的直播中，大量所谓的帅哥美女都将“化妆”和“美颜功能”运用到无以复加的地步，只为塑造一个美丽诱人的形象，赢得更多的关注和粉丝。他们打扮时尚，或是玩游戏、跳舞、唱歌展现才艺，亦或是睡觉、聊天、逗宠物展现生活，他们竭尽所能地展现自己，目的还是从诸多博人眼球的身体表演中脱颖而出，赚取打赏和流量。不难发现，表演者为了博得关注，满足观众的欲望消费，他们几乎可以扮演任何“角色”。在这样的场域中，“被看”是证明他们身份的重要途径，而“网红身份”的确认又确实能给他们的现实生活带来巨额红利，这便催生了他们强大的“自我表现欲”。这种欲望有时候不仅摧毁了自我隐私保护的底线，也销毁了自律的道德防线，使“人的身体”客体化为被观看、评价和消费的商品，最终致使色情影片生产行业暴利盈收，且屡禁不止。同样的，屏幕前的观众也可以通过弹幕抒发感想、表达诉求，通过评论提出要求、实时互动，也可以以私信的形式与主播结识、线下约会，这些均在一定程度上保证了观众窥视欲望的发泄和满足。可以说，“看与被看已经成为‘身体’和‘身份’问题的角逐”[6]，看与被看都显示出了身份认同的问题。

不可否认，图像的兴起和盛行不仅是技术进步的功劳，更多的是资本的推波助澜和文化工业在消费领域的扩张。于是，被利益驱使的图像编码者不断生产这种迎合人们“审美”的人物形象，并通过这些形象制造更多的形象，这就使得形象被批量生产和大量复制，一切事物最终都汇聚在“形象的洪流”之中[7]。比如，从被央视批评的喊麦主播“MC天佑”，到被全网封杀的“牌牌琦”，再到让人瞠目结舌的国外“代孕并弃养”的一线女星事件，等等。这些人物形象对扭曲价值观的宣扬不断侵占着公共资源，为媒体和不良商家攫取着巨额流量。再如，日常生活中的平面广告，无论是护肤品、衣服还是手表、配饰等，都需要一个光鲜亮丽的明星人物进行佩戴宣传，商家将宣传画大量投放到社会的各个广告牌与电子银屏。自此，商品便与美丽的人物形象纠缠不清，广告图像本身似乎就宣告着商品价值与美丽形象以及曼妙身姿分割不清的紧密关系。当商家捕捉到这一技巧时，他们便不再热衷于提升产品质量，传达商品信息，而是钻研于如何将商品品牌和logo与某种象征性的崇高身份与社会地位，或者某一特殊群体进行联系。久而久之，人们对物品的拥有转变成了对“被看”的诉求，对奢侈品的佩戴也转变成了对较高经济地位的展现，这些日常生活中炫耀式的消费也借助媒介在“被看”中得到了更多更好的宣扬，广告形象的表征意义就此远远超越了信息意义。

从“看”的层面而言，观众的“窥淫癖”在一定程度上助长了“图像叙述”的低俗化、资本化与色情化等问题。虽说网络视频有美食类、知识类和游戏类等多种类型，且并不会败坏社会风气、危害社会环境，但毕竟鱼龙混杂，总有一些人群的“窥淫癖”能够在诸多视频的缝隙中探寻到自己追寻的邪魅内容。在视觉文化时代之前，窥淫有违社会的伦理规范而被视为一种边缘化的隐蔽行为，但是，在图像叙述中则不同，观众透过电子屏幕贪婪地窥视，眼睛沦为“欲望的器官”，却仍可以开展“匿名狂欢”。他们可以主观评判表演者，甚至肆意歪曲、谩骂、诋毁和诽谤他人而免受愧疚与不安情绪的困扰，这些问题的层出不穷直到国家出台法令进行监管才稍有克制。可以说，网络媒介成了观者的遮羞布，它为观众提供了既可随时随地“陷入”图像世界又可随时随地抽身离开的便利条件。除此之外，“电子建构”与“智能算法”的虚拟图像，使得观者的观看极易陷入“圈层化”的状态，即电子后台的大数据架构了一个虚拟的世界，观众只能在其中看到自己感兴趣或愿意看到的形象与事物，而其他的大千世界都会被隔离在视觉之外。由此，观者作为主体丧失自我选择和理性认知的能力而陷入“认知的洞穴”之中。

