# MiMo 开场 0 到 1 分钟深挖（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。

## MiMo 分析报告

```mermaid
flowchart LR
    VID["视频源"] --> MIMO["MiMo 分析"]
    MIMO --> RPT["MiMo-开场0到1分钟深挖-2026-05-19"]
    MIMO --> EVD["证据"]
    style RPT fill:#7ee787,stroke:#7ee787,color:#000
```


# MiMo 开场 0 到 1 分钟深挖（2026-05-19）

## 来源信息

- 目标时间窗：`00:00-01:00`
- 本地切片：`inspool-wiki-zh/raw/assets/mimo-opening-0-1-deepdive-20260519/clips/opening-0000-0100-1080p-crf18.mp4`
- 专用提示词：`inspool-wiki-zh/raw/assets/mimo-opening-0-1-deepdive-20260519/prompts/opening-0000-0100-known-context-deepdive.md`
- MiMo 报告：`inspool-wiki-zh/raw/assets/mimo-opening-0-1-deepdive-20260519/run/opening-0000-0100-known-context-url-fps10-max/mimo-report.md`
- v2 微证据提示词：`inspool-wiki-zh/raw/assets/mimo-opening-0-1-deepdive-20260519/prompts/opening-0000-0100-microforensic-v2.md`
- v2 MiMo 报告：`inspool-wiki-zh/raw/assets/mimo-opening-0-1-deepdive-20260519/run/opening-0000-0100-microforensic-v2-url-fps10-max/mimo-report.md`
- 接触表：`inspool-wiki-zh/raw/assets/mimo-opening-0-1-deepdive-20260519/opening-0000-0100-contact-sheet.jpg`
- v2 本地 T1 辅助接触表：
  - `inspool-wiki-zh/raw/assets/mimo-opening-0-1-deepdive-20260519/local-t1-v2-frames/frames-0003-0006-every3-tile.jpg`
  - `inspool-wiki-zh/raw/assets/mimo-opening-0-1-deepdive-20260519/local-t1-v2-frames/frames-0029_5-0031_5-all-tile.jpg`
  - `inspool-wiki-zh/raw/assets/mimo-opening-0-1-deepdive-20260519/local-t1-v2-frames/frames-0045-0058-halfsec-tile.jpg`
- 参数：`mimo-v2.5` / URL 输入 / `fps=10.0` / `media_resolution=max`
- 用量：`25863` tokens，其中 `video_tokens=16560`，`audio_tokens=375`
- v2 用量：`28591` tokens，其中 `video_tokens=16560`，`audio_tokens=375`，`completion_tokens=9396`
- 状态：`valid`，`bad_output_reasons=[]`

## 已确认边界

- `00:00:03.566-00:00:04.966` 黄蒙/阿蒙说“你怎么来了”，属 T0/人工确信边界。
- `00:00:56.100-00:00:57.666` 孙甲瑞/甲瑞说“我必须见你”，属 T0/人工确信边界。
- 开场男性是甲瑞，不是 Ricky。
- 甲瑞稳定视觉标记是竖纹衬衫、不戴眼镜；耳部配饰不可确认。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）。
- 本页 MiMo 观察只作 T2 候选，不能覆盖 T0/T1。

## 增量发现

1. `00:00-00:03` 的数字 `0` 是黑底灰色线条，不是发光字幕；它先作为纯图形占据画面中心。
2. `00:03-00:06` 黄蒙人脸与数字 `0` 发生叠合，脸部被数字圆圈框住；人声、人脸显影和英文字幕进入不是完全同一瞬间。
3. 黄蒙“你怎么来了”对应英文字幕为 `What brings you here?`，是意译；不能把英文字幕当作中文原文。
4. 黄蒙说完后没有明显大幅身体动作，主要是嘴唇闭合、眼线维持和很小的眨眼/呼吸候选。
5. `00:09` 左右电子低频脉冲进入，与 `0` / 人脸淡出到黑场的过程发生同步关系。
6. `00:15-00:30` 不是信息完全空白：画面左侧有很微弱的蓝紫/冷色反光带，但具体物件来源无法确认。
7. `00:30` 甲瑞不是在自然照明空间里出现，而是由局部红/蓝紫侧光切出肩、脸和竖纹衬衫。
8. `00:45-00:53` 甲瑞有约 8 秒的极慢抬头动作；抬头之后到 `00:56` 说话前还有短暂停顿。
9. “我必须见你”对应英文字幕为 `I had to see you`，英文用了过去式，和中文“必须”的当下强制感存在细微差别。
10. 甲瑞耳部亮点只能写作暗部反光/高光候选，不能写成耳饰。

