# 掉出了一颗桃子：把关系容器推进为事件，但声画仍不交桃子

本文为研究档案公开版，保留来源版本的论述与限制。公开时间：2026-09-08；不表示已完成同行评审。 本文属于公开研究资料（历史笔记、研究稿或来源记录）：已完成格式、来源限制与重复项筛查，尚未完成逐篇独立事实复核；原文中的解释、候选判断和未确认内容均按其原有限制阅读。

来源版本日期：2026-06-22

证据边界：T0 台词账锁定 #964 子丑 `掉出了一颗桃子`，T1 使用 4K 无字幕母文件无偏移时间轴复核；MiMo CN 只作 T2 反诱导辅助。不得把 #964 写成画面出现桃子、圆形水果、橙粉色小球、包、包口、包内空间、从包/容器掉出、落地、弹跳、滚动、物体碰撞、车站空间、交通声、包摩擦、拉链声、音乐转场、硬切或空间换挡。#965 与 #964 相隔 66.000s，不得把长空档整体并入 #964 的即时物证。

# 掉出了一颗桃子：把关系容器推进为事件，但声画仍不交桃子

#964 接在 #962/#963 后面：

```text
#962 01:30:05.566-01:30:07.300
子丑：在午后车站

#963 01:30:08.400-01:30:10.400
子丑：分别的一对情侣的包里

#964 01:30:11.066-01:30:12.566
子丑：掉出了一颗桃子
```

这三句在语言上非常顺：

```text
车站 -> 分别的情侣 -> 包里 -> 掉出桃子
```

#964 终于把前两句悬着的语法补成事件。#962 是地点，#963 是关系和容器，#964 是动作和物。但这次复核的重点正是：当语言终于像故事一样完整时，声画是否也跟着交出故事。

答案仍然是否定的。

## 声音把动作说出来，但没有让物体落地

#964 全句 `1.500s`：

```text
RMS  = -27.11dBFS
Peak = -8.45dBFS

20-1000Hz = 0.97653
1-4kHz    = 0.00915
4-20kHz   = 0.01339
谱心约    = 552.5Hz
```

这是极集中于低频/低中频的人声，不是掉落声效。没有包摩擦、拉链、翻找、物体离开容器、落地、弹跳、滚动、硬物碰撞、车站广播、列车、人群候车声或音乐转场。

句内粗分更说明问题：

```text
掉出     ≈ -24.09dBFS
了一颗   ≈ -28.73dBFS
桃子     ≈ -36.53dBFS
```

声音最强的是动作词 `掉出`，不是物件名 `桃子`。这句话的声学重心在“事件被说出”的开头，而不是“物体被交付”的尾部。`桃子` 在声音里退得很弱，它不是一个被落地声、滚动声或音乐主题托出来的实体。

#964 后 `2.434s` 短尾更低：

```text
RMS  = -45.47dBFS
Peak = -31.45dBFS
```

这里没有桃子落地后的余声。`silencedetect -45dB:d=0.3` 没有给出 silence event，但这只说明底噪仍在，不说明有物体声。更准确地说：声音没有静到绝对空白，却也没有让桃子成为一个可听见的物。

## 画面有暖色反光，没有桃子

#964 精确窗 `36` 帧，画面仍是同一低机位公开观看场。scene 检测在 tight、context、context long 三条 720p 小片段里都没有内部 `pts_time` 命中。没有切到车站，没有切到地面特写，没有切到包内，也没有给出桃子从某处掉出的镜头。

全画面变化很低：

```text
full luma = 67.263 -> 66.014
full luma delta = -1.249
max full ratio_gt8 = 0.007035
```

这不是物体运动造成的画面变化。更像整体光照、压缩、反射和人物/材料微漂移。

最危险的误读来自右侧暖色区域和透明容器区域。它们确实有橙/桃色，但指标反而显示这些区域在句内下降：

```text
right_foreground_warm_edge
orange_ratio max   = 0.181527
orange_ratio delta = -0.045724

transparent_container_area
orange_ratio max   = 0.191657
orange_ratio delta = -0.037468

peach_candidate_right_edge
orange_ratio max   = 0.125185
orange_ratio delta = -0.025773
```

如果这是一颗桃子掉出，至少应该出现独立形体、边界、轨迹、位置变化、落地接触或滚动延续。这里没有。橙色来自暖光、肤色、反射、透明容器/液体和地面倒影，不是独立水果。

## MiMo 反读

MiMo CN 声画上下文和静音视觉反读都支持这个边界：

```text
桃子/水果可见度：0
掉落动作可见度：0
包/包内空间可见度：0
掉落/滚动/碰撞声可听度：0
空间切换：0
```

语言链报告把 #962-#964 概括成“地点 -> 人物关系/容器 -> 掉出物”。这个概括是可用的，因为它描述的是语言链。但 MiMo 对人物性别、表演者身份、行为艺术/展览场所、暖色光斑隐喻等说法都不能覆盖 T0/T1。纯音频 MiMo 通道本轮自称未收到音频，虽有 audio_tokens，也不作为声音实证采用。

## 稳定判断

#964 不是简单重复前两句的“没有显影”。它比 #962/#963 更进一步，因为它终于给了动作：

```text
掉出
一颗
桃子
```

语言在这里短暂具备了事件的样子。可是声画继续撤证。动作词被说得最强，物件名退弱；暖色区域看起来像桃色诱导，却不形成水果；反光面像可以接住一个落物，却没有任何落物进入它。

所以 #964 的稳定读法是：

```text
桃子掉出，是一个语言事件。
桃子本身，没有成为声画事件。
```

这一句把公共梦像接力推到更具体的位置：不只是看见蝴蝶，不只是车站，不只是情侣和包，而是一个东西真的“掉出来”。但电影仍然让它留在话语里。故事越像故事，画面越坚持不替它作证。

## 下一步

#964 结束后，到 #965 开始有 `66.000s` 空档。下一步需要单独处理这段长尾：它不是 #964 的即时落地声，也不应粗暴并入 #965。它可能是从梦像链转入阿蒙回返句之前的一段现场等待、公开观看和声场退潮。