虽然图像叙述的认知方式带来了诸多问题，但电子媒介技术的扩张并不仅仅只带来了社会问题，同样也带来了机遇。比如，资本的增殖需要不断突破时间、空间的界限且无限刺激人们的需求，而数字化图像技术则恰好为资本突破现实界限提供了良好的支撑和契机。技术的进步和资本的推动，在时间上实现了人物的“永久性在场”，在空间上打破了现实与虚拟的界限，在欲望上不断控制与诱导着经济和消费。传统文化中的艺术形象，是需要读者静心阅读，仔细品味、冥想、体悟，并在“虚静”状态下对感性世界展开想象和联想。但审美和技术的媾和在新的语境下与图像表征达成了一种新的契合关系。可以说，传统审美主体与客体的良性认知关系，正在被数字图像技术支撑下的文化消费和平台资本所取代。现代电子设备所展现的动态图像的肤浅化和碎片化,促使审美环节减少，审美过程短促，进而淡化了审美主体的审美体验。审美不再是传统审美主体对审美对象“不食人间烟火”式的静态观照，而是“在一种与生活经验相关或出乎意外的情境中不断获得如同被击中一样的惊颤效果”[8]，是身心欲求与对象互动的美感生成。在这样新异的审美感知中,人们的审美活动也更为活跃和主动,审美经验的获得亦不再仅仅属于有高度审美修养的群体。

通过对“图像叙述”背后权力和权利进行考察，可以清晰地看到隐藏在视觉文化背后资本、技术与审美的多重力量与时代症结。这些强大的力量使得“图像叙述”呈现出了一个较为紊乱的视觉表征，人类本能欲望的放大成为了消费主义扩张的切入口，这致使许多学者对传统经典艺术的颓败之势扼腕叹息，也使许多人不由自主地怀念曾经那个朴实无华、安详平和的读文年代。于是他们对视觉文化的兴起持批评的态度并大肆讨伐，他们的结论大致都如上文分析的那般，强调了图像、视觉或景观对人的残害与压迫，并关注到了资本对人的荼毒。但图像时代已成大势所趋，我们也不应该只为“图像叙述”带来的诸多社会问题与弊端捶胸顿足，而应该进一步发现图像叙述的优势与目前图像研究的缺陷。事实上，许多的研究都忽视了“图像叙述”中重要的一维，那便是视觉文化场域中的“听觉性在场”。

二、图像叙述中被忽略的听觉性在场

声音作为人们认知世界的重要方式，从来都不是可有可无的，但由于声音始终扮演着图像隐而未见的陪伴物角色，所以总是会被有意无意地转换或遮蔽。事实上，声音与图像不是单向度的依附关系，而是一种双向协助与互动的关系。所以，只关注“图像叙述”而忽视“声音在场性”①“声音的在场”主要强调的是声音时间和空间的直接性、即时即地性。就此而言，图像就是一种最具在场效果的符号，而声音又是图像在场的必要因素。的视觉文化研究是有局限性与狭隘性的。克拉考尔曾对声音进行了着重强调，认为日常生活中人们的视觉与听觉是互相纠缠、混杂不清的状态，并表示即使人们从未意识到声音的存在，但是人们目之所及和心之所想往往都伴随着声音效果。不可否认，声音的重要性是在现代性的进程之中才被正真发现的，它作为近些年日渐显豁的文化问题，依托技术手段得到了良好的彰显。尤其随着图像时代的到来，声音与视觉文化互相烘托、互相印证、互相补救的演进逻辑也愈加清晰。正如杜盖伊所说的，视觉观看的影响已经巨大到我们几乎忘记了无处不在的声音，更是忽略了声音领域中异军突起的文化革命。在这场革命中，声音不仅直接参与了图像的生产过程，它还蕴含着复杂的社会、历史及文化意义。所以，在视觉导向的意指实践中，研究“图像叙述”的权力机制，绝不能忽视“声音的在场效应”和隐匿机制。

