research: 方法论v1 + 交互方案v1 + 玩家人设卡 + 第5份调研(sonification)

- 02-methodology/methodology.md 四通道模型/七公理/五层交互栈/决策推导机/度量闭环/反模式 - 03-schemes/schemes.md guide.js规格/8句新语音/逐游戏接线表/测试策略/人设×场景矩阵(分期) - 04-playtests/personas.md 4人设卡(视障/大学生/白领/工人)+结构化评分规程 - 01-literature/02-sonification-design.md earcon学习成本8.5轮vs语音1.14轮等硬参数
2026-08-30 21:20:35 +08:00
parent 18f299f446
commit 7eb9e7f025
4 changed files with 523 additions and 0 deletions
@@ -0,0 +1,234 @@
 # 02 - 声音如何承载结构化信息：sonification / earcon 设计科学调研（RQ2）
 > 项目：纯音频游戏交互设计研究（Audio-HCI）
 > 检索日期：2026-08
 > 检索语言：英文为主（ICAD / CHI / Human Factors / Sonification Handbook / 平台官方指南）
 > 说明：文中每条发现附来源 URL；凡未找到一手来源的数据均明确标注「未找到一手来源，以下为推断」。
 ---
 ## ① 研究问题
 **RQ2：声音如何承载结构化信息（状态 / 选项 / 空间 / 进度）？语音、音效、音乐、震动的分工与参数边界是什么？**
 本游戏无画面，信息通道只有：TTS 语音、一次性音效、按状态切换的 BGM、10 种语义震型；输入只有 6 种手势。核心痛点是「玩家不知道自己处于什么状态、不知道当前手势各自是什么含义」。本报告回答：
 1. 一组可区分、可记忆的状态音（earcon）应该怎么造？参数边界在哪里？能承载多少个状态？
 2. 语音 / 拟真音（auditory icon）/ 抽象音（earcon）/ BGM / 震动各自适合承载哪类信息？认知成本差异有多大？
 3. 语音播报的节奏、打断、混音规则；并发声音的上限。
 4. 空间信息用什么技术承载、能区分几个方位。
 5. 震动什么时候该与声音做冗余。
 ---
 ## ② 分主题发现
 ### 2.1 Earcon 设计指南：可区分、可记忆的状态音怎么造
 **一手来源：Brewster《Guidelines for the Creation of Earcons》（Glasgow 大学，实验推导指南，基于 Brewster, Wright & Edwards 1995 年前后共 6 个对照实验）**
 URL: https://www.dcs.gla.ac.uk/~stephen/earcon_guidelines.shtml
 论文: https://www.semanticscholar.org/paper/c4fa0a5a72210a25de2918c63d22d31a83945405
 具体参数边界（原文数字）：
 | 参数 | 建议边界 |
 |---|---|
 | 音高上限 | 不高于 **5 kHz**（约 C3 上方四个八度） |
 | 音高下限 | 不低于 **125–150 Hz** |
 | 最短音符时长 | **≥ 0.0825 s**；仅 1–2 个音符的简单 earcon 可短至 **0.03 s** |
 | 音符密度 | **1 秒内 ≤ 6 个音符**仍可用 |
 | 响度 | 高于背景声阈值 **+10 dB ～ +20 dB**；不要只用响度做区分参数 |
 | 串行复合 earcon 间隔 | **0.1 s** 静音间隙 |
 | 音域（register）单独区分 | 绝对判断需 **2–3 个八度**差异；较小差异只适合相对判断 |
 | 音色 | 选多谐波、主观上差异大的乐器音色（如 brass vs organ，而非 brass1 vs brass2） |
 关键结论：
 - **音高不能单独作区分参数**。Brewster 的评估工作明确建议：需要绝对判断时，音高必须与节奏/音色/音域等参数组合使用（转引自 Polotti & Rocchesso 2013, Int. J. of Design, http://www.ijdesign.org/index.php/IJDesign/article/view/1201/577 ）。
 - **节奏是最强的区分维度**（引 Deutsch 的节奏分组研究，见 Brewster 1993 原文，https://eprints.gla.ac.uk/3257/1/CHI4493.pdf ）；不同节奏型（每小节音符数不同）区分效果最好。
 - **吸引注意的手段排序**：优先用节奏或音高变化，而非加大音量——「新出现的声音即使响度很低也会抓住注意」。其他抓注意手段：高音区、宽音域、快起音/快收音、不规则谐波、无调性/无节奏。反之，想要「可忽略的声音」就用低响度 + 规律节奏。
 - 每小节**重音放在第一个音符**（略响），最后一个音符略延长，便于分组感知。
 **层级 earcon（family earcon）结构**（同上 Brewster 指南页 + Dingler & Lindsay 2008）：
 - 第 1 级（家族）：为每个家族指定一个**音色 + 默认音域 + 声像位置**；
 - 第 2 级（子类）：用**节奏型**区分子类；
 - 第 3 级及更深：用**音高轮廓、强度、和弦、效果器（chorus/delay）、tempo** 细分；
 - 子 earcon **继承**父级全部属性（所以听感上「同类」，又有差异）；
 - 层级深度：Brewster 示例为 3 层；Dingler & Lindsay (2008) 总结为「理论上最多 5 层，对应 5 个可操纵参数（rhythm, pitch, timbre, register, dynamics）」，且实测 earcon 音效时长跨度 **0.25–4 s**。来源：https://www.icad.org/Proceedings/2008/DinglerLindsay2008.pdf
 **可区分数量上限：**
 - Brewster, Wright & Edwards (1993, INTERCHI) 的验证实验使用 **27 个 earcon**（tools / graphs / menus 三个家族）：实验 1（未优化设计）识别率差，改进设计并训练后识别显著提升（二手转述数值约 62%→97%；**该百分比未从原文核对，以下为待核对的二手数据**）。原文: https://eprints.gla.ac.uk/3257/1/CHI4493.pdf
 - Dingler & Lindsay (2008) 实测集合为 **20 个**声音目标。结论：**经过教学，一组 20–30 个 earcon 是可学习的**；但见 2.7 节——学习代价高。
 - 未经训练的即时绝对判断上限：未找到直接的一手研究给出「N 个」；按 Cowan 短时记忆 4 chunk（见 2.8）与 Brewster 各实验设计推断：**无训练时同时引入的新 earcon 不宜超过 4–6 个**。**未找到一手来源，以下为推断。**
 ### 2.2 Auditory icon vs earcon vs 语音 vs spearcon vs BGM 的分工
 **核心一手对比数据——Dingler & Lindsay (2008, ICAD)《Learnability of Sound Cues for Environmental Features: Auditory Icons, Earcons, Spearcons, and Speech》**（20 个环境特征、39 名被试、5 种声音类型）
 URL: https://www.icad.org/Proceedings/2008/DinglerLindsay2008.pdf
 - 达到 100% 正确所需训练轮次：**spearcon 1.14 轮、speech 1.14 轮、earcon 8.50 轮（SD 4.087）**——earcon 的学习成本约是语音/spearcon 的 **7.5 倍**；
 - 聚合正确率：spearcon 与 speech 约 **99.64%**，显著高于 earcon；
 - earcon-icon 混合体表现也不佳。
 **元分析证据——Nees & Liebman (2023)《Auditory Icons, Earcons, Spearcons, and Speech: A Systematic Review and Meta-Analysis of Brief Audio Alerts in Human-Machine Interfaces》, Auditory Perception & Cognition, 6(3-4), 300–329**
 URL: https://www.tandfonline.com/doi/pdf/10.1080/25742442.2023.2219201
