# MiMo #1027 标准 API 声画复核

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：2026-06-23

证据边界：本页只记录 MiMo 对 #1027 `你不要那么紧张` 及 #1027-#1030 负向链的 T2 观察。MiMo 不覆盖 T0 台词账、T1 本地音频/画面指标、说话人归属、时间码和身份裁决。说话人性别、可见人物身份、口型同步、心理动机、真实紧张/害怕事实、音乐物理来源和长音频误转写均需降级。

# MiMo #1027 标准 API 声画复核

## 运行信息

- 本地素材目录：`inspool-wiki-zh/raw/assets/4k-nosub-restart-20260623/1027-tension-body-ban-nooffset/mimo-direct`
- API 线路：standard-api
- 可用报告数：4
- 总 token：`29304`
- completion token：`7654`
- prompt token：`21650`
- video token：`20532`
- audio token：`137`
- 本页不保存、不引用任何密钥。

报告列表：

```text
1027-tension-body-ban-audio
  01:34:59.500-01:35:00.766
  audio exact, total_tokens=2348

1026-1028-free-tension-fear-video
  01:34:58.233-01:35:02.500
  video deep-film, fps=8, media_resolution=max, total_tokens=18099

1027-1030-negative-chain-audio
  01:34:59.500-01:35:07.766
  audio chain, total_tokens=1968

1027-1030-negative-chain-video-formal
  01:34:59.500-01:35:07.766
  video formal-safe, fps=4, total_tokens=6889
```

## 可保留的 T2 观察

视频 #1026-#1028 报告可保留三条方向。

第一，MiMo 观察到前景人物处在低机位、身体收拢、手臂/手部贴近身体、膜面分隔和背景旁观者注视的场面里。这个方向与 T1 联系图合拍：#1027 不是表情特写，而是身体、膜面、遮挡和旁观结构。

第二，MiMo 把 `你应该更自在一点` 到 `你不要那么紧张` 读成语义从“倡导某种状态”转为“禁止某种状态”。这可作为 T2 支持：`紧张` 被命名为需要停止的身体反应，而不是被倾听、解释或安放。

第三，MiMo 两路音频与两路视频都没有给出可确认的音乐、设备提示、无线电声像、报告 UI 或真实设备空间证据。这个方向与 T1 指标合拍：左右声道完全一致，长链以人声为主，局部高频瞬态不能升级成音乐。

## 必须降级的内容

MiMo 的说话人性别判断必须降级。两条音频报告都把声线说成女性，视频报告也说“女性嗓音”。T0 台词账锁定 #1027 为 ACT-AMENG / 阿蒙；MiMo 不具备覆盖 T0 的权限。稳定写法只保留“清楚人声 / 指令性或规劝感”，不采用“女性声源”作为事实。

长链音频报告必须大幅降级。它把 #1030 `难道你要一直这样下去吗` 当作主分析句，未正确锚定 #1027。这份报告不能用来确认 #1027 文本、声源或情绪，只能非常保守地保留“未听到音乐、设备提示、无线电声像”的反证方向。

视频报告中“男子 C1”“女性声音”“个体内在状态”“生理本能被剥离”等说法也必须降级。T1 可以确认的是可见白衣/黑裤身体、露肩白衣、粉白裙、膜面、旁观者、低机位和声画不透明；不能把可见人物身份、真实心理、生理本能或规训动机写成事实。

MiMo 音频 exact 报告没有抓到 T1 频谱里的 `0.55-0.65s` 高频/air 瞬态。这里采用 T1：#1027 有局部 high/air 事件，但它是瞬时材料/辅音/录音边缘候选，不是音乐结构。

## 与 T1 的综合关系

T1 锁定：

```text
#1027 RMS=-17.1855dBFS
#1027 比 #1026 高 4.5204dB
#1027 first_half RMS=-15.0595dBFS
#1027 tail_half  RMS=-21.5220dBFS
#1027_to1030_negative_body_moral_chain voice_250_4000_ratio=0.901305
stereo_corr=1.000000
scene>0.04 hits=0
```

MiMo 对 #1027 的有用补充不是“证明她/他真的紧张”，而是把声画关系说清楚：声音把 `紧张` 命名为需要停止的状态；画面则给出身体收拢、膜面、旁观者和低机位，使这个状态被放进可观看、可指认、可管理的场域。

稳定采用方式：

```text
T0：#1027 阿蒙 `你不要那么紧张`
T1：声音比 #1026 明显抬高，画面仍是身体/膜面/旁观结构，无音乐/设备/硬切证据
T2：MiMo 支持“从自在到紧张禁令”的声画转折，但降级性别、身份、心理和长音频误转写
T3：#1027 是正向状态清单转入身体反应禁令的第一句
```

## 待复核

- #1028 单句需要独立 MiMo/T1 复核：它是否继续加压，还是以不同音色承接 #1027。
- #1029/#1030 需要独立复核：MiMo 已提示负向链从禁止滑向评价和反问，但具体声音层级与画面换位必须回到本地 T1。