首先,从感官层面而言，人们是通过感官互动来感知世界，人的感官不是单一的、区隔的，而是处于相通、相连的状态。比如，听觉与视觉就是一个有机整体，人们很难对其做出具体的分割，因此在关注视觉图像时，不可忽略听觉的创造性作用，否则无异于重蹈那喀索斯的覆辙。韦尔施曾以希腊神话中“厄科与那喀索斯”①厄科与那喀索斯的故事来源于古希腊神话，那喀索斯英俊帅气，引来了众多女神的倾慕，厄科便是其中之一，但由于她得罪了赫拉而被罚只能重复他人语言的后几个字。在一次偶然的机遇中，厄科见到了美少年那喀索斯并深深爱上了他，但那喀索斯拒绝倾听还出言伤害了厄科，而厄科却只能重复着那喀索斯绝决的话语，这使她伤心欲绝，最后因爱生恨，祈求命运女神涅墨西斯让那喀索斯爱上一个爱而不得的人，于是女神让那喀索斯看到了自己的倒影，并深深爱上了自己。厄科的出现促使那喀索斯认识了自己，并深深陷入了情感的危机之中，最终香消玉陨，化身成了水仙花。的故事来比喻声音与图像的关系，他认为那喀索斯悲剧的根源在于他拒绝倾听厄科对他的情爱倾诉，使她因爱生恨而展开报复。在此，厄科象征着纯粹的声音与语言，而不愿被听就等于声音彻底被拒之门外，当声音被彻底隔绝之后，那喀索斯无形中便扩大了视觉观看的意义空间，在厄科的推动下使自己成为了迷恋“视觉幻想（水中自己倒影）”的牺牲品。其次，从声音与图像共同依托的“媒介”层面来看，电子媒介的广泛铺设和应用改变了纸质媒介的声音属性，传统的竹筏、纸媒、布帛只是语言、文字和符号的物质载体，而电子媒介则从设计、编码起，就具有景象观看和声音播放的双重属性，因此，即使是属性较为单一的视觉媒介，也是视觉和听觉因素相混合的承载者。正如米歇尔所言：“所有媒介都是混合媒介”[9]。况且，声音、外物与人心，甚至电子产品都不是纯粹单一的媒介，也不会独立完成视听审美，它们只有共同作用才能实现“图像叙述”的预期结果。亦如《乐记》所言：“凡音之起，由人心生也。人心之动，物使之然也。”总而言之，无论从审美主体的感官来看，还是就媒介技术层面而言，听觉性都不是单一的、被动的，而是带着一种自反性与视觉文化共同盛行于当今世界。

视觉景观当中听觉的自反性能够使人在冥想的状态下连通五官，实现图像编码者预期的审美理想。例如，饭店的宣传照“烤牛排”的表面，往往有被放大了的、弹跳着的、细微的水珠与调料粉末，这一放大细节的静态图像暗示着牛排正处在被加热和烤熟的动态过程之中。这不仅能让观者联想到牛排的芳香四溢，还让观众仿佛听到了烤牛排发出的“咝咝声”。米尔佐夫曾经明确表示，在这个景象、图像充斥着眼球的社会，商家贩卖的或许不是真正的“烤牛排”这一实际物品，而是发出“咝咝声”[10]的烤牛排的诱人形象。牛排的“咝咝声”是构成“美味牛排”这一形象符号的必需因素，牛排形象不是实在的牛排，而是包含了声音力量和视觉景象的想象之物。可以说，“现代媒介技术通过全面介入形象符号的生产与消费过程”[11]为商家攫取了更多的盈利，也更多地满足了人们的需求。所以，声音（真实发出的声音亦或是人内心联想的声音）的出现与在场，不仅能够使得声音带动一些经济产业，实现声音的空间生产，还能牵动人的联想，开拓出不同于以往的物理空间和现实世界，丰富人们的审美经验。