 结论：就**正确率与反应时**而言，**speech ≈ spearcon > 混合告警 > auditory icon > earcon**（earcon 最差）。
 **菜单导航证据——Walker et al. (2013)《Spearcons (Speech-Based Earcons) Improve Navigation Performance in Advanced Auditory Menus》, Human Factors**
 URL: https://journals.sagepub.com/doi/10.1177/0018720812450587
 在层级听觉菜单中加入 spearcon（时间压缩的语音片段）后导航更快更准——即使 spearcon 让菜单项变得更长。
 **分工结论（综合上述一手文献）**：
 | 载体 | 认知加工 | 学习成本 | 适合承载 | 不适合 |
 |---|---|---|---|---|
 | 语音 (TTS) | 串行、带宽最高、即时可懂 | ≈0（1.14 轮） | 新手教学、一次性复杂信息、数字/名称 | 高频重复信息（慢、占注意）；Dingler 指出语音难以空间定位、占用心理资源大（边听语音边对话困难） |
 | Spearcon | 快、短 | ≈0（1.14 轮） | 菜单/选项标签（6 个手势各自的含义） | 需要情绪/氛围的信息 |
 | Auditory icon（拟真音） | 直觉映射（Gaver「自然声音的漫画化」，https://sonification.de/handbook/chapters/chapter13/ ） | 低 | 物理事件（开门、拾取、碰撞——因果直观） | 抽象状态（无自然映射） |
 | Earcon（抽象动机） | 需记忆 | 高（8.5 轮） | **固定集合的状态/类别标签**、层级结构（继承属性可推理） | 频繁变化的临时信息 |
 | BGM | 氛围化、并行、低侵入 | 低（用情绪/配器编码宏观状态） | 常驻状态流、进度/紧张度 | 需要精确辨认的具体信息（一组 BGM 只可靠表达 1 个宏观状态） |
 **混用规则——「earcon 前缀 + 语音正文」**：
 「先用短 earcon 标记信息类别，再播报语音内容」是听觉界面/VUI 的通行实践（如语音信箱中用 earcon 提示「新留言到达」再进入语音内容；Material Design 的声音层级指导亦按 voice / UX sound / music 分层）。来源：
 - Material Design, About Sound / Applying Sound to UI: https://m2.material.io/design/sound/applying-sound-to-ui.html
 - VUI 设计指南中的 earcon 前缀实例（语音信箱示例）：https://www.scribd.com/document/899795906/VUI
 - ETSI EG 202 116（电话语音服务的听觉显示/earcon 人因标准）：https://www.etsi.org/
 - **注意**：「前缀能降低语音加工成本」的对照实验证据未找到一手来源，此条按实践惯例采用（推断，但风险低）。
 ### 2.3 结构化状态播报：节奏、打断、ducking、信息分级
 **混音/ducking 参数（行业实践来源，非学术）**：
 - 侧链 ducking 起始参数：**ratio 4:1–8:1，attack 1–10 ms**（语音出现前音乐必须先让位）；来源：https://infinitecreation.io/tutorial-ducking-music 、https://borisfx.com/blog/what-is-sidechain-compression-and-how-to-use-it/
 - **release 300–600 ms，或加 hold ~500–1500 ms** 防止句间「抽吸」；来源：https://vi-control.net/community/threads/ducking-music-volume-to-make-way-for-voice-narration-is-there-a-better-way-than-side-chaining.83139/ 、https://www.reddit.com/r/obs/comments/ered4h/looking_for_duckingsidechain_guidance/
 - duck 深度常规 **−6 ～ −12 dB**；响度分离经验值：对白应比音乐床高 **~6 LU**。来源：https://www.reddit.com/r/AudioPost/comments/1js4xav/what_lufs_should_dialogue_sit_around/
 - 游戏整体响度参考：主机 **−23 LUFS (±2)**、便携设备 **~−18 LUFS**、true peak ≤ **−1 dBTP**；游戏音频长期没有强制响度标准。来源：https://ansoaudio.com/2016/07/27/loudness-and-metering-in-game-audio/ 、https://www.stephenschappler.com/2013/07/26/listening-for-loudness-in-video-games/
 - 中间件最佳实践：建立**以对白为最大值的音量参考类别**，其余类别相对其缩放。来源：Audiokinetic 官方博客《Scalable Loudness Processing for Games》 https://www.audiokinetic.com/en/community/blog/loudness-processing-best-practice-chapter-3-scalable-loudness-processing-for-games
 **语音打断规则**：
 - Wwise/FMOD 均提供 sidechain ducking 与总线音量自动化两种 ducking 实现，各有取舍。来源：https://www.reddit.com/r/GameAudio/comments/ltpsm1/performance_of_methods_of_ducking/ 、https://qa.fmod.com/t/best-way-to-duck-all-other-audio-for-the-audio-for-one-event-without-sidechaining/19559
 - 「在语句边界打断、新语音顶替旧语音、允许重听」：**未找到直接一手研究来源，以下为推断**——依据是 (a) 语音串行加工特性（Dingler 2008），(b) 语音检索中断造成的记忆损失（Cowan 工作记忆模型，见 2.8）。
 **信息三级分级在听觉通道的实现（依据 Brewster 注意机制研究，https://www.dcs.gla.ac.uk/~stephen/earcon_guidelines.shtml ）**：
 - 常驻信息 → BGM/环境声（规律、低响度、可忽略的设计）；
 - 事件信息 → 一次性音效（短促、新声音）；
 - 告警 → 「新声音 + 高显著声学特征（快起音、宽音域、无规律节奏）+ 多模态冗余」。**注意分级的三层结构本身即来自 Brewster「吸引注意 vs 可忽略」的声学参数清单**。
 ### 2.4 并发声音限制：人耳同时能解析几路？
 - **听觉场景分析（ASA, Bregman）**：听者一般只能把注意维持在 **1–2 条声流**上；「鸡尾酒会效应」即是从多路声音中选择性跟踪 1 路的体现。来源：https://tlr-hub.asha.org/cred/auditory-scene-analysis-an-attention-perspective/ 、https://en.wikipedia.org/wiki/Auditory_scene_analysis 、Bregman 原著框架 https://www.ee.columbia.edu/~dpwe/copies/www.cis.ohio-state.edu/pnl/WCA/files/Bregman.PDF
 - **并发 earcon 实证——McGookin & Brewster (2004, ACM TAP)《Understanding Concurrent Earcons》**：实验设置 1/2/3/4 个 earcon 同时播放（https://dl.acm.org/doi/doi/pdf/10.1145/1024083.1024087 ）；McGookin 博士论文报告并发呈现时**整体识别率仅 ~30%**（https://theses.gla.ac.uk/14/ ）；后续研究表明**音色分离 + 声像分离**可改善并发识别（ICAD 2003: https://www.icad.org/websiteV2.0/Conferences/ICAD2003/paper/10%20McGookin.pdf ）。
