第二批反馈：引擎改造(限幅/SoundTouch不变调变速/长按快进/跳句/iOS闪光降级) + 6游戏状态BGM与试玩测试全绿

web/rpg/gen/README.md

@@ -1,34 +1,35 @@
-# web/rpg 音频资产清单与再生成方法（R4）
+# web/rpg 音频资产清单与再生成方法（R4；R6 更新）
 
-设计依据：`docs/design/05-rpg-ch1-voice-ids.md`（台词）、`05-rpg-chapter1.md`（场景/战斗/资产清单）、`05-rpg-addendum.md`（层叠修正）。
+设计依据：`docs/design/05-rpg-ch1-voice-ids.md`（台词）、`05-rpg-chapter1.md`（场景/战斗/资产清单）、`05-rpg-addendum.md`（层叠修正）、`docs/design/11-rpg-battle-rebalance.md`（R6 战斗重构缺口资产）。
 
 ## 目录结构
 
 ```
 web/rpg/audio/
 ├── voice/
-│   ├── male/      # 旁白 107 id（Uncle_Fu，说书人）×{ogg,m4a}
-│   ├── female/    # 旁白 107 id（Serena，讲武侠故事）×{ogg,m4a}
+│   ├── male/      # 旁白 118 id（Uncle_Fu，说书人）×{ogg,m4a}
+│   ├── female/    # 旁白 118 id（Serena，讲武侠故事）×{ogg,m4a}
 │   └── npc_*.     # NPC 14 id 单音色平铺（引擎平铺回退，同 storyline 角色模式）
-├── bgm/           # village / battle / boss / ending（90s 无缝循环，loudnorm -20）
-└── sfx/           # 35 件（tel_* 9 / 战斗 6+SYN2 / 探索 4+SYN3 / amb_* 11）
+├── bgm/           # village / battle / boss / ending（R4）+ menu / explore（R6）；90s 无缝循环
+└── sfx/           # 37 件（tel_* 9 / 战斗 7 / 探索 4 / SYN 6 / amb_* 11）
 ```
 
-## voice（107 旁白 id + 14 NPC id）
+## voice（118 旁白 id + 14 NPC id）
 
-- 旁白 id 分组：A 序章 `intro_1..3`；S 系统 `sys_* help_* settings_hint st_*`（28）；D 场景 `desc_*`（16）；O 选项 `opt_*`（18）；E 事件 `evt_*`（6）；B 战斗 `btl_* cmd_* tut_*`（26）；SH 商店 `shop_*`（7）；addendum 补录敌方档位 `foe_hp_high/mid/low`（3）。
+- 旁白 id 分组：A 序章 `intro_1..3`；S 系统 `sys_* help_* settings_hint st_*`（28）+ R6 `skip_hint`；D 场景 `desc_*`（16，gate/boss1 按设计无 _re 回访句）；O 选项 `opt_*`（18）；E 事件 `evt_*`（6）；B 战斗 `btl_* cmd_* tut_*`（32，含 R5 补录 `btl_half_bandit`、R6 首战教学 `tut_battle_1..5` 与 11 号文档补录 `tut_b0 tut_b6 btl_flee_fail boss1_warn`）；SH 商店 `shop_*`（7）；addendum 补录敌方档位 `foe_hp_high/mid/low`（3）。
 - NPC（平铺，speaker+instruct 恒定）：村长 `npc_headman_1..4`（Uncle_Fu·慈祥和缓的老者）；老猎人 `npc_hunter_1..4`（Eric·沙哑粗犷豪爽）；寨丁头目 `npc_elite_1/half/die`（Dylan·凶狠粗鲁）；黑风寨主 `npc_boss1_1/2/die`（Uncle_Fu·低沉阴狠——与村长同 speaker 不同 instruct，请试听区分度）。
 - 再生成：`source env.d/tts.sh && flock .gpu.lock .venv-tts/bin/python tools/gen_voice_dual.py --game rpg --gender both`（staging 在 `tools/gen_voice_dual_wav/rpg/`，断点续跑；`--only id1,id2` 单句重录；`--check` 两性时长离群检查；`--convert` 转 ogg+m4a）。
+- R6 缺口 4 句（`tut_b0 tut_b6 btl_flee_fail boss1_warn`）：`flock .gpu.lock .venv-tts/bin/python web/rpg/gen/gen_gap_voice.py`，再 `--check` / `--convert`（staging 在 `web/rpg/gen/staging/voice/`，音色/instruct/质控同主管线）。
 
