# MiMo 4K无字幕第975他们想说话到976没人说出来标准 API 复跑

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：本页为 MiMo 标准 API T2 候选摘要，只用于补充 #975 到 #981 的空间、塑料薄膜、暖光、设备、无音乐、低能非静音和说话压力链观察。T0 台词/说话人/时间码以逐时轴账为准；T1 声音/画面以本地 4K 复核页为准。MiMo 对台词、声音性别、可见人物身份、口型同步、人物心理、具体材料声来源、静音和硬切判断不得覆盖 T0/T1。

# MiMo 4K无字幕第975他们想说话到976没人说出来标准 API 复跑

本页记录 #975 阿蒙 `他们肯定都特别想要说话`、#976 阿蒙 `但是没有人 说出来` 及其后续 #981 压力链的 MiMo 标准 API 复跑。运行素材来自本地 4K 无字幕母文件切片；运行过程不保存、不复述任何密钥。

## 运行记录

| 报告 | 时间窗 | 模式 | usage | 状态 |
|---|---:|---|---:|---|
| `mimo-api-975-976-20260622/01-32-11.000-01-32-15.200/mimo-report.md` | `01:32:11.000-01:32:15.200` | video deep-film, fps=8, max | total `18220`; video `14960`; audio `26` | 可用，T2 |
| `mimo-api-975-to981-speech-pressure-20260622/01-32-11.000-01-32-38.433/mimo-report.md` | `01:32:11.000-01:32:38.433` | video deep-film, fps=4, max | total `53667`; video `48400`; audio `171` | 可用，T2 |
| `mimo-api-audio-975-976-20260622/01-32-11.000-01-32-15.200/mimo-audio-report.md` | `01:32:11.000-01:32:15.200` | audio analysis | total `2292`; audio `27` | 可用，T2 |

素材目录：

`inspool-wiki-zh/raw/assets/4k-nosub-restart-20260622/975-they-want-to-speak-nooffset/`

## 可保留的 T2 方向

- #975/#976 短窗可见低角度近身白衣人物、暖粉/灰色上方空间和右侧半透明塑料/薄膜边界。
- 短窗报告和长链报告都支持“无明显音乐/无背景配乐”的方向；音频报告也记录低位背景噪音持续存在。
- 长链报告能看见 #975 之后空间逐步打开为半透明塑料/薄膜、暖橙灯光、平台/高处站立人物、设备/小光源和下方观察者构成的压力场。
- 长链报告对“画中人物几乎没有直接面对面交流”的观察有补盲价值，可辅助 #976 `没有人说出来` 的视觉反读。
- 音频报告把 #975 到 #976 的中间听成有短暂停顿但背景噪音仍在，这与本地 T1 的“低能非静音”方向一致。

## 必须降级或不采用

### 台词转写不采用

长链视频报告把 #975 误听成 `他们肯定特别想说话吧`，少了 `都/要` 并添加 `吧`；音频报告只稳定听到 `他们肯定就是特别想要...但是没有人...`，没有清晰交出 `说话/说出来`。T0 已锁定台词，本页不采用 MiMo 转写裁决。

### 声音性别、说话人和口型同步不采用

短窗视频报告把声音写成女性画外音，长链报告又写成年轻男性画外音，二者互相不稳。T0 锁定 #975-#981 为阿蒙声道；T1 也不支持可见人物口型同步。MiMo 的声音性别、可见白衣人物即说话人、画面人物身份和口型同步判断均不采用。

### 静音、沉默和音乐判断必须回到 T1

MiMo 短窗报告把 #976 后的视觉/声音写得接近“沉默容器”，音频报告也提到较长语音间隙。T1 的 `silencedetect -35dB:d=0.3` 对 #975 精确窗、#975-#976 对照和 #975-#981 长链均无 silence event。因此只能写低能非静音、背景噪音持续，不能写绝对静音或声场清空。

### 心理动机和符号解释只作假设

MiMo 把白衣人物、塑料空间、黑衣站立人物、灯光和观察者解释为压迫、容器、沉默共谋、权力关系或希望。这些只能作为 T3 写作假设的素材，不能作为片内事实。可保留的是材料事实：白衣人物、低角度、半透明塑料/薄膜、暖光、平台/高处、设备/小光源、下方静止观察者。

### 具体材料声来源不裁决

长链报告提出塑料摩擦、赤脚脚步和现场动作声。T1 支持非静音和低能现场底噪，但不能凭 MiMo 把具体声源裁成某个人的脚步、某块塑料的摩擦或某个动作来源。稳定写法是“材料/脚步声候选、低能现场底噪、无音乐”。

## 对逐句细读的贡献

MiMo 的贡献不在台词，而在空间补盲：

```text
#975/#976 低角度近身白衣人物
-> 后续镜头打开为塑料薄膜、平台/高处、暖光和设备场
-> 下方/周围人物处于观看或等待状态
```

这可以辅助本地 T1 的判断：#975 不是孤立心理句，而是在观看场转成说话压力后，把压力进一步交给塑料、灯光、设备和观察者构成的现场。最终判断仍回到 [2026-06-22-4K无字幕母文件开场92分11秒到92分15秒第975他们肯定都特别想要说话与976没有人说出来复核](/research/hs-c7a7c10700ce33b9)。