 - 引用该工作的后续研究明确指出：**2 路并发 earcon 的准确率高于 3 路**。来源：https://www.sciencedirect.com/science/article/pii/S1071581923001325
 **结论**：安全上限为 **1 路语音 + 1 路非语音事件音**；任何需要辨认的选项/状态音**必须串行**播放；确需并发（如多生命值监控）不超过 2 路，且必须用音色+声像分离。
 ### 2.5 听觉空间化：HRTF vs 立体声 pan
 - **最小可听角（MAA）**：正前方 ~**1°**；45° 处 ~1.3°；75° 处 ~2.4°；正侧方 90° 恶化到 ~7.5°（Mills 1958/1960，综述见 Blauert《Spatial Hearing》与 Acoustics Today 教程 https://acousticstoday.org/ ）；**仰角**分辨差得多：噪声脉冲 ~3.6°–7°（Zwiers 2001; Grantham 1997）。
 - **前后混淆（front-back confusion）**：正常条件下约 **5–10%** 的响应为前后反转（Wightman & Kistler）；高频谱线索（耳廓）被破坏时升到 **~35%**（Middlebrooks 1992）；**头部运动可显著降低混淆**（Wallach 1940; Brimijoin & O'Neill 2010）。
 - **HRTF vs 简单 pan**：Ferrand et al. (2019)《HRTF and panning evaluations for binaural audio guidance》：**动态测试中 HRTF 的定位 RMSE 显著优于 panning**，静态/动态均更精确。URL: https://hal.science/hal-02948557/document
 - 简单立体声 pan 只能产生**左右弧线**上的方位感，无法提供前后/上下线索（社区与文献一致）。来源：https://forum.dcs.world/topic/102070-no-true-headphone-3d-audio-in-games/ 及 Ferrand 2019。
 - **可辨方位档数**：**未找到直接给出「可区分方位档位数」的一手研究**；按 MAA 数据与 pan/HRTF 工作方式推断：立体声 pan 可靠档位 ≈ 左/中/右（3 档，可扩展到 5 档）；HRTF 在耳机上可支撑 8 方位以上的粗定位，但前后混淆需靠头部运动或额外提示解决。**以下为推断。**
 - 移动端可行方案：无 HRTF 时用「pan + 音量/低通随距离衰减」承载左右与远近；关键前后判定不要只用音频（混淆率 5–35%）。
 ### 2.6 震动 + 声音的多模态冗余：什么时候有效？
 - **节律知觉在听觉与触觉间共享神经机制**（Bernard et al. 2022, PMC）：音频与触觉信号很可能由共同的神经机制加工节奏——这为「震动节奏型与音效节奏型同构」提供依据。URL: https://pmc.ncbi.nlm.nih.gov/articles/PMC8907191/
 - **冗余不总是有效**：Applied Ergonomics 元分析（2022）《When to use vibrotactile displays?》指出，跨视觉/听觉/触觉的**组合式冗余警告可能反而更慢**（引 Lee et al. 2006）。URL: https://www.sciencedirect.com/science/article/abs/pii/S0003687022001259
 - 平台指南：Apple HIG 主张触觉作为多通道反馈的一环（设备静音/不看屏幕时仍可达），语义化预置模式（notification/impact/success/warning/error）：https://developer.apple.com/design/human-interface-guidelines/playing-haptics 、https://developer.apple.com/design/human-interface-guidelines/feedback ；Android 触觉设计原则要求简单、短促、避免刺耳的长震动，提供语义原语（EFFECT_CLICK / EFFECT_HEAVY_CLICK / PRIMITIVE_*）与振幅-时长波形数组：https://developer.android.com/develop/ui/views/haptics/haptics-principles 、https://m2.material.io/design/platform-guidance/android-haptics.html
 - 手机 LRA 马达有效感知带宽约 **80–300 Hz**（Pacinian 感受器主导），设计震型应在此范围内做「尖锐度/强度/节奏」变化。来源：https://swmansion.com/blog/haptics-is-music-how-to-design-haptic-patterns-that-feel-right/
 - **结论**：冗余有效条件 = (a) 两种模态**信息同构**（同一节奏/时长结构）；(b) 用于**少量关键事件**（告警、手势确认）而非所有反馈；(c) 通道本身可靠（震动在嘈杂环境、静音场景补足听觉）。
 ### 2.7 一致性与学习成本：玩家要听几次才能记住一个 earcon？
 - **8.5 轮**：Dingler & Lindsay (2008) 实测 earcon 平均需 **8.50 轮（SD 4.087）** 训练才达到 100% 正确，而语音/spearcon 只要 1.14 轮。URL: https://www.icad.org/Proceedings/2008/DinglerLindsay2008.pdf
 - Brewster (1993) 评估中识别率随训练显著上升（27 个 earcon，改进设计 + 训练后大幅提高；具体百分比见 2.1 待核对标注）。URL: https://eprints.gla.ac.uk/3257/1/CHI4493.pdf
 - Georgia Tech 评估研究：earcon 和 auditory icon 相比语音**从训练中获益更多**（即学习曲线更陡但有回报）。URL: https://repository.gatech.edu/bitstreams/f1ebdf0a-6a34-4417-88e1-465abf896c83/download
 - **设计含义**：(a) 状态音集合必须**全游戏一致**（同一状态永远同一音，同一手势永远同一音+震）；(b) 用**家族层级**让新 earcon 可从已知家族推理（降低表观学习量）；(c) 新音前 3–5 次出现必须伴随语音标签或即时后果，把「8.5 轮训练」内嵌进玩法。
 ### 2.8 记忆与注意力限制：听觉工作记忆 & TTS 语速
 - **听觉短时记忆纯容量 ≈ 4 chunks**（Cowan 2001, Behavioral and Brain Sciences「The Magical Number 4」；7±2 已被修正为含复述/组块的估计）。URL: https://pubmed.ncbi.nlm.nih.gov/11515286/ 、https://pmc.ncbi.nlm.nih.gov/articles/PMC2864034/
 - **回声记忆（echoic memory）持续 ~2–4 s**；Baddeley 语音回路以 ~2 s 排练时间为容量单位——**一条连续语音播报超过 ~2–4 秒且包含 >4 个信息点就会被丢失**。URL: https://thedecisionlab.com/reference-guide/psychology/working-memory 、https://www.sciencedirect.com/topics/social-sciences/sensory-memory
 - **TTS 语速**：正常说话 ~150–160 wpm；**>225 wpm 时理解率加速下降**（Jones 2007，基于 Foulke & Sticht 1969，转引）；Syrdal et al. (2012, Interspeech) 系统测了 **200–450 wpm** 的合成语音可懂度（快速档主要服务熟练屏幕阅读器用户）。URL: https://www.isca-archive.org/interspeech_2012/syrdal12_interspeech.pdf ；另见 Hux et al. 2019（TTS 语速 × 理解，临床人群）https://pmc.ncbi.nlm.nih.gov/articles/PMC7231913/
