# MiMo 4K无字幕第984不断去做到986做事无知标准 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 #984 精确句、#983 到 #984 前高频强峰、#984 到 #986 做事无知链的声画观察和音乐边界。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 对声源、呼吸/材料归因、可见人物身份、口型同步、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984不断去做到986做事无知标准 API 声画音频复核

本页记录用户更换 MiMo key 后，对 #984 阿蒙 `可我在 一直在不断去做`、#983 到 #984 前强峰和 #984-#986 做事链的标准 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-20260622/984-keep-doing-nooffset/`

| 报告 | 时间窗 | 模式 | usage | 状态 |
|---|---:|---|---:|---|
| `mimo-newkey-20260622/984-exact-keep-doing-video-standard-api/mimo-report.md` | `01:32:48.933-01:32:51.100` | video deep-film, fps=8, max | total `10673`; video `7920`; audio `13` | 可用，T2 |
| `mimo-newkey-20260622/984-exact-keep-doing-audio-sound-music-standard-api/mimo-audio-report.md` | `01:32:48.933-01:32:51.100` | audio analysis | total `3767`; audio `14` | 可用，T2；其中前峰值吸气解释需降级 |
| `mimo-newkey-20260622/984-to986-do-chain-video-standard-api/mimo-report.md` | `01:32:48.933-01:32:55.066` | video deep-film, fps=8, max | total `25376`; video `22000`; audio `38` | 可用，T2 |
| `mimo-newkey-20260622/983gap-to985gap-audio-sound-music-standard-api/mimo-audio-report.md` | `01:32:47.900-01:32:51.933` | audio analysis | total `3530`; audio `26` | 可用，T2 |

## 可保留的 T2 方向

- #984 精确视频报告支持：#984 入声时，画面延续 #983 后的弯身、俯身、手/工具候选物作用于半透明薄膜、膜面凹陷和斜向张力线。
- #984 精确视频报告支持：#984 本句内没有硬切，没有可见口型同步；画面把 `不断去做` 交给持续手部/薄膜动作，而不是交给清楚说话脸。
- #984-#986 链条视频报告支持：画面从上半身/手/薄膜逐渐压低到腿部、衣摆、膜面和低处边界；`一件事情` 没有清楚视觉对象，#986 继续回到行动无目标。
- 连续音频报告支持：#983-#984 间隙的 0dBFS 峰值听感更像短促高频材料瞬态噪声，非人声；但具体物理来源仍不能裁决。
- 连续音频报告支持：#984 内部峰值更像语音内部动态，靠近 `去` 或 `不断/去做` 转折；#984 到 #985 前间隙转成低能、低频底噪。
- 两条音频报告均未确认旋律、和声、固定节拍、音高中心或乐器音色；可作为“无可辨识音乐”的 T2 边界。

## 必须降级或不采用

### 前峰值吸气解释降级

#984 精确音频报告把 #984 前强峰倾向写成吸气，但该次请求只上传了 #984 精确句音频，没有包含 #983 到 #984 前间隙。连续音频报告实际覆盖 `01:32:47.900-01:32:51.933`，更倾向把 #983-#984 强峰写成高频材料瞬态。稳写时不能采用“吸气已确认”，只能写为：

```text
0dBFS 高频瞬态；材料/动作/录音瞬态候选，具体声源待复核。
```

### 可见人物身份不采用

MiMo 视频可描述黑衣人物、背部、手臂、腿部和衣摆，但不能由此裁决可见人物就是 T0 声源。T0 只锁定说话人为阿蒙；可见身份和声源归属必须降级。

### 具体工具和图案不采用

MiMo 提到细长工具候选、薄膜张力线、模糊物件等，可保留为观察问题。不能裁决具体工具种类，也不能把膜面线条写成确定图案。

### 情绪和心理动机不采用

MiMo 音频把 #984 写成辩解、压力、急切等，只可作为低置信度听感。逐句正文应先写声学事实和声画结构，再谨慎推出“被推着继续做”的状态。

### 音乐裁决只作边界

MiMo 连续音频称本段无可辨识音乐，这与本地 T1 “未见旋律/和声/节拍/乐器音色证据”一致。但它仍是 T2，不能单独替代本地频谱和人工复核。稳写是：本段没有 T1/T2 可支持的音乐高潮，高频强峰先写作瞬态噪声。

## 对逐句细读的贡献

MiMo 本轮最有价值的是把 #984 的动作连续性和目标缺席说清：

```text
不是 #984 重新开始一个清楚行动；
不是 `一件事情` 获得画面对象；
不是可见嘴签收声音；
不是音乐给出心理解释；
而是低机位、局部身体、薄膜张力和低处边界把 `去做` 变成无目标的继续。
```

本地 T1 进一步钉住：

```text
#983_to_984_gap  RMS=-22.1765dBFS  Peak=0.0000dBFS
#984 exact       RMS=-24.6354dBFS  Peak=-0.8229dBFS
#984 internal peak ≈ 01:32:50.463-01:32:50.493
#984_to_985_gap  RMS=-32.2413dBFS  Peak=-14.5796dBFS
```

因此 #984 稳写为：

```text
#984 接住 #983 后的高频材料瞬态，
在 `不断/去做` 附近出现语音内部峰值，
但句后迅速沉降。
画面把行动交给低机位、手、薄膜、暖橙光和身体局部，
没有给出清楚目标；
到 #986，`不知道做些什么` 把 #984 的 `不断去做` 反证为无目标继续。
```

最终判断仍回到 [2026-06-22-4K无字幕母文件开场92分48秒到92分51秒第984可我在一直在不断去做与前峰值后沉降复核](/research/hs-41de3d66349f6493)。