声音景观的空间生产问题，并非一个只具有单一成因的问题，而是涉及了技术与制度等多重因素的复杂议题。首先，由于科学技术的突飞猛进和电子媒介的更新换代，传统社会中声音的“即逝性”和“现场性”特征不再成为制约声音力量的枷锁，声音的可录制和可配性使得无声电影惨遭淘汰，而有声电影的出现不仅使无声电影变得形象逼真、光彩夺目，还为人们展现了一种全新的认知方式和体验模式。与此同时，在资本的加持与助力下，声音以最快的速度在时空领域中被最大限度地解放。例如，21世纪以来，智能耳机、MP5、录音棚、音乐手机和摄像机的广泛普及带来了时间上延异的消失和空间上异域的引入，这使“远程在场杀死了传统的当下在场”[12]。人们可以播放提前录制的、被技术美化过的音乐与人声，并随时随地欣赏和消费声乐艺术品。其次，在制度环境上，声音是一种“被建构、被生产、被规划的”[13]社会空间，它深刻地隐含着经济活动、政策管理、社会规划、阶级特征等宏观因素，是社会各种生产关系和复杂权力结构的反映，同时，声音也潜移默化地形塑着身处社会关系网络中的每一个审美主体。所以我们需要聚焦于微观与宏观的双重视域，深刻洞察声音对于“图像叙述”的意义和作用，探赜声音对于文化建构的意味。通过发掘观看者和倾听者不同的受教育背景和所处的社会阶层来研究他们对于图像景象背后声音的理解、期待与联想。

声音不仅可以在物理空间维度上摆脱时间与空间的束缚，还可以存在于人们的精神空间，以视听交互的形式被体验、被感知和被想象。如梅洛-庞蒂所言:“任何感觉性都必须以某种共存的场为前提”[14]。“共存的场”主要就是视听交互的空间形态，就如新闻联播和事故现场直播一样，通过各种声音与图像的配合，使观众拥有身临其境的“感觉”。新闻播报可以在运用语言叙述的同时，让观众通过多种感觉去接近新闻事件本身，即使起初人们只能利用音波进行播报，但也可以引入音觉图像。例如，广西坠机事件，多家媒体都开通了现场搜救直播和实时报道，即使是伸手不见五指的雨夜，观众也能清晰听到音频中掺杂着新闻发生现场的嘈杂声、风声、雨声、呼喊声等，让受众产生联想而增强现场感。总而言之，随着技术发展，连续的动态图像伴随同时发生的声音形象被呈现在银屏之上，使得新闻受众能够感受到更为真实的现场感。这种在场的“图说”和“播报”，使人因为“图像叙述”和听觉器官的结合而“陷入”“在场的世界”。

带有理想主义色彩的听觉空间，必须在视听功能的共同作用下才真正具有“在场性”。但是，无论在听觉场域还是视觉场域，永远都有可能存在人们忽略了的听觉因素。所以我们在享受“图像叙述”为我们带来的便利和刺激时，也应当时刻保持审慎的辩证立场，关注听觉的贡献与学理意义。在拒绝将“图像叙述”与声音、听觉置于“二元对立”的模式下的同时，也要警惕过渡消极和过渡悲观的“反视觉主义”，重视听觉空间与视觉空间的有机融合与不可分割性。除此之外，还要注意强调把握“听觉性在场”的尺度，不可矫枉过正、夸大其词，如果一味放大听觉和声音的功能与意义，无疑也是研究的一种倒退。所以，“图像叙述”的声音维度的被发现和被强调只能是视觉文化理论研究进入新时代之后的一种自我调适。

三、图像与语言二元对立模式的消解与同一

近些年，图像与语言关系研究一直是学术界的一个热点论题，但是许多学者的观点都是对文化研究传统与批判理论的延续。即他们往往在默认图像与语言二元对立模式的前提之下展开研究，并对“图像叙述”的兴起进行了看似合理的否认与批判。如认为视觉文化主导意味着人类思想由深度向肤浅，语言文字由中心到边缘，人性恶念由克制到放纵的变迁过程。再如认为“纯文字阅读的诗性感悟被电子仿像制品所带来的快感与美感排挤而失去了生存空间。”或者认为“文字和语言艺术的独特魅力在肤浅化、色情化、低级化的视觉形象的冲击之下已经烟消云散”等。受这些观念的影响，人们开始对大众文化和图像观看不加辨别地指责、排斥与规训，并自以为是地以“道德律的坚守”为说辞，四处散播“道德恐慌”之感。

