2026-06-23-4K无字幕母文件开场95分18秒到95分24秒第1033我有多难受吗难受首显与声压错位复核

取证边界

母文件：

〔本地资料路径省略〕 无字幕 28g 4k.mov

本页复核 #1033 阿蒙：

01:35:18.600-01:35:19.833
我有多难受吗

并把它放回相邻 T0 链条：

#1032 01:35:15.866-01:35:18.600 阿蒙：你知道昨晚上跟你一起吃完饭回家
#1033 01:35:18.600-01:35:19.833 阿蒙：我有多难受吗
#1034 01:35:20.166-01:35:23.266 阿蒙：你知道你的那些情绪带给我痛
#1035 01:35:23.266-01:35:24.533 阿蒙：是有多难受吗

本页的关键问题是：#1033 第一次把 难受 明说出来，但它是否也是声音高潮？本地 T1 结果显示，不是。#1033 是 难受首显，不是声压最高点。

资产

复核资产在：

inspool-wiki-zh/raw/assets/4k-nosub-restart-20260623/1033-first-nanshou-after-recount-nooffset

关键资产包括：

audio/1033_exact_first_nanshou_mono.wav
audio/1033_to1034_gap_mono.wav
audio/1033_to1035_first_nanshou_pain_chain_mono.wav
clips/1033_exact_first_nanshou_720p.mp4
clips/1033_to1035_first_nanshou_pain_chain_720p.mp4
frames/1033_start_5718.600.jpg
frames/1033_mid_5719.216.jpg
frames/1033_tail_5719.800.jpg
contact/contact_sheet_1033_to1035_unlabelled.jpg
metrics/audio_summary_metrics.tsv
metrics/audio_frequency_bands.tsv
metrics/1033_subsegment_metrics.tsv
metrics/1033_sliding_rms_top_windows.tsv
metrics/frame_color_metrics.tsv
metrics/frame_pair_difference_metrics.tsv
diagnostics/1033_to1035_scene_gt_0.04.log
diagnostics/1033_to1035_scene_gt_0.015.log
diagnostics/1033_to1034_gap_silencedetect_-45dB_d0.1.log

声音事实

核心指标：

#1032 exact            RMS=-14.7189dBFS peak=-0.3279dBFS duration=2.734s
#1033 exact            RMS=-18.4915dBFS peak=-2.9966dBFS duration=1.233s
#1033->#1034 gap       RMS=-24.2858dBFS peak=-13.2132dBFS duration=0.333s
#1034 exact            RMS=-18.4483dBFS peak=-0.7663dBFS duration=3.100s
#1035 exact            RMS=-19.5923dBFS peak=-3.8320dBFS duration=1.267s

相对差值：

#1033 比 #1032 低 3.7725dB
#1033 比 #1034 低 0.0431dB
#1033 比 #1035 高 1.1008dB
#1033 比 #1033->#1034 gap 高 5.7943dB

这组数字给出一个很重要的纠偏：#1033 第一次说出 难受，但声压并没有超过 #1032。#1034 与 #1033 的 RMS 几乎同级，只高 0.0431dB，不能写成明显响度跃升；#1034 的 peak 更高，说明它有局部瞬时冲击，但整句能量没有真正把 #1033 拉开。

稳定写法：

语义首显在 #1033。
声压强入口仍在 #1032。
#1034 有局部峰值和 `痛` 的语义加压，但不是整句响度大幅升级。

句内微形

1033 内部前半强、后半撤落：

1033_first_half RMS=-16.4619dBFS
1033_tail_half  RMS=-22.4247dBFS
1033_q1         RMS=-16.2514dBFS
1033_q2         RMS=-16.6831dBFS
1033_q3         RMS=-21.1535dBFS
1033_q4         RMS=-24.2294dBFS
1033_t1         RMS=-15.8382dBFS
1033_t2         RMS=-19.0800dBFS
1033_t3         RMS=-23.9491dBFS

最强短窗集中在句首：

50ms max  0.00-0.05s RMS=-11.0200dBFS
100ms max 0.00-0.10s RMS=-12.7167dBFS
250ms max 0.00-0.25s RMS=-15.7443dBFS
500ms max 0.00-0.50s RMS=-15.9345dBFS

因此 #1033 不是一个越说越爆的句子。它更像：把 我有多难受吗 开口抛出，随后迅速撤到低位，句尾的问号留在气息和低能声床里。难受 不是靠持续增响获得力量，而是靠第一次被说出、并被句尾撤落悬置。

