# MiMo-4K无字幕第1005第三次塔台呼叫与失联承接标准API声画音频复核-2026-06-23

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：2026-06-23

证据边界：MiMo 只作 T2 候选；不得覆盖 T0 台词账、T1 本地声学指标、帧图或人工判断。可保留其对同一固定舞台空间、无真实塔台/太空/飞船/宇航员装备/通信设备/控制台/屏幕/报告界面、#1005 到 #1006 视觉连续、#1005 像口令/通讯呼叫、#1005 与 #1006 连续语音流、无可确认音乐的观察；必须降级口型同步、人物心理、声源物理来源、真实无线电、真实失联、真实塔台、具体动作意图、#1006 与 #1005 强度平稳等与 T1 指标不一致的说法。

# MiMo-4K无字幕第1005第三次塔台呼叫与失联承接标准API声画音频复核-2026-06-23

## 运行范围

本次对 #1005 做两路标准 API 反读：

```text
video: raw/assets/4k-nosub-restart-20260623/1005-third-tower-call-nooffset/clips/1005_to1012_chain_720p_audio.mp4
audio: raw/assets/4k-nosub-restart-20260623/1005-third-tower-call-nooffset/audio/1005_to1006_chain.wav
model: mimo-v2.5
video mode: deep-film, fps=6, media_resolution=max
audio mode: analysis
successful endpoint family: standard-api
```

原始报告位于：

```text
raw/assets/4k-nosub-restart-20260623/1005-third-tower-call-nooffset/mimo-run/1005-to1012-video-third-tower-call-standard-api/mimo-report.md
raw/assets/4k-nosub-restart-20260623/1005-third-tower-call-nooffset/mimo-run/1005-to1006-audio-third-tower-call-standard-api/mimo-audio-report.md
```

用量：

```text
video total_tokens=42452, prompt_tokens=40734, completion_tokens=1718
audio total_tokens=2236, prompt_tokens=613, completion_tokens=1623
```

## 可保留的 T2 方向

视频报告可保留：

- #1005 到 #1012 为同一固定机位舞台场景，没有硬切、跳剪、淡入淡出或场景转换。
- 可见平台、半透明膜面/道具、黑衣站立者、白衣坐姿人物、右侧坐姿人物和后方观众/旁观者。
- 未看到真实塔台、太空、飞船、宇航员装备、通信设备、控制台、屏幕、星空、报告界面或外部任务室。
- #1005 `呼叫` 与 #1006 `失联` 在语义上承接，但画面仍停在舞台、膜面和人物关系里，不给字面通讯事实证据。
- 不能确认人物口型同步、声源归属或人物心理状态。

音频报告可保留：

- #1005 起点与 #1004 尾部名义重叠约 66ms，听感上形成突然抢入，而非延迟进入。
- #1005 带有指令性口播、广播/通讯呼叫的形态，介于普通对话和口令之间。
- #1005 与 #1006 音色、空间感和录音质感高度一致，可作为同一系统声连续流的候选。
- #1005 与 #1006 之间无明显停顿或静默。
- 未听到可确认旋律、节拍、和声、乐器或配乐高潮。

## 必须降级的部分

以下内容不能超过 T2：

- “塔台/宇航员/失联”不能被 MiMo 写成真实外部剧情，只能作为声音内容和系统口令形式。
- 黑衣人物对膜面的动作意图、膜面代表物、观看者心理和人物身份不能确认。
- 口型同步不能确认。
- 声音的“通讯感”不能坐实为真实无线电、对讲机、设备滤波或后期通信效果。
- 音频报告说 #1006 与 #1005 “整体音量、音色保持平稳连贯”，只能保留“连贯”；强度判断以 T1 为准。T1 显示 #1006 RMS=`-18.2817dBFS`，整体比 #1005 RMS=`-15.5315dBFS` 低 `2.7502dB`。

## 与 T1 的合并规则

本地 T1 是主证据：

```text
1005_exact RMS=-15.5315dBFS
1005_entry_600 RMS=-15.2220dBFS
1005_front_half RMS=-14.9902dBFS
1005_tail_half RMS=-16.1500dBFS
1000_exact RMS=-12.6165dBFS
1006_exact RMS=-18.2817dBFS
```

因此，MiMo 的“突然抢入”“口令/通讯呼叫形态”“#1005/#1006 连续语音流”“画面无外部塔台物证”“音乐不可确认”可以作为 T2 补充；但 #1005 相对 #998/#1000 的强度、#1005 内部分段、#1006 是否整体更弱、是否有 silence event、是否有切场、是否存在声道差异，均以 [2026-06-23-4K无字幕母文件开场94分02秒到94分16秒第1005第三次塔台呼叫与失联承接复核](/research/hs-c429f43761d3ddff) 为准。

## 结论

MiMo 没有发现能推翻本地读法的新物证。它支持保守方向：#1005 是从 #1004 后抢入的口令化系统声，#1005/#1006 在声音上构成连续呼叫-状态流，画面不兑现外部塔台、宇航员或通信设备，音乐不可确认。需要降级的是所有真实通讯、口型同步、人物心理、设备来源和 #1006 与 #1005 强度“平稳”的说法。