 - **中文 TTS 语速的可懂度曲线：未找到一手研究**（上述均为英文 wpm 数据）。按中文播音/语音交互惯例推断：正文 **~240–300 字/分钟**，教学/数字信息放慢到 ~200 字/分钟，且关键数字允许重听。**以下为推断。**
 ---
 ## ③ 对本项目的可操作设计规则（可直接写进设计规范）
 **状态音（earcon）**
 1. 【应该】状态音按「家族层级」组织：用**音色**区分信息大类（如：战斗类/资源类/系统类各定一种乐器），**节奏型**区分子类，**结束音高**区分同类内的具体状态；子状态音继承父类音色与节奏，保证「听得出是一家人」。
 2. 【应该】每个 earcon 的参数边界：时长 **0.25–1.5 s**（层级复合音最多 4 s）；音符最短 **0.08 s**；每秒 **≤6** 个音符；频带 **125 Hz–5 kHz**；响度高于当前环境声 **+10～+20 dB**；复合音串行时留 **0.1 s** 间隙。
 3. 【不应该】**不要只用音高**区分两个状态（尤其相邻音高）；必须同时改变节奏/音色/音域中至少一个参数（组合区分，绝对判断下音域差需 ≥2 个八度）。
 4. 【应该】全游戏 earcon 总集控制在 **20–30 个以内**并做教学关；单个场景内**同时引入的新状态音 ≤4 个**（推断：未找到无训练上限的一手数据）。
 5. 【应该】新状态音第一次出现及之后的前 3–5 次，**必须伴随语音标签**（「这是补给点音」）或直接因果后果——earcon 实测需要 ~8.5 轮接触才能稳定识别，语音只需 ~1.1 轮。
 **手势选项播报**
 6. 【不应该】**不要并发播放** 6 个手势的选项音/语音；任何需要玩家辨认的声音一律**串行**播放，间隔 ≥0.1 s。确需并发的场合（如双状态监控）最多 2 路，且两路必须音色不同 + 左右声像分离。
 7. 【应该】选项列表每屏**最多 3 项**（听觉工作记忆 ≈4 chunk，留 1 chunk 余量给操作）；超过 3 项必须分页，每页播报开头用 earcon 前缀标记页类别。
 8. 【应该】手势含义标签优先用 **spearcon/短语音**（学习成本 ≈0、反应最快，元分析显示优于 earcon），状态音才用 earcon。
 **语音播报**
 9. 【应该】TTS 语速正文 **150–180 wpm（中文约 240–300 字/分钟）**，上限 **225 wpm**；教学、数字、坐标类信息降速 ~15% 并支持一键重播。
 10. 【应该】同一时刻**只允许 1 路 TTS**；新播报打断旧播报时在**语句边界**切断，且被打断的信息可通过手势重听（防止信息丢失）。
 11. 【应该】语音播报前加 **0.3–0.6 s 的类别 earcon 前缀**（危险/拾取/系统/剧情各一个），让玩家在语音开始前预判信息类别（实践惯例，风险低）。
 **混音与信息分级**
 12. 【应该】BGM 常驻并编码宏观状态（探索/战斗/结算），用**配器、调式、速度**渐变切换而非硬切；语音出现时对 BGM 做 ducking：**−6～−12 dB，ratio 4:1–8:1，attack ≤10 ms，release 300–600 ms + hold ~500 ms**；全混音以对白为响度基准（目标整体 ~−18 到 −23 LUFS，true peak ≤−1 dBTP）。
 13. 【不应该】**不要让 BGM/环境声承载需要精确辨认的信息**（如具体剩余血量）；它只表达宏观状态与紧张度。信息分级：常驻→BGM/环境声；事件→一次性音效；告警→earcon 前缀+语音+震动三重呈现，并用快起音/宽音域/不规则节奏制造显著度。
 **空间与震动**
 14. 【应该】空间信息默认用 **stereo pan（左/中/右 3 档）+ 音量/低通衰减表达远近**；若启用方位训练玩法，用 HRTF（检测到耳机才开启）并在教学关配合确认反馈训练；**不要**用纯音频做「前 vs 后」的生死判定（正常也有 5–10% 前后混淆，谱线索差时可达 35%）。
 15. 【应该】10 种震型只绑**关键事件与告警**（不做装饰性反馈）；震型的**节奏/时长结构与对应音效同构**（同拍点、同长度），利用听触共享的节律加工；所有震型能量集中在引擎有效带内、短促（<1 s）不连续长振，遵循 Android/Apple 语义触觉原则。
 ---
 ## ④ 参考来源列表
 **经典文献 / 一手实验**
 1. Brewster, S.A. — *Guidelines for the Creation of Earcons*（Glasgow）: https://www.dcs.gla.ac.uk/~stephen/earcon_guidelines.shtml
 2. Brewster, Wright & Edwards (1995) — *Experimentally Derived Guidelines for the Creation of Earcons*: https://www.semanticscholar.org/paper/c4fa0a5a72210a25de2918c63d22d31a83945405
 3. Brewster, Wright & Edwards (1993, INTERCHI) — *An Evaluation of Earcons for Use in Auditory Human-Computer Interfaces*: https://eprints.gla.ac.uk/3257/1/CHI4493.pdf
 4. McGookin & Brewster (2004, ACM TAP) — *Understanding Concurrent Earcons*: https://dl.acm.org/doi/pdf/10.1145/1024083.1024087
 5. McGookin (2003, ICAD) — *An Investigation into the Identification of Concurrently Presented Earcons*: https://www.icad.org/websiteV2.0/Conferences/ICAD2003/paper/10%20McGookin.pdf
 6. McGookin 博士论文（Glasgow）— *Understanding and Improving the Identification of Concurrently Presented Earcons*: https://theses.gla.ac.uk/14/
 7. Dingler & Lindsay (2008, ICAD) — *Auditory Icons, Earcons, Spearcons, and Speech (Learnability)*: https://www.icad.org/Proceedings/2008/DinglerLindsay2008.pdf
 8. Nees & Liebman (2023) — *Auditory Icons, Earcons, Spearcons, and Speech: A Systematic Review and Meta-Analysis*, Auditory Perception & Cognition 6(3-4): https://www.tandfonline.com/doi/pdf/10.1080/25742442.2023.2219201
 9. Walker et al. (2013, Human Factors) — *Spearcons Improve Navigation Performance in Advanced Auditory Menus*: https://journals.sagepub.com/doi/10.1177/0018720812450587
 10. Gaver — *Auditory Icons*（Sonification Handbook Ch.13）: https://sonification.de/handbook/chapters/chapter13/
 11. McGookin & Brewster — *Earcons*（Sonification Handbook Ch.14）: https://sonification.de/handbook/chapters/chapter14/
 12. Arons (1992) — *A Review of the Cocktail Party Effect*（MIT OCW）: https://ocw.mit.edu/courses/mas-632-conversational-computer-systems-fall-2008/resources/arons_cocktail/