“图文之争”潜在地反映了知识分子对读文时代的怀念与惋惜，也包含着人们对“图像叙述”以及读图时代的忧虑与惶惑。事实上，我们应该摒弃将图像与文字、观看与阅读、感性与理性、肤浅与深度进行二元对立的“图像偏见”。明确“‘读图’不会使人幼稚，‘读文’也未必使人聪明”[15]的事实。虽然“图像叙述”让观者感受到了文字书写和印刷文化的日趋衰落，但是，也应注意到，图像本身就是被编码者赋义了的、直观的对象，而文字由于是一种“人为规定的意义符号”（文字意义的认知，不仅需要学习前人的规定，且需要与日常生活世界的事物联系并转化为形象），所以较难理解。文字意义的激活需要读者以高度集中的注意力，调动自己的知识储备，并有理性、有逻辑地展开联想、想象与思考。就如波兹曼所言，书面阅读需要心境、时间和身体长久的安宁，且还涉及理性能力和逻辑能力的配合。因此，读图便以更为便捷、轻松、愉悦的压倒性优势占据着如今的消费市场。

在前现代社会，在电子媒介和义务教育普及以前，文化生产的权力大多时候被掌握在极少数的精英知识分子手中，且文化模式主要以“文字-阅读”为主，这便导致大众进行文化阐释的权力被束之高阁，而视觉文化的兴起则改变了这一状况。图像的生产与消费不仅给观众带来了审美快感与视觉享受，其还能以最直观、最简洁的方式解释一个知识点、介绍一个名胜古迹或者讲解一段名人故事。例如，“秒懂百科”就是以一分钟左右的短视频，讲解各种知识，介绍各种文化，这不仅直观易懂，让学生印象深刻，还可供各种知识水平的读者接受与理解。据此，短视频和“图像叙述”的直观性和丰富性使大众脱离精英知识分子的限制，也“使各种不同文化处境的受众都可以获得各自有效的图像阐释……摆脱统治意识形态的规训”[16]。且图像媒介的推广，为普通的劳苦大众还提供了获取信息的渠道、利益诉求的途径和展示自我的平台。例如，美国新闻媒体“《时代》周刊”曾经在以文字表现为中心的Twitter和以图像展示为中心Instagram上发布了一则相同的新闻报道，前者的点赞数只有67次，而后者的播放量却高达21万。再比如，河南焦作市17中学的老师在网络平台公开质疑学校职称评审不公，黑龙江张乃丹网络公开举报公司经理保费造假等事件，均说明了视频媒介技术的发展为用户赋权，其有效提升了民众的话语权。

除此之外，青年亚文化群体还可以在视觉文化中利用语言符号和象征手法进行理想角色的扮演，他们在网络上表演才艺、讲述人生经历，并彼此认同和肯定，以表示自己对“主流文化”的角力、对抗与互动，进而形成自己的“趣缘共同体”和“情感共同体”[17]。在这些“共同体”中，观众可以暂时忘却现实生活中的苦恼，摆脱羁绊，张扬自己的生活方式、价值理念与情感诉求，表现自己积极主动参与社会文化建构的态度，强调自己的主体精神、参与品格和集体狂欢意识。所以，不能将“图像叙述”的认知方式单纯视为感性狂欢的盛宴，也不能将视觉文化的兴盛简单理解为文字信息的粗浅化与边缘化，恰恰相反，图像叙述的魅力和吸引力，正说明了人类更易于包容和接受视觉观看的审美方式。这一方面是人类天生的基因性质决定（眼睛对图像和色彩的识别和欣赏度高于对文字的辨识度，文字的认知需要一定的知识基础和理性沉思的能力），另一方面是受审美趣味和认知能力影响。例如，罗兰·巴特曾经将处于历史长河中文字和图像地位的互换称为“文化自然化的过程”。“自然化”并不是人们忧虑的肤浅化和流行化，而是文化自然而然进化的过程，是突破“所谓的理性”的话语限制的能力，也是能够包含多元文化内涵的具有普遍适应性的“大众文化”。所以，“图像叙述”并不是通常意义上的只包含浅层认知的接受信息的方式，也是具有深层认知可能性的新时代成果。但是，即使图像叙述成为了新时代重要的认知方式，图像也不可能取代文字成为人们认知世界的唯一方式。

