# #1031：哎

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：本页综合 T0 台词账、T1 本地声画取证与 MiMo T2。#1031 不裁决为心理叹息、情绪结算、同意/确认或清晰口型声源；它只作为公开观看场中通往 #1032-#1035 追述链的低位气口来读。

# #1031：`哎`

#1031 太容易被读快。因为它只有一个字：

```text
哎
```

日常经验会马上帮我们补情绪：疲惫、无奈、叹息、认输、接不上话。可是 4K 本地取证刚好提醒我们要慢下来：这声 `哎` 不是一个清楚的情绪爆点，甚至不是一个响亮的叹息。它几乎被公开空间吞掉。

## 它比等待还弱

#1031 精确窗只有 `0.766s`：

```text
1031_exact RMS=-38.0522dBFS
Peak=-22.7012dBFS
```

它和前后声场的关系非常反常：

```text
#1030 到 #1031 前等待   RMS=-23.0775dBFS
#1031 哎               RMS=-38.0522dBFS
#1031 到 #1032 后等待   RMS=-23.6906dBFS
#1032 你知道昨晚上...  RMS=-14.7189dBFS
```

也就是说，#1031 不只是比 #1030 低 `22.0404dB`，也比后面的 #1032 低 `23.3333dB`。更重要的是，它还比前后等待声床低约 `14-15dB`。这让它不像一个“情绪出来了”的句子，更像一个声音被压到场底的气口。

句内它也是前端极短出现，随后撤掉：

```text
1031_q1 RMS=-35.2901dBFS
1031_q4 RMS=-39.8603dBFS
```

最强 50ms 在句首 `0.00-0.05s`，也只有 `-33.5831dBFS`。偏移排查没有找到被时间窗漏掉的强台词峰；真正强起在 `5716.066s` 之后，也就是 #1032 开始后的区域。

所以 #1031 的第一条稳定判断是：

```text
它不是强叹息。
它是弱到几乎贴近底噪的低位气口。
```

## 它不是音乐，也不是静音

#1031 精确窗高频和 air 比例偏高：

```text
centroid=7090.2673Hz
voice_250_4000_ratio=0.364785
high_4000_12000_ratio=0.176851
air_12000_20000_ratio=0.272556
```

但这不能写成音乐。因为它的整体能量太低，且没有旋律、节拍、和声、配器、乐器、合成器序列、设备提示、无线电声像或声道空间打开。左右声道完全同相：

```text
stereo_corr=1.000000
side_mid_ratio=0
```

更稳的写法是：弱声、气声、底噪、高频压缩边缘或环境高频混在一起。这里不能从 `air` 比例跳到“音乐/设备/空间打开”。

它也不是静音。#1031 exact 用 `silencedetect -45dB:d=0.1` 无 silence event；#1031 到 #1032 后等待用 `-45dB:d=0.3` 也无 silence event。电影在这里不是把声音清空，而是保留一层低能非静音声床，让 `哎` 在这层声床里几乎不可分离。

## 它的位置：不是 #1030 的答案，而是 #1032 的门槛

如果只看台词顺序，很容易把 #1031 当成 #1030 的回声：

```text
难道你要一直这样下去吗
哎
```

于是 `哎` 好像变成了“被问住之后的叹息”。但声画关系不支持把它写成回答。

首先，#1030 后有 `4.634s` 低能非静音等待。#1031 后又有 `2.700s` 低能非静音等待。#1031 并没有把 #1030 结掉。它像夹在两个等待之间的一道很低的声门。

其次，#1032 才是真正的强起：

```text
你知道昨晚上跟你一起吃完饭回家
我有多难受吗
你知道你的那些情绪带给我痛
是有多难受吗
```

#1032 比 #1031 到 #1032 后等待高 `8.9717dB`，也比 #1031 高 `23.3333dB`。所以能量曲线不是：

```text
质问 -> 叹息结算
```

而是：

```text
质问 -> 长低能等待 -> 极弱气口 -> 短低能等待 -> 强声追述入口
```

#1031 的功能更接近 [低位气口](/research/hs-0c9ad32ece25963d)：它不是说完，而是为后面重新开始说话开一道很低的门。

## 画面：公开场没有退场，前景身体开始重分配

#1031 的画面已经不是 #1030 起点那种近脸。它是在全景公开空间里发生的：黑衣人物站在高台上，观众/参与者围坐，半透明塑料膜包围空间，白色躺椅/覆盖物在前景。`哎` 没有嘴、脸、眼神或表情来签收。

这很关键。#1031 不是一个被特写接住的内心声。它在 [公开观察机器](/research/hs-c8bf508be7798abe) 里几乎小到听不清。

到 #1032-#1035，画面开始转向。粉白衣身体从左侧前景进入，遮挡并重分配视线。颜色指标也记录了这个转向：

```text
1031_start mean_luma=97.6882 saturation=0.0646
1033_start mean_luma=81.9256 saturation=0.1955 red_dominance_ratio=0.432063
1034_start mean_luma=85.0709 saturation=0.1260 red_dominance_ratio=0.307268
```

#1031 是亮、冷、低饱和的公开空间气口；#1033-#1034 的粉白前景身体则把 `难受 / 痛` 的追述链带进身体遮挡和视线分流里。当前 `scene>0.04` 无硬切命中，所以这不是切到另一个场景，而是在同一公开空间内部改变注意力结构。

## MiMo 可以保留什么

MiMo exact audio 也把 #1031 听成极弱、疑似人声、近似 `哎` 的气声，并强调不能确认清晰台词或心理事实。这个方向和 T1 一致。

MiMo context audio 看到“弱起 / 间隙 / 强起”的结构，可保留为 T2 旁证。但它把 #1031 到 #1032 的间隔说短了，本地 T0/T1 仍以 `2.700s` 为准。

MiMo video 看到公共展示/表演空间、高台黑衣人物、观众、塑料围合，以及 #1032-#1035 期间粉白衣人物从前景穿过。这个可保留。但它对声线性别、声音来源、手机设备和“控诉性”的判断都要降级。

## 稳定读法

#1031 的稳定位置是：

```text
#1030 时间化质问：难道你要一直这样下去吗
-> 低能非静音等待
-> #1031 低位气口：哎
-> 低能非静音等待
-> #1032-#1035 难受/痛追述链
```

它不是情绪结算，不是同意，不是确认，也不是心理叹息事实。它是一声很弱的、几乎贴在底噪上的气口。

它的真正作用不是回答 #1030，而是打开后面的 #1032：

```text
你知道昨晚上跟你一起吃完饭回家
```

所以 #1031 是一扇极小的门。门后不是沉默，而是 `难受 / 痛` 的强声追述。

完整 T1 复核见 [2026-06-23-4K无字幕母文件开场95分12秒到95分24秒第1031哎低位气口与难受痛追述入口复核](/research/hs-bccae6b7c66037ec)；MiMo T2 见 [MiMo-4K无字幕第1031哎到1035难受痛标准API声画音频复核-2026-06-23](/research/hs-7f8b0e25a223f15a)。