## v2 微证据复核新增

1. v2 把旧研究中“`What brings you here?` 没有对应人声”的说法直接列为 `delete`：本窗已有 T0 边界确认黄蒙在 `00:00:03.566-00:00:04.966` 说“你怎么来了”，MiMo v2 也判断英文字幕与中文女声存在对应关系。因此旧说法不能再支撑后续结构读法。
2. v2 进一步把旧误听“你怎么了”列为 `delete`；当前 wiki 应统一写“你怎么来了”。若讨论英文字幕偏差，应写成“到场/来因问句被英文改写”，而不是“关心句被翻译成邀请句”。
3. v2 将 `00:03-00:06` 拆成四通道：数字 `0` 与黄蒙脸先发生叠印，中文声音在 T0 时间窗内进入，英文字幕 `What brings you here?` 随后贴近进入；但 MiMo 给出的绝对毫秒时间只作 T2 粗估，精确帧序仍需 T1 复核。
4. 口型同步不能升级为高置信事实。v2 只支持“黄蒙与甲瑞口型有同步迹象/节奏对应”，同时说明低照度、红光和阴影使唇齿细节不足。
5. v2 认为甲瑞显影更接近“局部侧光渐亮/逐步显影”，不是纯硬切；本地接触表确认竖纹衬衫和蓝紫肩部光在 `00:30` 后逐步可见，但方向词应避免过度坐实。
6. v2 将 `00:45-00:53` 的抬头细分为“非匀速、可能有微停顿、头部先动而眼线随后抬起”的 T2 候选；这需要后续用 visual-only 位移追踪升级或降级。
7. v2 继续支持耳部亮点只写为“高光点/暗部反光候选”。是否为附着物必须通过局部追踪判断，不能凭 MiMo 升级。

## 反读与降级

- 不能把 `0` 写成唯一终极象征；最多写成开场图形/编号/显示层与人脸叠合。
- 不能沿用“`What brings you here?` 没有对应人声”的旧判断；本轮应改写为“中文声音、英文字幕与人脸显影存在贴近但不同步的四通道装配”。
- 不能把“你怎么来了”误写成“你怎么了”；这会把“到场询问”误读成“身体/状态关心”。
- 不能把两句台词之间的长沉默直接写成人物真实心理；应先写为黑场、低频脉冲、微弱反光和静止姿态。
- 不能把“镜头寻找甲瑞”当成事实本身；更稳写法是：长黑场之后，甲瑞由局部侧光显影。
- 不能把英文字幕替代中文台词；本窗正好显示字幕如何把中文口语转为英语解释句。
- 不能把甲瑞耳部暗部反光升级为长耳坠或亮钻耳环。

## Wiki 可用结论

- T0：黄蒙在 `00:00:03.566-00:00:04.966` 发出开场第一句“你怎么来了”；甲瑞在 `00:00:56.100-00:00:57.666` 回应“我必须见你”。
- T1/T2：开场第一分钟以数字 `0`、黄蒙红暗近景、长黑场/低频脉冲、甲瑞局部侧光显影组成信息释放链。
- T2：黄蒙脸部与 `0` 圆形图形叠合，提示人脸从编号/显示层中浮现，但其意义仍需降级为解释假设。
- T2：甲瑞说话前的慢抬头和停顿是比旧报告更可复核的动作证据。
- T2：`00:03-00:06` 的核心不是“字幕无声”，而是数字、人脸、中文声音、英文字幕四个通道在短窗口内装配同一个地址关系。
- T2/T3：英文字幕不是透明翻译，而是把中文台词改写为英语关系句；后续应纳入 [字幕代证](/research/hs-8d0e5e00bbf86243) 和 [通道分层判读](/research/hs-05f5cc21e1781466) 的开场案例。

## 下一轮复核建议

- `00:03.000-00:04.000`：逐帧确认 `0`、人脸、声音、英文字幕四者进入顺序。
- `00:09.000-00:10.000`：audio-only 查电子低频第一个重拍与画面淡出同步。
- `00:15.000-00:20.000`：visual-only 提亮左侧蓝紫反光，确认是否可见设备/墙面/边框。
- `00:30.000-00:31.000`：逐帧判断甲瑞侧光是硬切亮出还是短渐亮。
- `00:45.000-00:53.000`：visual-only 量化甲瑞抬头速度和中途是否有停顿。
- `00:56.100-00:57.666`：original AV 对齐甲瑞口型、字幕与“我必须见你”音节。
- `00:35.000-00:45.000`：局部追踪甲瑞耳部亮点，判断它是否随皮肤/头部同步运动；仅用于决定“反光候选”能否继续保留，不用于升级为耳饰。

## 文中引用的图像资料

以下图像由本篇已有文件引用对应；保留历史引用范围，图像展示不增加新的事实判断。

![opening-0000-0100-contact-sheet.jpg](/research/images/e74e75019285c768704f.webp)

![frames-0003-0006-every3-tile.jpg](/research/images/b2f96b82f70f7ea3cfb6.webp)

![frames-0029_5-0031_5-all-tile.jpg](/research/images/046e4f393d9913882653.webp)

![frames-0045-0058-halfsec-tile.jpg](/research/images/7b766925785a8656c503.webp)