# MiMo 4K无字幕第985一件事情到986做些什么标准 API 声画音频复核

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，用于补充 #985 精确句和 #984 后沉降到 #986 做些什么回收链的声画观察与音乐边界。T0 台词、说话人、时间码以逐时轴账为准；T1 声音、峰值、scene detect、silencedetect 和画面指标以本地 4K 复核页为准。MiMo 对 `事情` 声学高点、静音、声源、工具、图案、口型、可见身份、心理动机和音乐裁决不得覆盖 T0/T1。

# MiMo 4K无字幕第985一件事情到986做些什么标准 API 声画音频复核

本页记录对 #985 阿蒙 `让我去做一件事情` 与 #984 后沉降到 #986 `我也不知道我该做些什么` 的 MiMo 标准 API 复核。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

素材目录：

`inspool-wiki-zh/raw/assets/4k-nosub-restart-20260622/985-one-thing-nooffset/`

| 报告 | 时间窗 | 模式 | usage | 状态 |
|---|---:|---|---:|---|
| `mimo-newkey-20260622/985-exact-one-thing-video-standard-api/mimo-report.md` | `01:32:51.933-01:32:53.366` | video deep-film, fps=8, max | total `7481`; video `5280`; audio `9` | 可用，T2 |
| `mimo-newkey-20260622/985-exact-one-thing-audio-sound-music-standard-api/mimo-audio-report.md` | `01:32:51.933-01:32:53.366` | audio analysis | total `1186`; audio `9` | 可用但偏短，T2 |
| `mimo-newkey-20260622/984gap-to986-chain-video-standard-api/mimo-report.md` | `01:32:51.100-01:32:55.066` | video deep-film, fps=8, max | total `17580`; video `14080`; audio `25` | 可用，T2 |
| `mimo-newkey-20260622/984gap-to986-chain-audio-sound-music-standard-api/mimo-audio-report.md` | `01:32:51.100-01:32:55.066` | audio analysis | total `1867`; audio `25` | 可用，T2 |

## 可保留的 T2 方向

- #985 精确视频报告支持：画面维持低角度局部特写，主要可见腿部、鞋、手部、半透明塑料/薄膜、暖橙光和斜向线条/褶皱；没有清楚面部。
- #985 精确视频报告支持：口型同步不可确认；可见身份不能裁决为 T0 声源。
- #985 精确视频报告支持：画面中没有新出现的明确目标物或任务物；`一件事情` 没有视觉对象。
- #984 后到 #986 连续视频报告支持：#985 阶段仍聚焦手/工具候选物与膜面，#986 阶段视角转向腿部、衣摆、鞋和更低的身体边界；整段无硬切。
- #985 精确音频报告支持：整体人声低能、平缓，`一件事情` 没有明显成为戏剧性声学高点；背景无可辨识音乐。
- 连续音频报告支持：无可确认音乐；背景主要是低电平底噪，具体材料声、呼吸、脚步、工具声不能确认。

## 必须降级或不采用

### `事情` 声学高点降级

连续音频报告称 `事情` 或 `一件事情` 成为声学目标，但本地 T1 指标不支持：

```text
让我          RMS=-29.5200dBFS  Peak=-15.1292dBFS
一件          RMS=-30.1388dBFS  Peak=-17.5332dBFS
事情/尾声     RMS=-32.6902dBFS  Peak=-21.0401dBFS
```

20ms 峰值窗也在句首 `让我` 附近。稳写时必须采用 T1：`事情/尾声` 不是声学高点。

### 静音判断降级

连续音频报告把 #984 后间隙和 #985 到 #986 间隙写成近乎静音/静音，但本地 `silencedetect -45dB:d=0.1` 对 #985 精确句、#984 后到 #986 链条和 #985 到 #986 链条均无 silence event。稳写是：

```text
短暂停顿；
低能底噪桥；
不是绝对静音。
```

### 动作承接物不等于任务对象

连续视频报告说膜面是“动作对象”或“动作承接物”，这个观察可以保留；但它同时强调没有任务结果物、成品、清楚目的。综合写法应降级为：

```text
膜面/薄膜是可见动作承接物；
不是 `一件事情` 的明确任务对象。
```

### 工具、图案、人物身份与口型降级

MiMo 可以描述手部、细长工具候选、膜面线条、腿部、鞋和衣物遮挡；不能裁决具体工具种类、图案内容、可见人物身份、可见人物即声源或口型同步。

## 对逐句细读的贡献

MiMo 本轮最有价值的是把 #985 的“目标词不显影”说清：

```text
不是 #985 让目标清楚；
不是 `一件事情` 获得新的物体；
不是口型签收；
不是音乐托起目标；
而是低机位、手/薄膜、腿部、衣摆和遮挡继续承载一个无目标动作。
```

本地 T1 进一步钉住：

```text
#985 exact       RMS=-30.7033dBFS  Peak=-15.1292dBFS
#985 strongest   01:32:52.183-01:32:52.203，靠近 `让我`
#985 事情/尾声   RMS=-32.6902dBFS  Peak=-21.0401dBFS
#985_to986_gap   RMS=-33.9678dBFS，无 silence event
#986 exact       RMS=-33.1797dBFS
```

因此 #985 稳写为：目标名出现，但目标没有显影；`让我` 比 `事情` 更强，#986 立即把 `一件事情` 撤回到 `做些什么` 的不知道。