# 飞呀：把持续在场推成语言飞行，但声画仍不升空

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 #959 阿蒙 `飞呀`，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 #959 写成视觉飞行、身体离地、新空间、空间换挡、镜头推进、硬切、飞行声效、升空音型、风声、低频推进、音乐主题、空间混响突变或声像移动已经显影；不得把 #960 `飞呀飞呀` 倒填为 #959 已完成飞行。

# 飞呀：把持续在场推成语言飞行，但声画仍不升空

#959 只有两个字：

```text
#959 01:29:48.433-01:29:49.200
阿蒙：飞呀
```

但它处在一个很紧的链条里：

```text
#957 我被眼睛给吸了进去
#958 我一直 我一直在
#959 飞呀
#960 飞呀飞呀
```

#957 说吸入，#958 说持续在场，#959 第一次把这个状态推向 `飞`。这不是单纯的动作词，而是一个门槛词：它把“我在哪里”改成“我怎么动”。可是 4K 声画没有跟着完成这个动作。

## 画面：飞行词出现，空间不动

#959 入声时，画面仍是同一低机位公开观看场。左侧观众/参与者还是暗色观看带，中间反光平面和远处人物/倒影还在，右侧白衣身体、透明容器、杯状物和暖色前景仍占据画面右侧。

没有硬切，没有镜头推进，没有空间换挡，没有入口、通道或内部空间。右侧身体没有离地，没有上升，没有飞起或漂浮的轨迹。观众也没有追随某个飞行对象的反应。

这句话说 `飞呀`，但画面没有给出“飞”的力学条件。它只给出一个更细的视觉伴随：右侧暖色前景和反光在 #959 期间明显增强。

## 指标：右侧热区增强，而不是身体位移

#959 精确窗共 19 帧：

```text
full mean luma first = 64.427
full mean luma last  = 66.667
delta                = +2.240

full warm ratio first = 0.000001
full warm ratio last  = 0.048601
warm delta            = +0.048600

max full ratio_gt8 = 0.005176
scene>0.04 无硬切
```

真正显著的是右侧：

```text
right_foreground_warm_edge luma delta = +8.551
right_foreground_warm_edge warm delta = +0.341696

right_body_container luma delta       = +4.531
right_body_container warm delta       = +0.139529

right_lower_warm_reflection luma delta = +5.173
right_lower_warm_reflection warm delta = +0.146309
```

这些数字说明：`飞呀` 入声时，画面确实不是完全无变化；但变化发生在暖色前景、皮肤/身体边缘候选、容器和反光上。它不是位移，不是离地，不是镜头跟随，也不是空间打开。

因此 #959 的视觉动作不是“飞起来”，而是“热区压进来”。电影让飞行词落在一个更暖、更近、更压迫的右侧前景里，而不是落在一个打开的天空或自由空间里。

## 声音：飞行被低声说出

#959 音频：

```text
duration = 0.767s
RMS      = -29.12dBFS
Peak     = -14.81dBFS

20-250Hz     = 0.18709
250-1000Hz   = 0.77285
20-1000Hz 合计 = 0.95994
```

它比两边都弱：

```text
#958 exact RMS = -22.09dBFS
#959 exact RMS = -29.12dBFS
#960 exact RMS = -23.30dBFS
```

所以 #959 不是高潮，也不是飞行声效进入。它是一个短促、较弱、低频/低中频集中的人声。20-1000Hz 合计约 `0.95994`，说明它几乎完全由人物声道承担；高频、风声、电子声、音乐主题和升空音型都没有形成独立事件。

句内也不是上扬膨胀：

```text
attack_fei_approx_0.00-0.24s = -27.71dBFS
sustain_ya_approx_0.24-0.60s = -28.56dBFS
tail_0.60-0.767s             = -37.25dBFS

first_half  = -26.66dBFS
second_half = -35.34dBFS
```

前半推出，后半退低。#959 到 #960 之间有 `0.533s` 的低位房间底噪，RMS=`-36.89dBFS`。这个间隔不是真空，也不是突然静默；它像是“飞呀”说完后，声音先退回房间，再由 #960 更强地重复。

## “飞呀”不是飞行，而是借身体说飞

T0 台词账把 #959 标为 `借身;身体材料 / 借身显影`，这个标签很准，但要小心理解。`借身显影` 不等于身体已经真的飞起来。它更像是：飞行这个动作必须借一个身体词、一个人声、一个近处右侧身体/反光场先被说出。

#958 的 `我一直 我一直在` 没有给出位置；#959 的 `飞呀` 也没有给出运动。它们形成一种奇怪的连续：

```text
先说我仍在。
再说飞。
但既不告诉在哪里，也不让身体飞。
```

这让 #959 很像一个失败的起飞口令。口令已经发出，声画系统没有执行。或者更准确地说，声画系统执行的不是“飞”，而是“把飞压回人声和近处暖色身体场”。

## MiMo 的反读价值

MiMo CN 三路反读支持这个边界。静音视觉报告给出：

```text
视觉飞行已发生：0/5
身体已经离地：0/5
新空间出现：0/5
同一公开观看场继续存在：5/5
右侧暖色前景增强：2/5
```

声音黑色视频上下文报告也支持：

```text
飞行声效：0
音乐主题：0
空间混响换挡：0
声像移动：1
#959 是纯人声：5
#959 与 #960 之间有低位间隔：5
```

需要降级的是两点。第一，有声上下文报告在 #958/#959 的编号叙述上有混乱，不能拿来改写 T0。第二，MiMo 对右侧暖色增强的感知偏保守；本地密帧指标显示暖色增强明显，所以暖色判断以 T1 为准。但这不改变主结论：暖色增强不是飞行。

## 稳定判断

#959 不能读成：

```text
阿蒙已经飞起来。
身体已经离地。
画面出现新的飞行空间。
反光面变成飞行通道。
声音出现升空、风声、低频推进或配乐托举。
```

它更稳地读作：

```text
飞行被语言第一次明确说出。
声音是短促、较弱、低频/低中频人声。
画面仍是同一公开观看场。
右侧暖色前景和反光增强，但不构成身体位移。
#960 才把 `飞呀` 重复成更强的后续动作。
```

所以 #959 的真正线索是：电影没有让飞行变轻，反而让飞行词落回身体材料、暖色前景和低位房间底噪。它不是自由升空，而是一个被公开观看场压住的起飞词。