# MiMo 4K无字幕第981到982压力命名驱动标准 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：本页为用户更换 MiMo key 后的标准 API T2 候选摘要。Token Plan CN endpoint 仍返回 401；标准 API endpoint 可用。本页只用于补充 #981 到 #982 的空间、薄膜、材料声候选、非静默声床、音乐判断分歧和待复核问题。T0 台词、说话人、时间码以逐时轴账为准；T1 声音、频谱、scene detect、silencedetect 和画面指标以本地 4K 复核页为准。MiMo 对音乐、台词转写、声音性别、可见人物身份、口型同步、设备功能、工具/图案、心理动机和声源裁决不得覆盖 T0/T1。

# MiMo 4K无字幕第981到982压力命名驱动标准 API 声画音频复核

本页记录用户更换 MiMo key 后，对 #981 阿蒙 `它有一种压力` 到 #982 阿蒙 `以后这种压力一直在不断驱动着我` 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

Token Plan CN endpoint 在本轮仍返回 `401 Invalid API Key`。同一 key 切到标准 API endpoint 后可用。

| 报告 | 时间窗 | 模式 | usage | 状态 |
|---|---:|---|---:|---|
| `mimo-newkey-20260622/981-exact-auth-test-standard-api/mimo-report.md` | `01:32:37.533-01:32:38.433` | video formal-safe, fps=2, default | total `1839`; video `276`; audio `5` | 鉴权通过，但正文为空，不作证据 |
| `mimo-newkey-20260622/981-to-982-context-sound-first-standard-api/mimo-report.md` | `01:32:37.533-01:32:46.566` | video deep-film, fps=4, max | total `21327`; video `16720`; audio `56` | 可用，T2 |
| `mimo-newkey-20260622/981-to-982-context-audio-sound-music-standard-api/mimo-audio-report.md` | `01:32:37.533-01:32:46.566` | audio analysis | total `1962`; audio `57` | 可用，T2，但音乐判断与视频通道冲突 |

素材目录：

`inspool-wiki-zh/raw/assets/4k-nosub-restart-20260622/981-pressure-name-nooffset/`

相关本地补充：

- `metrics/spectrogram_981_to982_context_log.png`
- `metrics/music_tonality_probe_981_to982_context.md`
- `metrics/music_tonality_probe_981_to982_context.json`

## 可保留的 T2 方向

- 视频通道把画面描述为半封闭塑料膜空间：黑衣站立者在薄膜旁操作，左下浅色衣物人物/观看位置和三脚架/设备候选处于边缘。
- 视频通道支持“薄膜从松弛/褶皱到更紧绷”的视觉压力结构；这与本地 T1 的薄膜张力、暖光、手/工具候选和线条候选可以互相提示。
- 视频通道听到低频房间底噪、笔划过塑料膜的高频刮擦候选、塑料膜拉扯摩擦候选。这些只能作为材料声候选，仍需本地听辨或频谱/分离复核。
- 音频通道确认这 9 秒不是静默，人声很低，内容需要上下文才能辨认；这与本地 `silencedetect` 无 silence event 方向一致。
- 两路都提示人声与环境/声床之间存在遮蔽关系，支持“压力不是靠一句清楚大声的心理表白完成，而是在低能声场中被命名并送向 #982”。

## 必须降级或不采用

### 音乐判断不定案

视频通道称“无音乐”。音频通道称“钢琴独奏清晰存在”。两者冲突。

本地声谱探针只能支持非静默、连续低/中频声床、若干窄带或垂直突发事件，以及一定的音高/窄带集中；它不能单独证明钢琴、配乐来源、音乐/环境声边界或后期混音裁决。因此本轮不能把“无音乐”或“有钢琴配乐”升为 T1。稳写法是：

```text
#981 到 #982 存在非静默声床；MiMo 对音乐判断发生分歧。
目前只能把“可能存在类音乐/持续音轨遮蔽人声”列为 T2 待复核，
不能把压力解释为确定的音乐高潮，也不能把无音乐写成最终裁决。
```

### 台词转写只作旁证

音频通道把低音量人声转写为 `它有一种压力……这种压力……一直在……驱动着我`，方向与 T0 链条相近，但它自己也标注音量极低、与音乐/声床混合、存在不确定性。T0 台词账仍是唯一台词底盘。

### 声音性别和说话人不采用

音频通道称“单一女性声音”。T0 已锁定 #981/#982 为阿蒙声道；MiMo 的声音性别和身份判断不采用。

### 视觉身份、设备功能和工具图案不采用

视频通道提到赤脚、三脚架红灯、马克笔、人脸线条、手机/监视器候选等细节。这些可以作为人工复核问题，但不能直接写成裁决。T1 稳写仍限于：黑衣站立者、薄膜、手/工具候选、线条/画痕候选、设备/光源候选和边缘观看位置。

### 心理动机不采用

视频通道把薄膜空间解释为“压力场”，音频通道把人声情绪推成低沉/回忆。这些只能作为形式读法提示，不能直接改写成人物心理事实。#981 的稳结论仍是：说话债被命名为压力，并在材料场中被送入 #982 的驱动句。

## 对逐句细读的贡献

本轮 MiMo 的最大价值不是给出新台词，而是制造一个更细的声音方法论提醒：

```text
本地 T1：非静默、#981 不是声学高点、#982 更强、scene hit 落在 #982 内部
MiMo 视频：无音乐，强调底噪/笔触/薄膜摩擦
MiMo 音频：有钢琴，强调人声被持续音轨遮蔽
本地声谱探针：有连续低/中频声床和窄带集中，但不足以识别钢琴
```

因此 #981 不能继续简单写成“无音乐”。更扎实的写法是：

```text
#981 的压力不是被一个可确认的音乐高潮托起；
它处在非静默、低能、可能有持续声床遮蔽的声音环境里。
音乐是否为钢琴、是否为配乐、是否是环境/材料声叠合，
需要下一轮人声分离、降噪或更长上下文复核。
```

最终判断仍回到 [2026-06-22-4K无字幕母文件开场92分37秒到92分55秒第981它有一种压力与驱动做事回环复核](/research/hs-3d470f5e000bde99)。

## 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。

![spectrogram_981_to982_context_log.png](/research/images/43dc0ffa6cf413feea64.webp)