本篇目录 / Contents
4K 无字幕版 MiMo 极限复扫 Phase 2：T0 锚点微感知校准结果
结论先行
Phase 2 最重要的结果是：
把 T0/T1 锚点写进 prompt 后，MiMo 的观看颗粒度明显变细。
它不再主要产出“男人 / 女人 / 摄影者”这种粗描述，而开始给出：
阿蒙的眼睑颤动、嘴角抽动候选；
甲瑞的吞咽、前倾、句尾气息；
子丑的托腮/抵下颌、眼镜反光、嘴部微动；
恽剑辉的 LCD 翻开、双手持机、戒指高光、片内镜头反光点。
来源总账见 MiMo-4K无字幕URL极限复扫Phase2-T0锚点微感知总账-2026-06-03（馆内参考，未随本文公开）。
但 Phase 2 同时给出一个技术边界：
复杂旋转/设备显影窗口里，4K video 仍不稳定。
真正可行的 rescue 是：1080p 动态/声音 MiMo + 4K 接触表补微细节。
所以后续不能迷信“4K/max 一把梭”。真正的最大化，是让不同证据层分工。
对用户纠正的回应
用户指出：既然库里已经知道阿蒙就是黄蒙、子丑是谁、甲瑞是谁、他们穿什么、哪句台词是谁说的，就不该让 MiMo 一遍遍说“一个男的 / 一个女的”。
Phase 2 证明这个纠正完全正确。T0-aware prompt 的作用不是“告诉模型答案”，而是把模型从低级识别任务里解放出来，使它能专注于更细的材料：
身份锁定以后，感知才真正开始。
这件事对“幽灵技术”尤其关键。因为幽灵不是模糊感。幽灵如果要变成论文里的概念，就必须有可复核的借身细节：
眼睑、喉结、手指、镜头玻璃、LCD、底噪、咔哒声、反光面。
这些东西才是幽灵的临时肉身。
最重要的新增细节
1. 阿蒙开口不是“女性出现”，而是低声、近声、眼睑和数字 0 的共同入场
00:00:03 阿蒙说“你怎么来了”。Phase 2 MiMo 在 T0 锚点下提到：声音很低、近、干，句尾急收，口型与画面基本同步。它还标出 00:05-00:07 眼睑细微颤动、00:11-00:12 正常眨眼、00:20-00:25 嘴角细微抽动候选。
这些观察必须降级为 T2，但它们让开场更具体：
不是一个抽象女人被红光照亮，
而是一个已知的阿蒙，在数字 0 之后以低声、眼睑和嘴角进入观看关系。
这里的“幽灵性”不是氛围，而是一个低频声场里的显现手续。
2. 甲瑞的台词前有身体预备
00:00:56 “我必须见你”之前，MiMo 抓到甲瑞 00:37 喉结上下、00:41 缓慢眨眼、00:42 眼神游移、00:49-00:51 前倾和聚焦。台词本身声画同步，句尾“你”有轻微气息拖长。台词后有垂头和肩部下沉候选。
这给甲瑞开场位置加了一个新的身体层：
他说“我必须见你”之前，身体已经先把“必须”预演了一遍。
这对第二人称非常重要。因为“你”不是台词才出现；它在吞咽、眼神游移、前倾和镜头停顿中已经开始形成。
3. “我爱你”被非中心构图和台词后停顿托住
00:01:45-00:02:10 的 4K formal rescue 补回甲瑞“我爱你”窗口。MiMo 记录到：甲瑞从画面左侧进入，脸部红暗，肩部蓝紫，构图并不完全居中，右侧保留大面积黑暗负空间；00:02:04 “我爱你”后，镜头仍停留约数秒。
这个细节很关键：
“我爱你”没有被剪辑立即回应。
它被留在黑暗负空间里。
这比“他说了我爱你”更有用。因为幽灵不是台词内容，而是台词说完以后没有被归还给一个稳定对象。
4. 子丑观察位是被旋转发现的评价身体
02:24-02:40 的 4K 视频失败，但 1080p rescue 和 4K 接触表一起补回子丑红暗观察位。可见信息包括：深色 Polo、眼镜反光、手抬起抵下颌/托腮、嘴部微动、白色物体边缘切入。
这让子丑不是“第三个人出现”，而是：