 13. Ferrand et al. (2019) — *HRTF and Panning Evaluations for Binaural Audio Guidance*: https://hal.science/hal-02948557/document
 **记忆 / 语速 / 感知基础**
 14. Cowan (2001) — *The Magical Number 4 in Short-Term Memory*: https://pubmed.ncbi.nlm.nih.gov/11515286/
 15. Syrdal et al. (2012, Interspeech) — *TTS Intelligibility Across Speech Rates (200–450 wpm)*: https://www.isca-archive.org/interspeech_2012/syrdal12_interspeech.pdf
 16. Hux et al. (2019) — *Effect of TTS Rate on Comprehension*: https://pmc.ncbi.nlm.nih.gov/articles/PMC7231913/
 17. Bernard et al. (2022) — *Rhythm Perception Is Shared Between Audio and Haptics*: https://pmc.ncbi.nlm.nih.gov/articles/PMC8907191/
 18. *When to Use Vibrotactile Displays? A Meta-Analysis*（Applied Ergonomics 2022）: https://www.sciencedirect.com/science/article/abs/pii/S0003687022001259
 19. 听觉场景分析综述/综述页: https://en.wikipedia.org/wiki/Auditory_scene_analysis 、https://tlr-hub.asha.org/cred/auditory-scene-analysis-an-attention-perspective/
 **工程与平台指南**
 20. Material Design — *Applying Sound to UI*: https://m2.material.io/design/sound/applying-sound-to-ui.html
 21. Android — *Haptics Design Principles*: https://developer.android.com/develop/ui/views/haptics/haptics-principles
 22. Apple HIG — *Playing Haptics*: https://developer.apple.com/design/human-interface-guidelines/playing-haptics
 23. Audiokinetic — *Scalable Loudness Processing for Games*: https://www.audiokinetic.com/en/community/blog/loudness-processing-best-practice-chapter-3-scalable-loudness-processing-for-games
 24. Ducking 实践: https://infinitecreation.io/tutorial-ducking-music 、https://vi-control.net/community/threads/ducking-music-volume-to-make-way-for-voice-narration-is-there-a-better-way-than-side-chaining.83139/
 25. 游戏响度: https://ansoaudio.com/2016/07/27/loudness-and-metering-in-game-audio/ 、https://www.stephenschappler.com/2013/07/26/listening-for-loudness-in-video-games/
 26. Haptic 引擎带宽（80–300 Hz）: https://swmansion.com/blog/haptics-is-music-how-to-design-haptic-patterns-that-feel-right/
 **标注为推断、未找到一手来源的条目汇总**
 - 无训练条件下同时可学的新 earcon 数量上限（推断 4–6 个）；
 - 「可区分方位档位数」的直接研究（推断 pan 3 档 / HRTF ≥8 档）；
 - 「earcon 前缀降低语音加工成本」的对照实验（实践惯例）；
 - 语音打断的语句边界策略（推断自语音串行加工与工作记忆证据）；
 - 中文 TTS 语速可懂度曲线（推断 240–300 字/分钟正文）；
 - Brewster 1993 识别率 62%→97% 的具体百分比（二手转述，待从原文核对）。
@@ -0,0 +1,149 @@
 # 纯音频游戏交互设计方法论（v1.0）
 > 本研究项目的核心交付物。综合 5 路文献调研（research/01-literature/）+ 本项目 6 款游戏的交互清点（research/03-schemes/game-inventory.md）+ 两轮玩家代理试玩验证（research/04-playtests/）得出。
 > 用法：**设计/评审任何纯音频游戏交互时，按 §3 交互栈逐层过一遍，用 §4 决策规则按（游戏类型 × 用户 × 场景）推导参数，用 §5 度量验收，§6 反模式一票否决。**
 ---
 ## 0. 一句话总纲
 **视觉游戏的画面是一层「空间上常驻、可随时回读」的信息；听觉是一层「时间上串行、过耳即逝」的信息。纯音频游戏交互设计的中心问题，就是用时间上可预测的声音结构，重建空间上常驻的信息层——让玩家在任意时刻都能在 2 秒内答出：我在哪、在发生什么、轮到我了吗、我该做什么。**
 玩家「不知道自己处于什么状态」的根因不是声音太少，而是**状态信号不可预测**：事件层的音效很多，但缺少「可预期的、成结构的状态表达」。由此得出下面的公理与栈。
 ## 1. 四通道模型（原语）
 | 通道 | 带宽 | 时间特性 | 承载 | 约束 |
 |---|---|---|---|---|
 | **语音 TTS** | 高（≈4.5字/秒） | 串行、独占、慢 | 指令、归因、状态查询、叙事 | 并发 ≤2 条（CHI'25）；必须可打断、逐句跳过、可重听；语速可调（视障档至 ≥2.2×） |
 | **音效/earcon** | 低（每音 1~3 bit） | 即时、可叠 | 事件刻画、信息类别前缀、回合标记 | 同类事件跨游戏同音色（Friberg 分类学）；写实声学须夸张化才可读（BlindSide 教训） |
 | **音乐/BGM** | 中（情绪+结构） | 连续、常驻 | **宏观状态签名**、进度段落、紧张度 | 状态→曲目一一对应（「状态即音乐」已有规范）；语音播放时 duck 至 20% |
 | **震动** | 极低（10~25 个可学模式） | 即时、独占 | 操作反馈（对/错）、离散事件、静默场景兜底 | iOS 无震动→静默降级绝不回退提示音（既有裁定）；静音玩法（摸鱼档）震动语言 ≤6 语义 |
 **分工铁律**：语音说「你要做什么」，音效说「正在发生什么类别的事」，音乐说「你在哪个状态」，震动说「你刚才那下对不对」。四者语义不得混用——用户反馈⑦的根因（提示音混淆）就是音效抢了震动的语义。
 ## 2. 七条设计公理（不可妥协）
 - **A1 状态常显**：任何时刻玩家都能用两个途径获知状态——被动：BGM 状态签名 2 秒可辨；主动：status key 手势随时查询「我在哪/有什么/能做什么」。二者都必须存在。
 - **A2 回合明确**：等待输入的开始与结束都有标记（turn cue 音+可选语音）；任何等待 >3 秒必须有声（进度音/环境声/心跳），**绝无静默死局**。
 - **A3 信息分层**：关键事件 > 指令播报 > 环境氛围，用音量域+音色域区分优先级；并发语音 ≤2，其余排队或降级为音效。
 - **A4 归因闭环**：失败后 ≤2 秒内语音回答三问：为什么输（具体行为）、差多少（量化差距）、下次一条建议；随后重试入口 ≤2 秒。失败不可归因是弃游强预测因子（CHI'25）。
 - **A5 零惩罚教学**：学习期（首局/前 2 次失败）不扣任何资源、自动降难；首胜 ≤3 分钟保送；**需要超过一句话解释的机制直接砍掉**（Blind Drive 铁律）。
