演员矛盾微表情扫描方法论：从 T0 锚定到当前窗口限定

演员矛盾微表情扫描方法论：从 T0 锚定到当前窗口限定

一句话

演员矛盾和幽灵技术不能靠 MiMo 一次性“看懂”。它必须被拆成一个证据循环：

T0 锁大事实
-> MiMo 追微颗粒
-> visual-only 排污染
-> audiovisual 补声音
-> Owner 确认/纠偏
-> 新 T0 再进入下一轮 prompt

这个循环的目标不是让模型变成裁判，而是让模型变成微感知雷达。

为什么要先 T0 锚定

Phase7 到 Phase13 证明：如果不把人物、说话人、指代、服装、动作大事实写清楚，MiMo 会不断停留在“一个男的/一个女的”“可能看镜头”“可能说话”的粗层。

对 00:13:40-00:16:12 房间段，下一轮提示词必须硬锚：

• 阿蒙/黄蒙是短发女性，房间段粉红/红色衣服。
• 甲瑞/孙甲瑞是男性，房间段竖纹衬衫。
• 阿蒙说 摄影机开着呢 时用手指摄影机，观众也被指到。
• 画面拍到另一台摄影机。
• 我不想管他了 是甲瑞说，他 指子丑。
• 他看素材会崩溃 / 他会发火 的 他 是子丑。
• 还让我演爱情 重音在 爱情，甲瑞手撑地并苦笑。
• 没事没事 是阿蒙轻声安慰，安慰未触碰成功。
• 甲瑞掀黑帘、推门、门嘎吱响、轻声说 我去上个厕所 后离开房间。
• 阿蒙留守后叹气、捂脸、再叹气，眼神游走，问 你有烟吗。

这些不是让 MiMo 复述剧情，而是防止它重猜大事实。

为什么又要当前窗口限定

Phase12 clean rerun 证明：强 T0 提示词会产生副作用。模型有时会把 00:14-00:16 房间段的台词、门帘、问烟搬进 73:50、80:30、117:13 等后段窗口。

所以 prompt 必须分两类：

T0 锁定 prompt：用于已确认段落的极窄微细节复榨。
当前窗口限定 prompt：用于全片滚雪球和后段复扫，严格清账本窗出现/未出现什么。

判断规则：

• 如果窗口在 T0 段内部：继承 T0 硬锚，追更细的手、眼、嘴、气息、声响。
• 如果窗口不在 T0 段内部：只保留人物身份方法，不把房间段剧情搬入窗口事实。
• 如果模型写出本窗未见内容：不删报告，但标为提示词污染，降权。

为什么要 visual-only

visual-only 的价值不是“看得更准”，而是“把台词污染拿掉”。它能回答一个关键问题：

如果没有声音，这个概念还站得住吗？

Phase13 的答案是：很多核心判断仍然站得住。

• 13:20-14:05 没有台词，仍看到背景摄影机和三脚架。
• 14:44-15:10 没有台词，仍看到甲瑞撑地、侧身、头转镜头、苦笑、再看镜头。
• 15:30-16:08 没有问烟声，仍看到阿蒙捂脸后多点眼神路线。
• 105:45-106:25 没有台词，仍看到笑脸贴纸、非笑、白色管状物、手腕黑线和直视镜头。

因此 visual-only 是防污染滤网。它不能判断重音、门声和说话人，但能判断动作链是否真实存在。

为什么还要 audiovisual

audiovisual 的价值是补 visual-only 看不到的层：

• 台词是否发生。
• 重音落在哪里。
• 尾音是否虚掉。
• 是否有吞咽、吸气、叹气、咳嗽。
• 门帘、门轴、衣料、打火机、底噪是否出现。
• 画外是否有人回应。
• 观众区是否有低语、吸气、掌声或沉默压力。

例如 15:25-16:30 audiovisual 把 visual-only 不能听见的 没事没事、叹气、你有烟吗、门帘摩擦、打火机声都补出来；但如果它误判说话人，仍按 T0 校正。

五层证据表

扫描提示词模板

T0 锁定微窗

适用于 00:13:40-00:16:12 这类已被 Owner 锁定的段落：

你不需要重判人物、说话人、指代、是否触碰、是否离场。
这些由 T0 锁定。
你只追更细颗粒：
眼神落点、手的路线、手指形态、最近距离、嘴角、吞咽、吸气、门帘声、底噪、灯光变化、遮挡、镜头微动。
如果看不准，输出 Owner 确认问题。

当前窗口限定复扫

适用于全片滚雪球：

只能描述本窗口实际可见/可听内容。
先清账：本窗出现什么、未出现什么、容易被误带入什么。
如果本窗没有门帘、问烟、摄影机指认、素材压力，就明确写本窗未见。
身份锚只用于减少粗识别，不用于剧情填空。

visual-only 防污染

本轮没有音频。
不能判断台词、重音、门声、气息、画外回应。
只追可见证据：设备、眼神、手、身体、遮挡、光源、反射、画框、观众区。
输出污染排查：本窗没有出现哪些容易被早段硬锚带入的内容。

把不确定变成好问题

这套方法最重要的一点，是不要过快否定，也不要过快肯定。MiMo 看不准时，应该把“不准”变成可人工复核的问题。

坏问题：

这里是不是第二人称？

好问题：

14:44-15:10 甲瑞第一次看镜头时，视线落在镜头中心、镜头上方，还是镜头旁摄影师？

坏问题：

阿蒙是不是在看观众？

好问题：

15:30-16:08 阿蒙正面朝镜头那几秒，是看镜头中心，还是穿过镜头看摄影师/画外？

后续最该追的微颗粒

设备颗粒

• 背景摄影机的镜头朝向。
• 三脚架支脚数、云台、机身边缘。
• 是否有开机指示灯。
• 设备是否被甲瑞身体遮挡/显影。
• 设备在画面中是否被阿蒙或甲瑞看见。

眼神颗粒

• 镜头中心、镜头旁、摄影师身体、画外、门、地面、高处的具体顺序。
• 停留时长。
• 是否失焦。
• 是否眨眼后重新落点。
• 是否伴随头部转动，还是只有眼球移动。

手部颗粒

• 阿蒙指摄影机是单指、掌心、手腕带动还是整臂指向。
• 阿蒙未完成安慰手的起点、路线、最近距离、是否悬停。
• 甲瑞撑地是哪只手、掌心还是指尖、重心是否压上。
• 甲瑞 你说话 时手指方向是否与眼神同轴。

声音颗粒

• 爱情 的重音是否同时有喉咙/吞咽/气息变化。
• 没事没事 的声量、尾音、是否贴近安慰手动作。
• 黑帘布料声和帘后门轴声能否分层。
• 你有烟吗 前是吸气、吞咽、屏息还是轻笑。
• 打火机声是否构成问烟回应。

物件颗粒

• 105:45-106:25 白色管状物是什么。
• 手腕黑色图案是否闭合。
• 黄色笑脸贴纸数量和位置。
• 红色脸部线条是否固定图案。
• 背景红色指示灯是否来自设备。

最终原则

让 MiMo 给新东西。
让 Owner 锁大事实。
让 visual-only 防污染。
让 audiovisual 补声画。
让 Wiki 保存每一次校准。

这套方法的目的不是生产更多漂亮词，而是让每个漂亮词都能回到一个手、一眼、一声气、一台机器、一次遮挡、一个门声、一个没有抵达的触碰。