# MiMo 4K无字幕开场18分钟到19分30秒微复扫

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：2026-06-19

证据边界：MiMo 为 T2 候选，不得覆盖 T0/Owner/canonical/T1 的台词、说话人、身份、触碰、声源、心理关系、consent、POV 或生产史。凡与本地 4K/Owner 裁决冲突的内容必须降级。

# 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：

```json
{
  "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：

```text
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：

```text
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：

```text
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：

```text
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：

```text
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：

```text
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：

```text
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：

```text
右缘近处暗部人物/遮挡候选。
```

不可写：

```text
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：

```text
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：

```text
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：

```text
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：

```text
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。