# MiMo-4K无字幕第1004但是转折与失联系统抢入标准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/宇航员/通信设备物证、黑衣人物继续膜前动作、白衣坐姿人物扶头/低头/重心下沉候选、#1005/#1006 更广播化/系统化、低频只能降级为环境纹理或声床的观察；必须降级具体心理、口型同步、声源物理来源、真实塔台/真实失联/真实通讯链路、人物身份、约半秒间隔、#1004 内部均匀偏弱和任何音乐裁决。

# MiMo-4K无字幕第1004但是转折与失联系统抢入标准API声画音频复核-2026-06-23

## 运行范围

本次对 `01:34:01.066-01:34:16.833` 做两路反读：

```text
video: raw/assets/4k-nosub-restart-20260623/1004-but-turn-system-entry-nooffset/clips/1004_to1012_chain_720p_audio.mp4
audio: raw/assets/4k-nosub-restart-20260623/1004-but-turn-system-entry-nooffset/audio/1004_to1012_chain.wav
model: mimo-v2.5
video mode: formal-safe, fps=4, media_resolution=max
audio mode: analysis
successful endpoint family: standard-api
```

运行备注：同一新 key 对 CN Token Plan 端点返回 `401`，对标准接口成功。这个信息只用于工具配置和复跑，不作为影片证据。

原始报告位于：

```text
raw/assets/4k-nosub-restart-20260623/1004-but-turn-system-entry-nooffset/mimo-run/1004-to1012-video-turn-system-entry-standard-api/mimo-report.md
raw/assets/4k-nosub-restart-20260623/1004-but-turn-system-entry-nooffset/mimo-run/1004-to1012-audio-turn-system-entry-standard-api/mimo-audio-report.md
```

用量：

```text
video total_tokens=31735, prompt_tokens=29244, completion_tokens=2491
audio total_tokens=2625, prompt_tokens=739, completion_tokens=1886
```

## 可保留的 T2 方向

视频报告可保留：

- 整段为固定机位、同一舞台化现场；没有硬切、跳剪、场景转换或镜头距离突变。
- #1004 和 #1005/#1006 期间，画面未出现塔台控制室、屏幕界面、星空、宇航服、通信设备或外部任务空间。
- `塔台呼叫` 和 `失联` 只在声音上出现，视觉仍处于原有膜面、平台和旁观现场。
- 黑衣站立人物继续面对膜面，手部对半透明膜面有触碰、拉扯、揉搓或抓取候选。
- 中间白衣坐姿人物在 #1004-#1006 附近有手在头部后侧/颈部、随后向肩部或下方移动、头部低垂、重心下沉的可见变化。
- 右侧白衣坐姿人物保持朝向中间人物，动作较小。
- #1012 `07报告一切正常` 附近，黑衣人物对膜面有拉扯动作候选，可作为微弱视觉连接点，但不能写成真实通信行为。

音频报告可保留：

- #1004 在听感上更像句子断开、犹豫后被新语音信号接管，而不是自然完成。
- #1005/#1006 明显比 #1004 更强、更前景、更广播化或系统化。
- #1007/#1008 后又把信任问题拉回个人对话层面。
- 声场没有绝对静默或硬断开，而是连续声床中不同人声块轮替。
- 低频嗡鸣、环境声床、房间声、噪声可保留为环境纹理；不能确认传统音乐结构。

## 必须降级的部分

以下 MiMo 判断必须低于 T1 本地取证：

- 音频报告说 #1004 后有约 `0.5s` 安静间隔。T0/T1 显示 #1004 为 `01:34:01.066-01:34:02.066`，#1005 从 `01:34:02.000` 起，二者有名义重叠/接缝，不应采用“约半秒间隔”作硬事实。
- 音频报告说 #1004 内部“整体均匀偏弱、无法判断前强后弱”。T1 指标显示 #1004 front RMS=`-25.9735dBFS`、tail RMS=`-30.2935dBFS`，前半比尾半高 `4.3200dB`；最终以 T1 为准。
- 音频报告说 #1005/#1006 带轻微滤波/电子失真/无线电感，可作为听感候选，但不能坐实真实通信处理、真实广播设备或真实塔台。
- 视频报告中的“一镜到底”可作为观察方向，但最终以本地 scene detect 和帧板复核为准。
- 人物心理、口型同步、声源归属、可见人物等同说话人、白衣人物身份/性别和黑衣人物意图均不得升级。
- 低频声床不能写成配乐、合成器、乐器或音乐高潮。

## 与 T1 的合并规则

本地 T1 指标是主证据：

```text
1004_exact RMS=-27.6171dBFS
1004_front RMS=-25.9735dBFS
1004_tail  RMS=-30.2935dBFS
1004_peak_250 RMS=-24.7745dBFS @ 01:34:01.191-01:34:01.441
1004_tail_peak20 RMS=-19.3275dBFS @ 01:34:02.046-01:34:02.066
1005_exact RMS=-15.5315dBFS
1006_exact RMS=-18.2817dBFS
```

因此，MiMo 的“句子断开/被系统声接管”“无外部塔台物证”“系统声更强”“音乐不可确认”可以作为 T2 补充；但 #1004 内部动态、#1005/#1006 高出多少、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01秒到94分16秒第1004但是转折与失联系统抢入复核](/research/hs-333f5c0d5a1ad904) 为准。

## 结论

MiMo 本轮没有发现能推翻本地读法的新物证。它支持保守方向：#1004 是断开的转折，不是完成；#1005/#1006 更系统化；画面仍不兑现外部塔台、宇航员或真实通信；低频声床不是可确认音乐。需要降级的主要是 #1004 后间隔、#1004 内部动态和无线电效果的精确说法。