 - **A6 全局一致**：同一语义永远同一声音/震动（跨 6 款游戏）；**探索-激活分离**——单击预览/播报，双击执行（读屏惯例，资深视障玩家零学习成本）。
 - **A7 场景显式**：手机网页拿不到可靠上下文传感器——场景适配做成**入口显式选择 + 记忆上次选择**（通勤/摸鱼/睡前/下班四档参数包），不搞自动切换（A 与 B 的响度需求互斥）。
 ## 3. 交互栈（五层，逐层实现状态感知）
 ### L1 反馈层 ——「你刚才那下，机器收到了」
 - 每次触摸（含无效手势）**≤100ms** 给确认：震动（引擎已内置 swipe/confirm/error）+ 结果性音效 ≤1s。
 - 无效手势给 `error` 震动 + 纠错语音（见 L4），**绝不静默**（storyline 现状：无效手势零反馈，必须修）。
 - 反模式：只在「做对」时有反馈；错误时静默或只震不说。
 ### L2 事件层 ——「发生了什么类别的事」
 - 每个可交互对象/事件一个独特音色，按 Friberg 五分类（avatar/object/character/ornamental/instruction）管理词汇表。
 - **earcon 只做「粗类别」标记，语义靠语音承载**：实验结论——earcon 达到 100% 识别平均要 8.5 轮训练，语音只需 1.14 轮（Dingler & Lindsay, ICAD 2008）；元分析排序为 语音 ≈ spearcon > 混合告警 > 拟真音 > earcon。因此：类别 earcon 全游戏 ≤5~7 个、开场显式教一次、只回答「这条信息要不要行动」，具体内容永远用语音说。
 - **earcon 合成硬参数**（Brewster 指南）：总长 0.25~0.4s、单音符 ≥0.08s、每秒 ≤6 音符、频带 125Hz~5kHz、响度高于 BGM 背景约 +10dB；类别区分用「音色定家族 → 节奏定子类 → 音高细分」的层级结构（音高单独区分需要 2~3 个八度，不可依赖）。
 - 威胁类事件必须有**前置预警窗**：预警音 → 判定的时间窗 1.5~2s 起调（Blind Drive P3），预警强度随距离/紧迫度连续上升；告警三重呈现=快起音宽音域 earcon + 语音 + 震动。
 - 反模式：所有音效同等响度同等音色域；用写实但不可读的声学；用 earcon 承载需要「听懂」的精细语义；pitch 单音高区分状态。
 ### L3 状态层 ——「我在哪」（本方法论的核心层）
 - **状态 earcon 签名**：每个宏观状态（菜单/探索/战斗/抉择/结算/危险，**全项目共 6 个，不多做**）绑定一个 2~3 音签名 earcon（家族=音色、子类=节奏，见 L2 参数），**进入状态时播**（不是退出时）；签名跨游戏同族（菜单永远是那两个下行音）；开场教学里把 6 个签名各教一次（「听到这个音=进入战斗」）。
 - **状态即音乐**：状态 BGM 一一对应（既有 10 号规范），音乐段落编码进度；并发声流 ≤2（ASA：人同时只能注意 1~2 条声流；并发 earcon 识别率仅 ~30%，McGookin & Brewster）。
 - **被动阈值播报**：生命/时间/资源在 75/50/25/15% 节点自动短促播报（配独立音色+震动），<15% 转持续脉动；杜绝「毫无预兆死亡」。
 - **status key**：全局手势（长按/上滑）随时播报：游戏名/阶段/生命与关键资源/当前目标/**当前可用手势清单**（三十年音频游戏惯例）；单次播报 ≤3 个选项（听觉工作记忆 ≈4 chunks，Cowan 2001）。
 - **全局混音签名**（P7）：状态不只靠提示音——低血量=全声场闷化/心跳叠加，让「耳朵里整体感觉不对」。
 - 反模式：只在大厅有状态表达，局内没有；状态查询要进二级菜单；签名 earcon 超过 6 个或不在教学里出现。
 ### L4 引导层 ——「向导」
 - **向导人设**：一个角色化系统声持续播报方位/下一步（A Blind Legend 的 Louise 模式，P1）；系统音与叙事音色分离（P2）。
 - **静默看门狗**：等待输入无操作 3~5s → 轻 turn cue 复述；二次 escalate 播上下文提示；之后停止（不轰炸）。卡关 60/120/180s 三级提示（escape 已有，推广到全游戏）。
 - **开场三要素模板**（P9）：每局开场 ≤60s 讲完 地形/场景 → 目标 → 威胁音色预览（先在教学里听一次威胁声，实战才认得）；首次进入某游戏时把该游戏用到的**状态签名 earcon 各教一次**（「这个音是战斗」），因为 earcon 不教不认识（8.5 轮训练结论）。
 - **Prime→Teach→Observe**：预听示范 → 首局中做一次 → 后续局自然复现；教学寄生局内、≤90s、永远可跳过；同一手势 10 分钟内 2~3 情境复现。
 - **向导等级设置**：`full`（全语音向导）/`standard`（仅 earcon+关键语音）/`off`（老手），全局设置 + 每游戏入口显式问一次。
 - 反模式：弹窗式教学；开场不能跳的长教程；提示打断操作节奏。
 ### L5 会话层 ——「随时来，随时走，随时接着玩」
 - 单局 3~5 分钟结构：≤10s 可操作开局 → 单峰爬升 → 高潮 → 15~30s 结算；每 30~60s 一个奖励点。
 - **断点续玩**：任意时刻可退出；重进 ≤5s 回到可玩状态，开局 5 秒语音**局面复述**（上次到哪/现在该做什么——被打断后恢复平均要 23 分钟，恢复成本游戏承担）。
 - **开环钩子**：结算必含一个未完成项（Zeigarnik）；奖励放下一局开头。
 - **失败结算 ≤15 秒**必答 A4 三问。
 - 反模式：结算只有分数没有归因；退出丢进度；重进从头再来。
 ## 4. 决策规则：从（游戏类型 × 用户 × 场景）推导方案
 方法论给出的不是单一方案，而是一台「推导机」：
 ### 4.1 游戏类型 → 状态层重点
 | 游戏类型 | 信息结构 | 状态层重点（在本项目中的游戏） |
 |---|---|---|
 | 叙事抉择型 | 线性节点+分支 | 抉择窗口标记（「请选择」earcon 前缀+选项预听）、进度段落化（幕/章）(storyline) |
 | 空间探索型 | 图状空间 | 方位连续参数映射（夹角→音高/距离→ping 节奏，Shades of Doom 参数表）、撞墙归因、目标方向信标 (escape) |
 | 记忆复现型 | 序列 | 听/答阶段切换标记（最强 turn cue 需求）、序列长度进度 (simon) |
 | 节奏跟随型 | 时间网格 | 领奏/应答角色切换标记、拍面锚点（beat 震+音已有）、判定反馈分级 (rhythm) |
 | 反应闪避型 | 连续流 | 威胁方位离散化（≤4 象限）、预警窗、受击归因、难度自适应三档 (space) |
 | 回合策略型 | 轮转 | 回合权轮转标记（谁回合）、指令菜单列表导航、格挡窗口纠错、血量阈值播报 (rpg) |
 ### 4.2 用户 → 旋钮（叠加在基线上）
 | 用户 | 默认向导等级 | 关键旋钮 |
 |---|---|---|
 | 视障玩家 | standard（尊重专家，别当白痴） | 语速上限 ≥2.2×、完整空间信息、读屏共存、绝不简化深度（反「把盲人当白痴」） |
 | 时间充裕大学生 | standard | 保留成长深度、引导全可跳过、开环钩子拉留存 |
 | 时间紧张白领 | full（上手快） | 3 分钟一局、断点秒续、摸鱼档（静音震动玩法，≤6 震动语义） |
 | 疲惫工人 | full | 零新信息教学（只复用已学手势）、容错拉满、二值化反馈、低认知负荷 |
 ### 4.3 场景 → 参数包（入口显式选择，A7）
 | 参数包 | 语速 | 响度/混音 | 单局 | 特有机制 |
 |---|---|---|---|---|
 | A 通勤·噪声鲁棒 | 0.9×+句间停顿 | 关键信息两遍式、响度提亮 | 3 分钟、到站可弃 | 关键值重听零成本 |
 | B 摸鱼·静默震动 | —（全静音） | 仅震动语言 | ≤3 分钟、随时弃 | 自动暂停+一句话续玩 |
 | C 睡前·助眠低负 | 默认 | 低音量暖音色 | 不限 | 睡眠定时器软着陆、失败即鼓励 |
 | D 下班·轻回血 | 默认 | 扬声器免耳机 | 短局 | 即时正反馈前置、容错拉满 |
 **推导算法**：方案 = 全局基线（§3 全栈） → 按 4.1 加该游戏类型的重点项 → 按 4.2 设用户旋钮 → 按 4.3 叠场景参数包。任何一步冲突时优先级：安全（听力/场合）> 状态感知 > 沉浸感。
 ## 5. 度量与验证（方法论的自证闭环）
 三层验证，逐层便宜：
 1. **转写审计（自动化，每轮必跑）**：用玩家感知转写器（web/harness/）对每游戏生成整局信息流日志，自动统计四个指标：
