本篇目录 / Contents
MiMo 4K无字幕开场18分钟到19分30秒微复扫
运行信息
本轮使用 mimo-v2.5，fps=8，media_resolution=max，对本地切片：
inspool-wiki-zh/raw/assets/4k-nosub-restart-20260619/opening-1800-1930/clips/1800-1930-nightcity-backstage.mp4
进行补盲。原始报告保存在：
inspool-wiki-zh/raw/assets/4k-nosub-restart-20260619/opening-1800-1930/mimo/1800-1930-nightcity-poetic-sound/mimo-report.md
用量：
{
"completion_tokens": 3728,
"prompt_tokens": 130838,
"total_tokens": 134566,
"audio_tokens": 562,
"video_tokens": 126000
}
可保留 T2 候选
1. 城市夜景时间线
MiMo 将本窗看成一个持续窗边/阳台视角：
18:00-18:10 高处窗边/阳台向外，楼体、树影、橙红天空、右缘结构性遮挡。
18:10-18:20 向右平移，右缘暗部结构进入，疑似类人轮廓候选。
18:20-18:30 向左回摇并略微下摇，树冠和楼体保持。
18:30-18:40 上抬到高层楼体和橙红天空。
18:40-18:50 向右下平移/下摇，街道、白色车辆、路灯和树冠下光斑进入。
18:50-19:00 继续下摇/右移，阳台/窗台边缘、街道、车辆和树木更明显。
19:00-19:20 楼体/树冠/橙色天空重新成为主体。
19:20-19:30 下摇到道路、车辆和树冠下方。
这个方向与本地 1fps/8fps 接触表吻合，可作为 T2 佐证。
2. 右缘类人轮廓只能保留为候选
MiMo 在 18:14-18:18 看到右缘暗部内有“相对稳定、具有类人头肩轮廓的剪影”，但同时强调：
无面部特征。
无清楚肢体动作。
无烟头光点或烟雾。
不能排除是阳台/设备/物体形成的剪影。
这与本地 4K 的保守口径一致。可保留为：
窗边近处暗部人物/遮挡候选。
不可升级为确定人物、确定抽烟者或确定口型位置。
3. 18:00-18:28 强连续声团是混合声团
MiMo 将 18:00-18:28 的声音听成宽频、持续、密度高的混合声团，并提出几个候选层：
前景非叙事性声效设计/环境音景候选。
设备/结构摩擦或共振候选。
城市/交通远场低频候选。
非旋律性工业/机械声候选。
这个结论的可用部分是“混合”和“不能单一归因”。其中“前景声效设计/环境音景可能性高”只能作为 T2 听感候选，不能升级为生产事实或后期事实。
4. 后段五句附近主要有人声念白，但背景层未消失
MiMo 判断 18:43-19:21 五句附近的声能脉冲主要来自清晰念白起音，但同时始终存在声团残余、城市底噪和可能的环境/设备声。
这与本地分频段一致：
中频抬升支持念白存在。
低频和高频并未归零。
背景层仍在，不能把脉冲写成纯人声。
5. 反向读法
MiMo 明确提示四个降级点，可保留：
不是纯空镜：窗框/阳台结构、右缘暗部候选和声音层都在。
不是纯城市象征：画面仍有拍摄位置和近处结构。
不是纯 POV：缺少眨眼、呼吸晃动等强生理主观证据。
不是确定配乐：连续声团有音乐化纹理候选，但仍是混合声团。
必须降级
1. 不让 MiMo 裁决声音制作来源
MiMo 使用“前景声效设计/环境音景”“后期加入或强化”等措辞。这里必须降级：
可写：具有音乐化纹理的混合声团候选。
不可写：已确定后期配乐、已确定声效设计、已确定非同期声。
本地 T1 只能证明声团强、持续、宽频、先于念白，并与城市夜景同窗。
2. 不让 MiMo 裁决暗部人物身份
MiMo 的“类人头肩轮廓”不能覆盖 T0/T1。稳写只能是：
右缘近处暗部人物/遮挡候选。
不可写：
确定活体人物。
确定窗边抽烟者。
确定说话人。
确定正在观看或执行某动作。
3. 不把“主要来自念白”简化为“峰值=人声”
MiMo 认为五句附近“主要声源”是念白，这对 18:43-19:21 的声画分析有帮助，但仍需和本地分频段一起用。
稳写：
五句附近的脉冲与子丑念白强同窗，中频抬升明显；
但背景声、城市远场、设备/材料层未消失。
不可写：
每个声峰都等于纯人声。
声音背景被念白完全清空。
4. 不升级为纯 POV
MiMo 支持“从某固定位置向外拍摄”的描述，但没有把它锁成角色主观视角。
稳写：
窗边固定位置/手持位置向外拍摄。
主观化候选可以保留。
不可写：
纯 POV。
某个角色眼睛所见。
可写入 Wiki 的最稳结论
MiMo 对本窗最有价值的补盲是：它支持本地复核把 18:00-19:30 看成一个“窗边城市视听载体”，而不是简单的夜景空镜。右缘暗部只到候选；18:00-18:28 是具有音乐化纹理可能的混合声团；18:43-19:21 的五句子丑念白和背景声层并置；整窗不应写成纯 POV、纯配乐、纯城市象征或确定窗边抽烟者。