2026-06-23-4K无字幕母文件开场93分49秒到93分56秒第998999塔台呼叫与幻想反问重叠复核

2026-06-23-4K无字幕母文件开场93分49秒到93分56秒第998999塔台呼叫与幻想反问重叠复核

取证范围

• 母文件：〔本地资料路径省略〕 无字幕 28g 4k.mov
• 资产目录：inspool-wiki-zh/raw/assets/4k-nosub-restart-20260623/998999-tower-call-overlap-nooffset
• 时间轴：无偏移文件时间轴。
• 核心视频：
• clips/998999_context_720p_audio.mp4
• clips/998_to1001_chain_720p_audio.mp4
• clips/997_to1002_chain_720p_audio.mp4
• 核心音频：
• audio/998_exact.wav
• audio/999_exact.wav
• audio/998999_overlap.wav
• audio/1000_exact.wav
• audio/1001_exact.wav
• audio/1000_1001_overlap.wav
• audio/998_to1001_chain.wav
• audio/997_to1002_chain.wav
• 核心图像：
• frames/998999_context_contact.jpg
• frames/998_to1001_chain_contact.jpg
• frames/998999_overlap_dense_contact.jpg
• frames/1000_1001_overlap_dense_contact.jpg
• 指标文件：
• metrics/audio_summary_metrics.json
• metrics/visual_still_metrics.tsv
• metrics/visual_adjacent_diffs.tsv
• metrics/stereo_channel_metrics.tsv
• metrics/*_top_100ms_rms.tsv
• metrics/*_top_250ms_rms.tsv
• metrics/*_silencedetect_45dB_0p3.txt
• metrics/*_scene_gt_0p04.txt
• metrics/*_scene_gt_0p015.txt

T0 链条

#997  01:33:44.100-01:33:45.366  ACT-ZICHOU / 子丑  你是我幻想出来的
#998  01:33:49.533-01:33:53.100  ACT-JIARUI / 甲瑞  塔台呼号 塔台呼叫7号宇航员
#999  01:33:51.433-01:33:53.366  ACT-AMENG / 阿蒙  我是你幻想出来的？
#1000 01:33:53.700-01:33:55.900  ACT-JIARUI / 甲瑞  塔台呼叫7号宇航员
#1001 01:33:55.000-01:33:56.266  ACT-AMENG / 阿蒙  你不相信我吗？

重叠关系：

#998/#999 重叠：01:33:51.433-01:33:53.100，约 1.667s
#1000/#1001 重叠：01:33:55.000-01:33:55.900，约 0.900s
#999 到 #1000 前短隙：01:33:53.366-01:33:53.700，约 0.334s

这说明 #998 和 #999 不能分成“先呼叫、后反问”的干净轮次。#999 是在 #998 内部切入。#1001 也是在 #1000 内部切入。这里的核心事实是两次呼叫/反问重叠。

声音总表

997_to998_gap       duration=4.167s  RMS=-33.4931dBFS  Peak=-1.1456dBFS
998_exact           duration=3.567s  RMS=-14.0408dBFS  Peak=0.0000dBFS
999_exact           duration=1.933s  RMS=-12.9098dBFS  Peak=0.0000dBFS
998999_overlap      duration=1.667s  RMS=-12.2695dBFS  Peak=0.0000dBFS
998_to999_context   duration=3.833s  RMS=-14.3513dBFS  Peak=0.0000dBFS
999_to1000_gap      duration=0.334s  RMS=-36.5864dBFS  Peak=-24.1505dBFS
1000_exact          duration=2.200s  RMS=-12.6165dBFS  Peak=0.0000dBFS
1001_exact          duration=1.266s  RMS=-15.8700dBFS  Peak=-0.2613dBFS
1000_1001_overlap   duration=0.900s  RMS=-14.3915dBFS  Peak=-0.2613dBFS
998_to1001_chain    duration=6.733s  RMS=-14.1111dBFS  Peak=0.0000dBFS
997_to1002_chain    duration=15.966s RMS=-17.6013dBFS  Peak=0.0000dBFS

对比关系：

#999 比 #998 高 1.1310dB
#998/#999 重叠段比 #998 全句高 1.7713dB
#998/#999 重叠段比 #999 全句高 0.6403dB
#1000 比 #998 高 1.4243dB
#1001 比 #1000 低 3.2535dB