   - **turn cue 覆盖率**：每个「等待输入」前是否有标记（目标 100%）；
   - **静默死局数**：等待输入且无声 >5s 的段数（目标 0）；
   - **归因完整率**：失败事件后 2s 内有三问语音的比例（目标 100%）；
   - **状态可辨识性**：任意转写点，仅凭最近 2s 的声音事件能否判断宏观状态（抽查，目标 ≥95%）。
 2. **玩家代理评审（每轮必跑）**：4 人设（视障/大学生/白领/工人）读转写写心得，按「状态感知自评 1-5 / 我知道下一步该做什么吗 / 是否愿意继续玩 / P0 问题清单」结构化输出。**结题门槛见章程 §4**。
 3. **真机人类听测（发布前）**：音色美感、响度舒适、双耳定位精度、蓝牙延迟——代理无法替代（roadmap §4 既有流程）。
 ## 6. 反模式清单（一票否决）
 1. 静默死局：等待输入时无声无提示。
 2. 不可打断语音 / 不可重听的关键指令。
 3. 失败只给「错了」，不给归因与下一步。
 4. 数字/碎片拼接语音；一句话讲不完的机制。
 5. 提示音与游戏内容音混用同一语义域（反馈⑦根因）。
 6. 弹窗式/不可跳过教学；新手期惩罚性失败。
 7. 跨游戏语义不一致（同语义不同声、同声不同义）。
 8. 黑屏寂静的结算/等待（黑屏=崩溃误解，P13：屏幕要有呼吸感，音频同理要有生命迹象音）。
 9. 为「纯音频」而砍深度（视障社区最反感）；反之，为深度而堆并发语音（>2 条）。
 10. 自动感知场景并切换参数（不可靠；要显式选择）。
 ## 7. 与本项目既有实现的差距表（落地索引）
 | 方法论条目 | 本项目现状 | 差距动作 |
 |---|---|---|
 | A1 状态 BGM | ✅ 10 号规范已实现 | 无 |
 | A1 status key | 部分（上滑=帮助/状态，各游戏实现不一） | 统一内容模板：状态+目标+可用手势 |
 | A2 turn cue | ❌（仅 rpg 有 turn_player） | 引擎 guide 层统一实现 |
 | A2 静默看门狗 | 部分（escape 三级提示；storyline/simon 无） | 引擎 guide 层统一实现 |
 | A4 归因闭环 | 部分（space 有归因语音；rhythm Miss 无语音） | 逐游戏补纠错语音 |
 | A6 earcon 词表 | ❌（无 earcon 体系） | 引擎 guide 层运行时合成词表 |
 | A6 探索-激活分离 | 部分（菜单单击循环+双击确认已有） | 保持，不全盘改单击语义（改动成本>收益，见方案文档裁定） |
 | A7 场景参数包 | ❌ | 大厅入口场景选择（本轮先落参数包 A/C 的最小集，见方案文档分期） |
 | L5 断点续玩 | 部分（rpg/escape 有存档；局面复述无） | 重进时播局面复述一句 |
 | 语音可打断/语速 | ✅ 打断/长按快进/1.7× 已有 | 语速档补 2.2×（视障档） |
 ---
 *参考来源：research/01-literature/01~05 各报告末尾来源列表（合计 100+ 条）；本项目用户反馈裁定档案 docs/design/00~13。*
@@ -0,0 +1,101 @@
 # 交互方案 v1（由方法论推导的实施蓝图）
 > 推导路径：方法论 §3 交互栈 → 本项目差距表（methodology §7）→ 结合 6 游戏交互清点（game-inventory.md）落成本方案。
 > 分期裁定：**本轮（v1）只实现「全局基线」= 引擎向导层 + 逐游戏接线**；场景参数包（通勤/摸鱼/睡前/下班）与人设旋钮在 v1 试玩验证后按反馈分期（见 §4）。
 ## 1. 全局向导层 `web/engine/guide.js`（新引擎模块）
 ### 1.1 设计立场
 - **语音承载语义，earcon 只做粗标记**（L2 铁律）：签名 earcon 全项目仅 6 个状态 + 2 个功能音，全部**运行时合成**（代码即生成脚本，零资产、可复现、天然双平台），参数守方法论 L2 硬边界（0.25~0.4s、单音 ≥0.08s、125Hz~5kHz、家族=音色/子类=节奏）。
 - 向导默认开启（`guide: 'full'`），**老手可关**；`standard` 只留 earcon+震动，`off` 全静——尊重专家、服务新手（反「把玩家当白痴」）。
 - 向导绝不打断内容：插播语音一律 `queue:true` 或等 voice 链尾；earcon 音量低于 BGM 背景约 +10dB。
 ### 1.2 API（游戏侧用法）
 ```js
 import { Guide } from '../engine/guide.js';
 const guide = new Guide(audio);        // 游戏构造时创建一次
 guide.level();                          // 'full' | 'standard' | 'off'（读 settings.guide）
 guide.state('battle');                  // L3：播状态签名 earcon（'menu'|'explore'|'battle'|'choice'|'settle'|'danger'）
 guide.turn({ voice: 'gd_your_turn', haptic: true });  // L3/A2：回合标记——earcon（turn）+ 可选轻震 + 可选语音（full 档才播 voice）
 guide.watchdog({ arm: true, at: [8000, 20000],         // L4：静默看门狗：8s 轻 earcon 提醒，
                  onEscalate: (n) => ... });            //       20s 升级回调（游戏播上下文提示）；手势或 watch disarm 复位
 guide.error({ voice: 'gd_parry_miss', onceKey: 'parry' }); // A4：纠错——error 震（游戏层已有则传 skipHaptic）+ full 档语音（onceKey 同局只播一次）
 guide.setEventHook(fn);                 // 转写 harness 用：guide 事件流（earcon 名/语音 id/等级）→ fn(evt)
 ```
 ### 1.3 引擎配套改动
 - `audio.js`：新增公开 `isVoicePlaying()`（收编各游戏对私有 `audio._voice` 的读取，HANDOVER 已知问题清一项）；新增 `setRateBoostEnabled(bool)`（长按快进 per-game 开关，rhythm/space 演奏期豁免，清另一项）。
 - `settings.js`：`VALID` 增加 `guide: 'full'|'standard'|'off'`（默认 `'full'`）；`speed` 增加 `2.2` 档（视障档，03 报告：资深用户 250+ WPM）。
 - 大厅 `index.html` 设置面板：加「向导帮助：详细/只听提示音/关闭」下拉；语速下拉加「特快++」。
 - 同步义务：`docs/web-engine-api.md`、`docs/design/00-global-ux.md` §1 设置表 + 新增 §6 向导层节；`docs/design/14-guide-layer.md` 设计裁定存档。
 ### 1.4 状态签名 earcon 词表（6 状态 + 2 功能，全项目统一）
 | 名 | 音色家族 | 节奏轮廓 | 语义 |
 |---|---|---|---|
 | `menu` | 柔和正弦双音 | 下行二度 | 系统界面 |
 | `explore` | 温暖三角波单音 | 单音长尾 | 探索/安全 |
 | `battle` | 略紧方波双音 | 上行纯五度短促 | 战斗/对抗 |
 | `choice` | 清亮正弦三音 | 上行琶音 | 抉择/等待输入 |
 | `settle` | 柔和三音 | 下行三连（松弛） | 结算/告一段落 |
 | `danger` | 低频双音 | 急促重复 | 危险（配合既有 danger 震） |
 | `turn` | 风铃质感单音 | 单音短 | 轮到你了 |
 | `nudge` | 极轻木鱼单音 | 单音极短 | 看门狗轻提醒 |
 教学义务：full 档下，各游戏开场教学把「本局用到的签名」各带教一次（语音句内口播「听到这个音，就是…」）。
 ### 1.5 新增语音资产（全部走 gen_voice_dual.py 台词表，旁白 speaker+同游戏同 instruct）
 | 游戏 | id | 文本 | 触发 |
 |---|---|---|---|
