本篇目录 / Contents
MiMo-4K无字幕第1057去吃饭去标准API声画复核-2026-06-24
运行范围
本页整理 MiMo standard API 对 #1057 到 #1060 的旁证：
01:36:36.866-01:36:46.233
#1057 子丑：去吃饭 去
#1058 子丑：体验约会
#1059 子丑：但都都是假的
#1060 子丑：都是电影拍完之后他就没了
运行目录：
inspool-wiki-zh/raw/assets/4k-nosub-restart-20260624/1057-eating-list-item-nooffset/mimo/
报告路径：
video-1057-eating-list-item-formal-safe-standard-api/01-36-36.866-01-36-46.233/mimo-report.md
audio-1057-eating-list-item-sound-strict-mp3-standard-api/01-36-36.866-01-36-46.233/mimo-audio-report.md
Token 使用：
video formal-safe total_tokens=7183, content_chars=647, bad_output_reasons=["too_short:647<1600"]
audio sound-strict total_tokens=2049, content_chars=847, bad_output_reasons=[]
usable combined total_tokens=9232
视频报告偏短，只作 T2 旁证；音频报告可用但时间轴有明显偏移，且个别声压判断与 T1 指标冲突，因此只保留与 T1 互证的听感方向。
可保留 T2 观察
视频 formal-safe 报告可保留以下方向：
-
1057 期间没有饭桌、食物、餐具、吃饭动作、餐厅或可确认的餐饮空间。
-
1058 期间没有外部约会空间、双人约会互动或典型约会场景布置。
- 画面保持低机位、近身、白衣人物前景和背景人物结构。
-
1059/#1060 前后，画面从面部近景转向更低、更暗的手部和低处反光平面。
- 片段更像同一场域内部的构图滚动，而不是生活场景切换。
音频报告可保留以下方向：
-
1057 可听成
去吃饭与尾部单独去两部分，中间有可感知断裂。 - 尾部
去比前部更轻，更像收尾或轻落。 -
1057 与 #1058 之间不是可确认的绝对数字静音，仍有极低环境底噪或房间空气声候选。
- 片段内没有可辨别的旋律性配乐、节拍、和声、乐器、合成器、设备提示音或声道空间特效。
-
1060 比短促活动词组更完整，具有句子完成感。
必须降级或纠偏
以下项目必须降级：
- 视频报告中的人物性别、身份、人物关系和空间性质。
- 手指动作的意图、低处平面的具体物质和象征。
- 音频报告对 #1057-#1060 的时间轴切分。报告把 #1057 延到 00:03.2，实际 T0/T1 中 #1057 只有
1.200s，#1058 从01:36:40.066开始，中间有2.000s低能间隙。 - 音频报告说 #1059 开始音量相比前两句降低，这与 T1 指标冲突。T1 显示 #1059 RMS=
-9.6689dBFS，明显强于 #1057 的-16.5198dBFS和 #1058 的-14.7681dBFS。 - 任何对说话人心理、情绪状态、声源来源、房间性质和动作目的的强判。
与 T1 的关系
MiMo 可以旁证两点：
1. #1057 的吃饭没有画面兑现。
2. 片段中没有明确配乐、音乐过门或声道空间打开。
但稳定结论仍以 T0/T1 为准：
#1057 exact RMS=-16.5198dBFS
#1057 first_half=-14.5569dBFS
#1057 tail_half=-20.1991dBFS
rough_chifan=-13.5173dBFS
rough_tail_qu=-19.5636dBFS
#1059 exact RMS=-9.6689dBFS
#1057 exact stereo_corr=1.000000
#1057 exact side_mid_ratio=0.000000
#1057 exact 与 #1057->#1060 链条均无可写成干净静音的 silence event
1057_chifan_peak luma=0.223257 dark=0.067199
1059_start_fake luma=0.136592 dark=0.673210
因此 MiMo 只支持 日常活动清单（馆内参考，未随本文公开） 的 T2 旁证位置，不承担最终裁决。