#1033 到 #1034 的间隙

1033 与 #1034 之间有约 `0.333s` 小间隙。它不是绝对静音：

1033_to1034_gap RMS=-24.2858dBFS
1033_to1034_gap peak=-13.2132dBFS
silencedetect -45dB:d=0.1 -> no silence event
centroid=638.2483Hz
voice_250_4000_ratio=0.793493
low_20_250_ratio=0.200653

这个间隙可以写成低能非静音气口/房间声床/可能呼吸的候选，但不能在 T1 上裁定为明确吸气。MiMo 重跑把它听成较深吸气，这可以作为 T2 候选；本地页只保留“非静默、低能、位于反问到指控之间的节奏铰链”。

声音-音乐边界

1033 exact 的频谱非常集中在人声区：

centroid=872.4782Hz
rolloff95=2001.6221Hz
low_20_250_ratio=0.056283
voice_250_4000_ratio=0.926533
high_4000_12000_ratio=0.016720
air_12000_20000_ratio=0.000405

对比 #1032：

1032_exact voice_250_4000_ratio=0.623618
1032_exact high_4000_12000_ratio=0.213876
1032_exact air_12000_20000_ratio=0.126040

1033 不是更亮，也不是更像音乐。它把 #1032 的 bright/high/air 边缘收回到更窄的人声带里。立体声复核：

1033_exact stereo_corr=1.0
1033_exact side_mid_ratio=0

当前不能确认旋律、节拍、和声、乐器、配器、合成器序列、设备提示、无线电声像、声道空间打开或可见声源设备。

画面事实

接触表显示：#1033 不是切到内心，也不是切到私人痛苦空间。画面继续留在公开场：平台、黑衣站立者、坐着的观众/参与者、白色/半透明塑料膜面都在。粉白/白色前景身体占据左侧，持续遮挡一部分观众和平台视线。

帧指标：

1033_start luma=81.9291 saturation=0.1957 warm=0.4265 red=0.4211
1033_mid   luma=82.9262 saturation=0.2025 warm=0.4713 red=0.4353
1033_tail  luma=84.9282 saturation=0.1373 warm=0.2804 red=0.2706
1034_start luma=85.0709 saturation=0.1267 warm=0.3109 red=0.2965
1035_start luma=105.4000 saturation=0.0667 warm=0.0503 red=0.0186

1033 前半仍是粉白身体贴近镜头、遮挡左侧视线；到 #1033 尾部，遮挡范围开始变化，观众和高台关系重新显露。#1034 中后段画面亮度上升、饱和度下降，前景身体转为背向/中心位置，公开观看结构没有退出，反而更完整地暴露出来。

帧间差值也支持“内部运动”，不是硬切：

1033_start -> 1033_mid  mean_abs_rgb_diff=17.7386 diff_gt20=0.3259
1033_mid -> 1033_tail   mean_abs_rgb_diff=21.9571 diff_gt20=0.3816
1033_tail -> 1034_start mean_abs_rgb_diff=14.8765 diff_gt20=0.2331

切场检测

1033-#1035 连续片段：

scene>0.04 hits=0
scene>0.015 low-threshold hits at approx 5718.683s and 5722.683s

高阈值没有硬切。低阈值命中对应前景身体/构图运动和 #1034 中后段亮度构图变化，更适合写成同一公开场内部的身体移动、遮挡范围变化和观看关系重组。

稳定判断

1033 的稳定位置是：

#1032 日常追述入口
-> #1033 难受首显
-> #1034 情绪带痛的归因
-> #1035 难受重复

1033 第一次把 `难受` 明说出来，但不是响度高潮；它前半强、后半弱，频谱更集中在人声区，并把 #1032 的日常追述收窄成“我”的自我痛感反问。它的力量来自语义首显和句尾撤落，不来自音乐、设备、声场打开或持续增响。

限制

不把 #1033 写成整段声压最高点；#1032 更响，#1034 与 #1033 近似同级。
不把 #1033 到 #1034 的非静默间隙直接裁定为明确吸气；只能写低能非静音、可能气口候选。
不把 难受 的语义痛感自动等同于响度升级。
不把前景粉白身体写成心理象征裁决；T1 只证明遮挡、移动、视线重组。
不用 MiMo 覆盖 T0/T1；MiMo 另页只作为 T2 旁证。

文中引用的图像资料

以下图像由本篇已有文件引用对应；保留历史引用范围，图像展示不增加新的事实判断。

2026-06-23-4K无字幕母文件开场95分18秒到95分24秒第1033我有多难受吗难受首显与声压错位复核