 | storyline | `gd_continue` | 轻触屏幕，继续。 | W1 叙事节点播完静默 8s（看门狗第 1 级） |
 | storyline | `gd_invalid` | 这个操作在这里用不上。 | 无效手势（静默 return 处，同局限 2 次） |
 | simon | `gd_relisten` | 需要的话，双击可以重新听一遍序列。 | input 阶段 10s 无输入（不改变重听扣机会规则） |
 | rhythm | `gd_answer` | 现在跟着我打。 | 每曲首次领奏→应答切换 |
 | rhythm | `gd_miss` | 慢了半拍，下一小节跟上我就行。 | 连续 2 次 Miss（同曲限 1 次） |
 | space | `gd_hit_hint` | 被撞了。听方位，同向滑动就能拨开。 | 对局第 1 次受击（保护期外，同局 1 次） |
 | rpg | `gd_parry_miss` | 前摇声起的时候双击，才能格挡。 | 格挡窗口内做错（每场战斗 1 次） |
 | rpg | `gd_stall` | 想好了吗？左右滑动选择，单击出手。 | PLAYER_SELECT 60s 无输入 |
 （共 8 句 ×2 性别 = 16 个文件；storyline `gd_*` 用 _SL_NARR、其余用各游戏旁白 instruct。）
 ## 2. 逐游戏接线方案（依据 game-inventory.md 薄弱点）
 | 游戏 | 薄弱点（清点结论） | 接线（钩子位置见清点行号） |
 |---|---|---|
 | storyline | W1 完全静默等待；无效手势零反馈 | `onNodeSeqDone`(:214→226) 挂 watchdog[8s]=nudge+`gd_continue`，[20s]=复用 `playHelpAndResume`；静默 return 处加 error 震 + `gd_invalid`；结算态挂 watchdog |
 | simon | input 阶段无 BGM 无超时，挂机永久静默 | `_toInput`(:321) 挂 watchdog[10s]=nudge+`gd_relisten`，[25s]=自动重听序列一次（免扣机会，每局 2 次）；`your_turn` 泛化为 turn earcon（每轮） |
 | escape | PLAY 无主动帮助；错误反馈已最全 | 撞墙 2 次后 `_checkStuck`(:479) 提前一级（向导 full 档）；REOPEN/`_advance` done 后 turn cue；其余保持（勿重复造轮子） |
 | rhythm | 领奏→应答零显式标记；Miss 无语音；结算链无看门狗 | 谱面排程处推 `gd_answer`（每曲首次）；`_applyMiss`(:548) 连 2 Miss 播 `gd_miss`（queue:true）；`_finish`(:679) 换 `_speakGuarded`；main 阶段 `setRateBoostEnabled(false)` |
 | space | 受击归因式缺指令式；结算链无看门狗 | 第 1 次受击追加 `gd_hit_hint`；`_gameOver`(:573) 换 guarded；feature 等待已有 8s 上限保持 |
 | rpg | 格挡窗口内做错仅震动；PLAYER_SELECT 挂机无提示 | 窗口内错手势 → `guide.error({voice:'gd_parry_miss', onceKey})`(:675)；PLAYER_SELECT 挂 watchdog[60s]=`gd_stall`；状态 BGM 进入点补 `guide.state()` 签名 |
 各游戏 `start()` 时按宏观状态调 `guide.state(...)`（探索进 explore、进战斗 battle、菜单 menu、结算 settle），与既有状态 BGM 同点触发（同一行附近，不另造状态机）。
 ### 测试策略（回归保护）
 - 6 个既有 playtest：setup 统一 `settings.set({ guide: 'off' })`（验证纯游戏逻辑不变），断言零改动为第一目标；个别必须感知向导的断言按 13 号文档流程补记后修改。
 - 新增 `web/harness/guide.test.mjs`：storyline+simon 两代表游戏，`guide: 'full'` 下断言 turn cue/watchdog/error 三 API 的行为与等级衰减。
 ## 3. 人设 × 场景适配矩阵（v1 边界与分期）
 | | 通勤·噪声 | 摸鱼·静默 | 睡前·低负 | 下班·回血 |
 |---|---|---|---|---|
 | 大学生(深玩) | 基线即可 | — | C 档 | D 档 |
 | 视障(专家) | 基线+2.2×语速 | 不适用 | 基线 | 基线 |
 | 白领(碎片) | A 档 | **B 档（震动语言）** | — | D 档 |
 | 工人(疲惫) | 基线 | — | **C 档** | D 档 |
 - **v1 已含**：基线（向导层）+ 视障旋钮（语速 2.2 档）+ guide 等级设置。
 - **v2 候选（按本轮玩家代理反馈定优先级）**：A 档两遍式关键播报、C 档睡眠定时器+暖音量曲线、D 档容错参数、B 档纯震动玩法（带宽仅 ≤6 语义，只适合 storyline/rpg 轮转类，工程量最大）。
 - 裁定理由：B 档需为震动重设计输入语义，独立立项；先把「状态感知」基线做扎实（章程核心痛点），避免首轮摊子过大无法验证。
 ## 4. 玩家代理评审规程（RQ8 闭环）
 - 输入：6 游戏转写（guide:'full' 新手会话）+ 本方案 §1/§2 摘要 + 人设卡（research/04-playtests/personas.md）。
 - 输出：每人设对每游戏一段心得 + 结构化评分：状态感知(1-5)/下一步明确性(1-5)/愿意继续玩(y/n)/P0 问题清单/改进建议。
 - 门槛（章程 §4）：≥3/4 人设愿意继续玩且无人设 P0 状态混淆 → 结题；否则修订方案/实现后重跑。
@@ -0,0 +1,39 @@
 # 玩家人设卡（玩家代理评审用）
 > 用途：每位玩家代理读「人设卡 + 6 游戏试玩转写」后，以该人设的口吻与判断力写试玩心得并结构化评分（规程见 schemes.md §4）。
 > 评审**只基于转写所呈现的信息流**（玩家每秒知道什么/被要求做什么），不评审音色美感与响度（转写无法呈现，属真机人类听测范畴）。评分时须把「我读的是转写」纳入考虑：请按「如果我是这个人在真机听到这些」来代入。
 ## P1 视障资深玩家（专业评委）
 - 背景：先天失明，15 年读屏用户（iOS VoiceOver 语速常年 75 档），audiogames.net 老用户，玩过 Shades of Doom、A Blind Legend、Blind Drive。
 - 在乎：听觉惯例（双击确认、逐句跳过、status key）、语速上限、信息密度与效率、**绝不接受被当成白痴**；反感过度简化，也反感信息过载。
 - 场景：居家安静环境，愿意深玩。
 - 特别检查项：语音可否打断/重听；等待有无声；失败可否归因；菜单列表导航是否规整。
 ## P2 时间充裕的大学生
 - 背景：20 岁，宿舍躺床戴耳机玩手游，原神/明日方舟深度玩家，对「设计感」敏感，愿意给第二次机会但讨厌说教和拖沓。
 - 在乎：上手节奏（头 3 分钟）、沉浸感、成长与钩子、单局结束想不想开下一局。
 - 场景：睡前 23:30 躺床，音量正常。
 - 特别检查项：开头多少秒能动手；有没有保送首胜；结算是否想让人再来一局。
 ## P3 时间紧张的白领
 - 背景：32 岁，地铁单程 25 分钟（嘈杂），上班偶尔摸鱼（怕出声、随时被打断），只玩过消消乐类。
 - 在乎：3 分钟内有没有一次完整乐趣；被打断后能不能一句话接上；会不会太吵；操作能不能单手盲操。
 - 场景：地铁车厢，站立单手持机。
 - 特别检查项：关键信息听不清怎么办；中断恢复；单局长度；有无沉默尴尬期。
 ## P4 疲惫的工人
 - 背景：45 岁，建筑工地收工，睡前在集体宿舍玩手机，不太会复杂操作，反应不快，游戏经验少。
 - 在乎：规则能不能一遍听懂；做错了会不会骂我；能不能轻松赢一次；会不会越玩越累。
 - 场景：下班后 21:00，宿舍，外放小音量。
 - 特别检查项：教学语速与句长；容错（错了几次会怎样）；反馈是否即时温暖；有无pressure（倒计时/惩罚）。
 ## 结构化输出格式（每游戏一段）
 ```
 ### <游戏名>
 - 状态感知：x/5 ——（何时清楚/何时迷失，引用转写时间点）
 - 下一步明确性：x/5 ——（哪些时刻不知道该做什么）
 - 愿意继续玩：是/否 ——（一句话理由）
 - P0 问题：（不知道自己在哪/该做什么/为何失败 的具体时刻；无则写「无」）
 - 建议：≤3 条，按对「我愿意玩下去」的影响排序
 ```