# 人类投降派五分钟级视频理解方法升级-2026-05-19

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：2026-05-19

证据边界：本页为历史研究资料的公开版本。原始文件未单列 source_rule；此说明仅补充公开阅读边界，不构成对原文事实、模型判断或人物解释的新认证。请结合原文来源、日期、校正与不确定性阅读。

# 人类投降派五分钟级视频理解方法升级-2026-05-19

## 为什么升级

原来的 `00:00-30:00` 逐时码页适合建立主脊梁，但单段跨度仍然太大，容易漏掉三个东西：画面边缘、声音层变化、动作开始前和结束后的微状态。

从现在开始，正片分析改为五分钟一窗推进。每窗只解决 `5` 分钟，不追求一次性解释全片。每窗必须把可见、可听、可核对的材料先写清，再写解释。

## 证据顺序

1. `T0` 先锁：用户/Owner/人工确认的人物、说话人、角色边界、已纠错事实。
2. `T1` 再锁：字幕、母文件、本地抽帧、接触表、波形、频谱、局部亮化、音视频同步。
3. `T2` 后进：MiMo 只提供候选观察、漏点提示和复核问题。
4. `T3` 最后写：综合解释必须回到 T0/T1/T2，并标明它是读法，不反推事实。

硬规则：

- T2/T3 不能覆盖 T0/T1。
- MiMo 不能裁决说话人、真实动机、现实关系、同意、伤害或最终真相。
- 英文字幕不能当中文原文，中文台词也不能用英文意译替换。
- 暗场不能默认等于空白；必须检查反光、噪点、声音、字幕和剪辑等待。
- 沉默不能直接写成角色心理；先写可见/可听状态。

## 每窗固定产物

每个五分钟窗口至少生成三类页面或小节：

1. 来源页：本地接触表、微窗图、波形、频谱、MiMo 报告入口。
2. 执行页：五分钟级声画详解。
3. 校正账：旧误读、降级项、禁止回流的错误写法。

## 五分钟页固定结构

### 1. 本窗结论先行

只写 3-6 条，全部必须来自本窗声画。句式要短：

```text
00:00-05:00 不是普通爱情开场，而是数字显示、人脸显影、暗场等待、持机者显影、片名压画和三人排练场的连续转换。
```

不要在这里写大理论。

### 2. 证据入口

列出本窗用到的 T0/T1/T2/T3 来源：

```text
T0：人工确认页 / Owner 校正页
T1：字幕、接触表、微窗图、波形、频谱
T2：MiMo 报告
T3：本页解释
```

### 3. T0/T1 锁定事实

先把不能再错的事实列清：

- 谁说了哪句。
- 谁不是谁。
- 哪个旧视觉标记已降级。
- 哪些物件只能写“候选”。

### 4. 旧误读校正账

每条必须有动作：

```text
旧说法：...
当前核对：...
处理：保留 / 改写 / 降级 / 删除
证据：T0/T1/T2
以后写作口径：...
```

### 5. 逐微段声画账

五分钟窗拆成 `20-60` 秒小段。每段必须有以下字段：

```text
时间：
画面：
人物/身体：
声音/音乐：
字幕/台词：
摄影/剪辑/空间：
物件/材料：
证据等级：
不能越界：
```

要求：

- 先写画面，不先写概念。
- 身体要写动作方向、速度、开始/停顿/结束。
- 声音要写人声、音乐、低频、噪声、沉默、房间声、字幕声画差。
- 镜头要写固定、推近、切换、叠化、字幕压画、相机入画、光线转场。
- 物件要写瓶、水杯、纸、白垫、黑幕、相机、顶灯等，不强认型号。

### 6. 画面细节总账

把本窗的画面信息按类别压回清单：

```text
人物外观
身体姿态
空间结构
光线/颜色
物件/材料
字幕/文字层
摄影机/拍摄者
```

### 7. 声音与音乐总账

必须单独写，不混在剧情解释里：

```text
人声质地：
音乐/低频/噪声：
沉默/空白：
声画关系：
字幕与声音差异：
波形/频谱能支持什么：
波形/频谱不能支持什么：
```

### 8. 台词与说话人表

关键台词至少挂一个来源。说话人归属优先 T0/T1，不用 MiMo 裁决。

### 9. 当前解释

解释只写本窗能承受的内容。不要把一个五分钟窗口写成全片总论。

可用句式：

```text
根据 T0/T1，可以确认...
本窗支持一个 T3 读法...
MiMo 给出 T2 候选，但不能升级为事实...
```

### 10. 下一轮窄复核清单

每条必须可执行：

```text
window / question / mode / expected_decision
```

mode 可选：

- `visual-only`
- `audio-only`
- `subtitle-strip`
- `original-AV`
- `brightened-dark-frame`
- `contact-sheet`
- `waveform-spectrum`
- `口型-波形对位`

## 本轮已锁的开场防错项

- 开场第一句是黄蒙/阿蒙说“你怎么来了”，不是“你怎么了”。见 [MiMo-开场0到1分钟深挖-2026-05-19](/research/hs-af4f0b3f43e0db65) 与 [2026-05-05-Hermes记忆四主角与说话人校正](/research/hs-fa4cfa0cf37fa42f)。
- 开场男性是孙甲瑞/甲瑞，不是 Ricky。稳定视觉标记：竖纹衬衫、不戴眼镜。
- 甲瑞耳部配饰不可确认，不能写“长耳坠”“亮钻耳环”。见 2026-05-19-甲瑞开场耳部配饰抽帧复核（馆内参考，未随本文公开）。
- `02:04-04:20` 开场旋转镜头必须写成“甲瑞 -> 子丑脸 -> 阿蒙/物件/黑幕 -> 恽剑辉持机”。`02:20 / 03:39` 一带开场眼镜/持机者是恽剑辉，不是子丑；但这条持机者裁决不能抹掉先出现的子丑脸。见 [2026-05-19-开场右转子丑到恽剑辉旋转镜头复核](/research/hs-74de16a1b8d84d1a)、[2026-05-05-Zero60-发哥确认与V3修正版](/research/hs-8f66f901cf3025c7) 与 [2026-05-12-恽剑辉摄影师在场五部分校正](/research/hs-3d819487004913f2)。
- `04:20-05:00` 的低位排练场里，左粉裙为阿蒙/黄蒙，右竖纹衬衫为甲瑞，中央/后方绿色 polo 眼镜评价者为子丑。见 [2026-05-05-Zero60-发哥确认与V3修正版](/research/hs-8f66f901cf3025c7)。
- 子丑在 `04:53` 后说“演的太差了”，后续“你们不明白”归属子丑。见 [HS4G-OPENING-0000-0700-CANONICAL-DIALOGUE-MAP-V1-20260504--md](/research/hs-5ec676b79a814c1e)。

## 判断边界

这套方法的目标不是把电影写得更玄，而是把信息量捞出来：

- 能看到的，就写看到。
- 能听到的，就写听到。
- 只能候选的，就写候选。
- 已被人工纠错的，直接改掉。
- 不能确认的，不用漂亮句子补洞。

下一步从 [人类投降派00到05分钟五分钟级声画详解-2026-05-19](/research/hs-0ac4ad220969dcc9) 开始执行。

## 相关页面

- [Claude Code与MiMo辅助分析入馆状态](/research/hs-5b23d632bbcf26f9)
- [人类投降派05到10分钟五分钟级声画详解](/research/hs-10751c680a60cbaf)