第一组重叠里，#999 不是弱弱插入。#999 的整句 RMS 高于 #998，而且 #998/#999 重叠段比任何单独精确句都更强。也就是说，声学上最强的不是“塔台独白”，而是“塔台呼叫被反问抢入”的叠声块。

第二组里，#1000 本身更强，#1001 相对弱一些，但它仍压进 #1000 内部，形成第二次呼叫/反问模板。

滑窗高点

998 精确句的 250ms 高点：

2.125-2.375s  RMS=-8.9525dBFS  Peak=0.0000dBFS
2.000-2.250s  RMS=-9.2179dBFS  Peak=0.0000dBFS
2.500-2.750s  RMS=-9.6054dBFS  Peak=0.0000dBFS

999 精确句的 250ms 高点：

0.125-0.375s  RMS=-9.0336dBFS  Peak=0.0000dBFS
0.250-0.500s  RMS=-9.3236dBFS  Peak=0.0000dBFS
0.625-0.875s  RMS=-9.3745dBFS  Peak=0.0000dBFS

由于 #999 从 #998 相对 1.900s 处切入，#998 的最强 250ms 高点全都落在 #999 已经进入之后。换成绝对时间，#998 的第一高点约为：

01:33:51.658-01:33:51.908

这已经在 #999 我是你幻想出来的？ 的时间内。稳写是：#998 的声学最强段不是独自完成，而是在 #999 反问抢入后出现。

998_to1001_chain 的 250ms 高点也显示两次模板：

2.125-2.375s  RMS=-8.9525dBFS  Peak=0.0000dBFS  #998/#999 重叠
4.875-5.125s  RMS=-9.0321dBFS  Peak=0.0000dBFS  #1000 内部，接近 #1001 切入
2.000-2.250s  RMS=-9.2179dBFS  Peak=0.0000dBFS

997_to1002_chain 的高点同样集中在两次呼叫/反问附近：

7.500-7.750s   RMS=-8.9992dBFS  Peak=0.0000dBFS
10.250-10.500s RMS=-9.0396dBFS  Peak=0.0000dBFS

从 #997 算起，这两个位置分别对应 #998/#999 的第一重叠高点和 #1000 附近的第二呼叫高点。#997 的幻想句已经被前一来源页确认更低；本页进一步确认，后续声场不是降温，而是连续进入更强的呼叫系统。

静音与声道边界

silencedetect -45dB:d=0.3 对以下窗口均无 silence_start / silence_end：

998_exact
999_exact
998999_overlap
998_to999_context
999_to1000_gap
1000_exact
1001_exact
1000_1001_overlap
998_to1001_chain
997_to1002_chain

即使 #999 到 #1000 前只有 0.334s、RMS=-36.5864dBFS 的低能短隙，也没有形成 silence event。这里不是一句一句切干净，而是低能短隙、再次呼叫和再次反问接成连续声场。

MiMo 音频曾提出 #999 偏左、#1001 偏右的听感。但本地立体声复核显示：

998_to1001_chain_stereo    L=-14.1111dBFS  R=-14.1111dBFS  L-R=0.0000dB  corr=1.000000
998999_overlap_stereo      L=-12.2695dBFS  R=-12.2695dBFS  L-R=0.0000dB  corr=1.000000
1000_1001_overlap_stereo   L=-14.3915dBFS  R=-14.3915dBFS  L-R=0.0000dB  corr=1.000000

因此“偏左/偏右声源位置”不能采用。能采用的是：两次人声重叠、反问抢入、通信口令式语气，以及无可确认音乐。

频谱与音乐边界

主要窗口的频段比例：

998_exact          centroid=906.51Hz  voice_250_4000=0.824510  high_4000_12000=0.009614
999_exact          centroid=611.93Hz  voice_250_4000=0.871321  high_4000_12000=0.003497
998999_overlap     centroid=625.74Hz  voice_250_4000=0.871625  high_4000_12000=0.004171
1000_exact         centroid=480.11Hz  voice_250_4000=0.829637  high_4000_12000=0.002791
1001_exact         centroid=446.57Hz  voice_250_4000=0.743660  high_4000_12000=0.005429
998_to1001_chain   centroid=661.63Hz  voice_250_4000=0.848650  high_4000_12000=0.004040