首先，“图像叙述”模式的盛行与流传虽然对语言文字提出了些许挑战，但图像并不会因此正真意义上成为文化秩序的主宰，更不会取代语言文字成为承载庞大文化知识体系的支柱。尤其是古文典籍以及一些无法视觉化的史诗、诗歌等，或者经过图像改编后会丧失原有魅力和光晕的艺术品等，都无法单纯地依赖图像进行转换。虽然图像有自己的优势，但它的特质也使它无法像语言文字那样便于叙事和组织，也无法对事物进行细致地描绘并有力启发人的逻辑思考能力。语言则不同，语言作为承载“思想”的主要媒介形式之一，可以渗透到文本叙述的各个层面，对叙述起支撑和决定作用，进而很好地将“思想”渗透进人类的感知方式之中。比如，我们很难用一幅或多幅绘画去解释另一幅图像，也很难用一段音乐去阐释另一段音乐，但却可以用语言来介绍和解释任何事物，所以语言是叙述“意义阐释”的重要方式，且语言文本给人提供的遐想空间要远远大于图像，这也就是为什么很多读者难以接受原著小说和改编剧之间体验差距的原因。可以说，虽然视频图像增强了视觉冲击和观看时的审美体验，但同时也限制了观者的遐想空间，牵制了受众的想象，制约了审美主体性功能的发挥。因此，纵使时代轮转，人类对文字的依赖和需求无形当中依然存在，且“图像叙述”的正真意义也不在于攫取资源和流量，而在于它能将语言从传统的桎梏和框架中解放出来。

其次，当下的图像模式大多时候并不是纯粹的图像，更多时候是“图文共同体”，即图像与文字互为一体相互凭依、互相阐释。图像与文字搭配的“图文共同体”能突破纯图像和纯文字的局限性，无论先阅图还是先读文，观众都会不由自主地在阅览的过程中建立起图文之间的联系，发挥二者的双重优势，以加深理解。比如，文字文学与影视作品就是互相依赖、相互借鉴并互相成就的关系。影视艺术对文学作品进行大量改编，进入文学的内部构成新的作品，这不仅深刻影响文学作品的艺术面貌，改变文学作品的传播方式，甚至还转换了文学作品的阅读方式和创作模式。反过来，文学作品也为影视艺术提供了良好的摹本，其不仅提升并成就了影视艺术的品格与内涵，还是影视作品必不可少的阐释代码。除此之外，图像叙述和文字叙述还拥有共同的规则与叙述原则，且语言与图像的媒介也不仅仅局限于某一纸质或者电子屏幕，而可能是由两种媒介共同承载。比如，恰当的图片配文可以提升图片的美感，营造更高级的氛围感，使图片的审美意蕴更加丰富多彩，但这与艺术媒介的材质关系并不紧密。

实质上，图像与语言更多时候并不是孤立存在，也不互为对方的“他者”，而是共存于读者视域和无意识当中，并以隐喻、象征、暗示、简介等方式，使图像与文字达成互文态势。因此，当图像进入语言，读者就不再唯一地寻求自我储存经验的帮助，而是向“图像现场寻求更确切、更鲜明的感知觉特征”[18]。当语言进入图像，语言叙述的可靠性与真切性，也能够帮助读者更加明确地理解图像表达的意义与情感。“在语言和图像‘叙事共享’的场域，前者有可能穿越后者，使不透明的‘薄皮’变得透明，‘图说’由此被赋予‘言说’的深长意味”[19]。所以当观众观看一个经过编排的“图文体空间”时，总会自觉联想文本与图像的暗合关系。比如，图文同框时，观众便会自觉假设，“它们在一起出现，一定是有某种原因，还会寻找它们之间某些合理的关系”[20]。这样一来，“图文体”便消解了图像与语言的对立性，使图像与语言脱离自己的单一性进行信息传播。

如今，图与文的结合已经成为人类不可取代的一种表达方式和认知方式，文字与图像共读的局面业已形成。从电视字幕到新闻报道，再到每一则广告、每一条网络视频、每一条微信朋友圈，无不是图像与文字的配合。图像叙述弥补了文字叙述的不足,解放了文字叙述，而文字又反过来丰富了图像叙述的内在意蕴和表现张力。因此，我们的研究也应当聚焦于语言与图像的“共同体”，去考察图与文的整体性与互适性，摆脱图文对立、理性与感性对立、高雅与大众对立的局面，将“图像叙述”的研究视角放置到传统印刷文化与当今视觉文化的双重力量之间，消除美学分析与意识形态之间的壁垒。这种规避二元对立结构多维聚焦研究对象的方法，能够方便我们将认知从图像与文字的对立之中解放出来，进而适应“视觉文化”的多元性与普适性，发掘图像背后的声音力量和权力机制，激活当下文学理论的时代意义。