# MiMo 4K无字幕第983在提醒到984前峰值接缝标准 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：本页为用户更换 MiMo key 后的标准 API T2 候选摘要。用于补充 #983 精确句和 #983 到 #984 前峰值接缝中的薄膜、手、身体下压、材料声候选、声音连续性和音乐边界。T0 台词、说话人、时间码以逐时轴账为准；T1 声音、频谱、scene detect、silencedetect、峰值定位和画面指标以本地 4K 复核页为准。MiMo 对可见人物身份、声源、口型同步、具体工具/图案、心理动机和音乐裁决不得覆盖 T0/T1。

# MiMo 4K无字幕第983在提醒到984前峰值接缝标准 API 声画音频复核

本页记录用户更换 MiMo key 后，对 #983 阿蒙 `在提醒` 及 #983 到 #984 前峰值接缝的标准 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-20260622/983-reminder-nooffset/`

| 报告 | 时间窗 | 模式 | usage | 状态 |
|---|---:|---|---:|---|
| `mimo-newkey-20260622/983-exact-reminder-video-standard-api/mimo-report.md` | `01:32:46.866-01:32:47.900` | video deep-film, fps=8, max | total `6807`; video `4400`; audio `6` | 可用，T2 |
| `mimo-newkey-20260622/983-exact-reminder-audio-sound-music-standard-api/mimo-audio-report.md` | `01:32:46.866-01:32:47.900` | audio analysis | total `1724`; audio `7` | 可用，T2 |
| `mimo-newkey-20260622/982tail-to984-gap-reminder-peak-video-standard-api/mimo-report.md` | `01:32:45.916-01:32:48.933` | video deep-film, fps=8, max | total `15016`; video `11440`; audio `19` | 可用，T2 |

## 可保留的 T2 方向

- #983 精确视频报告支持：画面核心不是口型或心理脸，而是黑衣人物在半透明薄膜前，手从工具/划线候选转向掌面接触或抚触候选，薄膜出现轻微形变。
- #983 精确视频报告支持：人声 `在提醒` 与可见口部没有直接、可见的一一对应关系；应把声音和画面中的手/薄膜动作先作为并置层处理。
- #983 音频报告支持：未确认旋律、和声、节拍或具体乐器音色；可写持续低频声床、微弱宽频底噪、气声收尾和轻微唇齿/瞬态候选。
- #982 尾部到 #984 前接缝报告支持：画面连续，无硬切；#983 后间隙中人物明显下压、弯身、贴近薄膜。
- #982 尾部到 #984 前接缝报告支持：强峰值附近最强画面候选是身体大幅改变姿态、重心转移、衣物/膜/身体动作，但具体声源不能裁决。

## 必须降级或不采用

### 可见人物身份不采用

MiMo 报告有时会把可见黑衣人物与 T0 说话人连起来。这里必须降级。T0 只锁定说话人为阿蒙，不能由画面直接裁决可见人物身份或声源。

### 工具和图案不采用

MiMo 提到白色小工具、粉笔/画笔、花朵或有机体图案。这些只可作为复核问题。T1 稳写仍是：手/工具候选、线条/画痕候选、薄膜形变候选。

### 声源与口型不采用

视频报告可保留“声音与画面口部无直接可见对应”这一负面边界；不能反过来裁决为画外音、后期声或某种声源机制。

### 峰值声源不采用

第三条报告认为 #983 后峰值与人物弯身/下蹲高度同步，这与本地 T1 峰值位置和接触图吻合。但具体声源不能裁决为脚步、鞋底、衣物、薄膜、身体、音效或音乐重音中的某一种。

### 音乐判断只作边界提示

本轮 #983 MiMo 未确认可辨识音乐。它支持“无可辨识旋律/和声/节拍/乐器音色”的 T2 倾向，但不能单独升级为 T1。稳写法仍是：#983 没有 T1 可确认音乐高潮；只可写声床、底噪、材料声候选和高频动作瞬态。

## 对逐句细读的贡献

MiMo 本轮最有价值的是把 #983 的负面边界和峰值后移说清：

```text
不是嘴签收提醒；
不是硬切；
不是静音；
不是音乐高潮；
不是可见人物身份裁决；
而是手/薄膜/身体下压把提醒送到去做前的动作接缝。
```

本地 T1 进一步修正和钉住：

```text
#983 精确句：RMS=-24.5117dBFS，Peak=-10.3525dBFS
#983 到 #984 前间隙：RMS=-22.1765dBFS，Peak=0.0000dBFS
满幅峰值：约 01:32:48.180-01:32:48.210
```

因此 #983 稳写为：

```text
#983 `在提醒` 是驱动后的短促转接口；
它从 #982 句尾回落中抬起，
但真正强峰后移到 #983/#984 间隙。
画面上，提醒没有回到口型，
而是落在薄膜、手、线条/画痕和身体下压的连续动作里。
```

最终判断仍回到 [2026-06-22-4K无字幕母文件开场92分45秒到92分48秒第983在提醒与984前峰值接缝复核](/research/hs-b9d05212989eaec3)。