一个已经摆好评价姿态的人，被镜头旋转发现。
这非常重要。因为子丑的 演得太差了 不是突然从无到有。他的评价位在前面已经以手、眼镜、红暗脸和静坐姿势存在。
5. 阿蒙 A2 让观看地址从人脸转给材料表面
03:20-03:34 中，阿蒙在蓝紫/红光中，粉红吊带和锁骨高光清楚。她的视线低垂偏向画面右下。随着镜头移动，身后的竖向颗粒状反光面从背景变成构图中心。03:31 还有一声轻微“咔哒”候选。
这一段对“幽灵承重面”的概念特别有价值：
观看地址不只在人眼上。
当阿蒙出画，竖向反光面接走了观看。
这说明第二人称幽灵不是永远依附在人物身上。它可以从人物皮肤转给材料表面、反光面、低位物件和设备声音。
6. 恽剑辉显影为摄影劳动，而不是抽象摄影师
03:46-03:58 是 Phase 2 最扎实的设备窗口。MiMo 和 4K 接触表共同显示：恽剑辉在左侧低头进入，双手举相机；片内相机镜头、翻开的 LCD、左手无名指戒指反光、桌面瓶杯、金属支架、片内镜头玻璃上的小高光点都被看见。
这让“摄影机制显影”有了非常具体的写法：
摄影机制不是抽象地显影。
它显影为一具低头的身体、两只手、一台相机、翻开的 LCD、镜头玻璃反光、戒指高光、桌面瓶杯和一次持机微抖。
这也是第二人称的关键：当前镜头拍到另一个拍摄者。观看不再是透明通道，而变成了互相拍摄的物理链条。
对“幽灵到底是什么”的加注
Phase 2 之后，幽灵的定义可以再压细：
幽灵不是看不见的东西。
幽灵是一个观看地址借了某个身体、设备、材料或声音短暂落地，
但它的归属又不能稳定还给任何一个主体。
开场前五分钟里，它的借身顺序不是抽象的：
数字 0
-> 阿蒙低声和眼睑
-> 甲瑞吞咽和前倾
-> “我爱你”后的黑暗负空间
-> 子丑眼镜反光和托腮
-> 阿蒙 A2 背后的竖向反光面
-> 恽剑辉手里的片内相机
-> 子丑评价语前的镜头推进
这条链条说明：第二人称不是一种固定视角，而是一种不断换载的观看权。
需要 Owner 立刻确认的 12 个点
这些不是质疑，而是最值得你确认的新东西：
00:05-00:07阿蒙眼睑细微颤动是否真实存在？00:20-00:25阿蒙画面左侧嘴角不对称抽动是否真实存在？- 阿蒙“你怎么来了”的声音为什么这么低、近、干：现场耳语、后期处理，还是录音条件？
00:37甲瑞喉结上下是否是清晰吞咽？00:42甲瑞眼神游移具体看向哪里？00:57-00:59甲瑞说完“我必须见你”后是否有肩部下沉/呼气？00:02:04“我爱你”的口型与声音起始是否有轻微延迟？02:33-02:35子丑抵下颌的是哪只手，是否夹有小物？03:31阿蒙 A2 段轻微“咔哒”声是否存在，声源是什么？- 阿蒙 A2 的视线是看镜头、镜头旁、低位物件，还是某个设备位置？
- 恽剑辉手中相机的 LCD 是否确实翻开，他是在看取景器、机身顶部还是屏幕？
03:56片内相机镜头玻璃高光是否能反推出当前拍摄主光位置？
对后续滚雪球的协议修正
Phase 2 后，正式滚雪球方法应更新为：
1. 每个窗口先加载 T0/T1 身份、台词、服装、方位锚点。
2. MiMo 只负责提微细节，不负责重新命名人物。
3. 4K/max 成功则保留高密度报告。
4. 4K/max 失败时，不硬跑同一请求；改用 1080p 动态/声音 + 4K 接触表。
5. 每批都必须输出 Owner 确认问题池。
6. 所有“幽灵/第二人称”判断都必须能回指到身体、设备、材料或声音承重面。
这套方法能避免两种失败：
- 过粗：MiMo 只说男/女/某人。
- 过玄：MiMo 为幽灵学补不存在的声音和事件。
真正要追的是中间那条路：
具体到手指、喉结、眼镜反光、LCD、咔哒声；
同时让这些细节进入第二人称幽灵的理论链。