这些数据支持人声主导。没有可确认旋律、和声、乐器、节拍或合成器进入。这里可以写“通信口令式节奏”“呼叫/反问重复造成准音乐性压力”，但不能写成配乐或音乐高潮。

换句话说，本段的音乐性不在音乐材料里，而在声音组织里：重复呼叫、编号、重叠、峰值触顶、低能短隙和再次呼叫。它是声音场的节奏化，而不是配乐进入。

画面事实

接触图显示，#998/#999 与 #1000/#1001 都没有切到真实塔台、太空、飞船、宇航员装备、通信设备或外部广播空间。画面持续是：

透明平台
半透明膜面/塑料
观众席和观看者
白衣坐姿人物
黑衣站立身体/腿部前景遮挡
持笔或笔状物在膜面上书写/画圈候选

本地帧可以确认黑衣站立人物手中有笔状物，并在膜面附近做出书写/画圈动作；但不能确认 MiMo 所说的“宇航员字样”。稳写只能是：膜面上出现圆形/线痕候选，动作与塔台/宇航员台词同窗，但不能把它升级为可读文字或宇航员物证。

关键静帧指标：

998_start             luma=59.269  dark=0.338071  warm=0.052598  orange=0.000000
999_start             luma=55.803  dark=0.359597  warm=0.408752  orange=0.009442
998999_overlap_mid    luma=60.862  dark=0.277531  warm=0.583206  orange=0.138287
998_end               luma=73.838  dark=0.155646  warm=0.660827  orange=0.103463
999_end               luma=73.151  dark=0.183132  warm=0.535213  orange=0.050304
1000_start            luma=71.924  dark=0.210273  warm=0.380420  orange=0.001652
1001_start            luma=56.392  dark=0.227923  warm=0.130768  orange=0.007809
1000_1001_overlap_mid luma=54.476  dark=0.221396  warm=0.060894  orange=0.000000
1002_start            luma=53.963  dark=0.298291  warm=0.252175  orange=0.000032

998/#999 内部，画面在膜面、观众、白衣人物、黑衣站立身体和暖光之间重新分配。到 #998 末尾附近，亮度和暖色比例升高；到 #1001 附近则转回更暗、更冷、更被遮挡的膜面/身体关系。

相邻帧差显示遮挡和位置变化很强：

998_start -> 998_mid              mean_abs_diff=23.6639  diff_gt8=0.781612
999_start -> 998999_overlap_mid   mean_abs_diff=19.3778  diff_gt8=0.641243
998999_overlap_mid -> 998_end     mean_abs_diff=25.0396  diff_gt8=0.766774
1000_start -> 1001_start          mean_abs_diff=20.5494  diff_gt8=0.722083

但 scene threshold=0.04 对 998999_context、998_to1001_chain、997_to1002_chain 均无命中。scene>0.015 只显示身体/遮挡变化点：

998999_context: 0.041667s, 2.875s
998_to1001_chain: 0.041667s, 2.875s, 4.583333s, 5.041667s, 5.625s, 5.666667s
997_to1002_chain: 0.082682s, 1.207682s, 1.249349s, 4.416016s, 4.916016s, 4.957682s, 10.041016s, 10.207682s, 10.499349s, 11.082682s, 11.124349s, 12.499349s

稳写是：同一公共现场内部的身体位移、前景遮挡、膜面动作和观看关系变化；不是强硬切，也不是空间切到塔台/太空。

边界

可以保留：

• 998/#999 时间重叠约 1.667s，#1000/#1001 时间重叠约 0.900s。

• 999 整句 RMS 高于 #998，第一组重叠段是更强的声学块。

• 998 的最强局部窗口出现在 #999 切入之后。

• 1000/#1001 形成第二次相似的呼叫/反问模板。

• 所有相关窗口无 silence event。
• 声音由人声、重复、呼叫式语气、重叠和峰值触顶组织，不能写成配乐或音乐高潮。
• 画面不给塔台、太空、飞船、宇航员装备或通信设备，只给公共现场、膜面、观众、白衣坐姿人物、黑衣站立遮挡和持笔/画圈候选。
• 口型同步、可见声源和人物身份不能从画面裁决。

必须避免：

• 把 #998 写成真实塔台或外部广播空间。
• 把 7号宇航员 写成画面出现的宇航员事实。
• 把膜面书写/画圈候选写成可读 宇航员 字样。
• 把 #999 的反问写成在 #998 之后才发生的干净接话。
• 把 MiMo 的左右声道听感当作事实。
• 把通信口令的节奏化写成可确认音乐。

本页的稳定结论是：#998/#999 不是把 #997 的幻想句带去外部塔台，而是在同一公共现场中把幻想句转入更强的呼叫/反问叠声系统。塔台不是被画面坐实的地点，而是声音夺权的口令形式。

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。