-## bgm（4 首，Mureka）
+## bgm（6 首，Mureka）
 
-`village`（村庄/安全区）`battle`（普通战斗）`boss`（Boss 战）`ending`（章结算）。探索期**无音乐**（addendum §3），`amb_*` 由游戏层手动 loop 接 sfx 总线。再生成：`source env.d/mureka.sh && python3 tools/mureka_gen.py --prompt ... --out tools/mureka_out/rpg_<id>`（prompt 见 `tools/mureka_log.md` R4 节与本目录设计文档）。
+`village`（村庄/安全区）`battle`（普通战斗）`boss`（Boss 战）`ending`（章结算）+ R6 新增 `menu`（模态菜单 pad，-24 LUFS）与 `explore`（探索轻垫，引擎 volume 0.35，10 文档 §7 恢复）。`amb_*` 仍由游戏层手动 loop 接 sfx 总线（不变）。再生成：`source env.d/mureka.sh && python3 tools/mureka_gen.py --prompt ... --out tools/mureka_out/rpg_<id>`（prompt 见 `tools/mureka_log.md`；R6 两首的 task id 见 docs/audio/round6-report.md §2）。
 
-## sfx（35 件）
+## sfx（37 件）
 
-- SA3 生成 29 件（`tools/gen_rpg_sfx.sh`，staging `tools/gen_rpg_sfx_wav/`）：前摇 `tel_wolf tel_bandit tel_spider tel_elite tel_boss1 tel_croc tel_shaman tel_puppet tel_boss2`（裁 1.0s 格挡窗口）；战斗 `atk_swing atk_hit parry skill_slash enemy_die potion`；探索 `chest drink_water rest door_heavy`；环境 `amb_village amb_path amb_fork amb_chest amb_stream amb_hunter amb_deepwood amb_gate amb_hall amb_swamp amb_peak`（6s→1s 首尾交叉淡化成 5s 循环，均值 -25dB）。
-- 程序合成 5 件（numpy，`tools/gen_rpg_syn.py`）：`hurt`（低频闷击）`flee`（渐远脚步）`step`（单步）`coin`（硬币叮当）`levelup`（A 小调五声上行钟声琶音）。
-- one-shot 统一峰值 -1dBFS；`ui_deny` 按设计不做（反馈走震动）。
+- SA3 生成 30 件（R4 批 `tools/gen_rpg_sfx.sh`，staging `tools/gen_rpg_sfx_wav/`；R6 `victory` 用 `web/rpg/gen/gen_gap_sfx.sh`，staging `web/rpg/gen/staging/sfx/`）：前摇 `tel_wolf tel_bandit tel_spider tel_elite tel_boss1 tel_croc tel_shaman tel_puppet tel_boss2`（裁 1.0s 格挡窗口）；战斗 `atk_swing atk_hit parry skill_slash enemy_die potion victory`（胜利号角 1.2s）；探索 `chest drink_water rest door_heavy`；环境 `amb_village amb_path amb_fork amb_chest amb_stream amb_hunter amb_deepwood amb_gate amb_hall amb_swamp amb_peak`（6s→1s 首尾交叉淡化成 5s 循环，均值 -25dB）。
+- 程序合成 6 件（numpy；R4 五件 `tools/gen_rpg_syn.py`，R6 `turn_player` 由 `web/rpg/gen/gen_gap_sfx.py` 合成）：`hurt`（低频闷击）`flee`（渐远脚步）`step`（单步）`coin`（硬币叮当）`levelup`（A 小调五声上行钟声琶音）`turn_player`（E5→A5 上行双音拨弦 0.36s，"轮到你"听觉标点）。
+- one-shot 统一 R6 标准：去直流 + 首尾 8ms cos² 淡入淡出 + 峰值 -3dBFS（ogg 解码回读真峰值校验）；`ui_deny` 按设计不做（反馈走震动）。
 
 ## 双格式约定
 

web/rpg/gen/gen_gap_sfx.py

@@ -0,0 +1,129 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""R6 缺口 sfx（docs/design/11-rpg-battle-rebalance.md §5）：turn_player / victory。
+
+- turn_player：程序合成（numpy）。上行双音（五声 E5→A5 拨弦质感），≤0.4s，
+  "轮到你"的听觉标点，每回合出现，必须极短不烦。
+- victory：Stable Audio 3 生成（见 gen_gap_sfx.sh，英文 prompt 照录 11 文档：
+  "triumphant short brass fanfare, 3 rising notes, wuxia style, under 1.5 seconds"），
+  本脚本负责后处理：去头静音 + 定长 1.2s。
+
+用法：
+  bash web/rpg/gen/gen_gap_sfx.sh                    # SA3 生成 victory staging（flock GPU）
+  .venv-tts/bin/python web/rpg/gen/gen_gap_sfx.py    # 合成 turn_player + 两者后处理落盘
+
+后处理标准（docs/audio/asset-manifest.md R6 起）：one-shot 去直流 → 首尾 8ms cos²
+淡入淡出 → 峰值 -3dBFS（ogg 解码回读真峰值校验，超 -3dB 降增益重编，首轮附带
+18kHz 低通，最多 3 次迭代）。落盘 web/rpg/audio/sfx/<id>.{ogg,m4a}（q3 / aac 128k）。
+"""
+import os
+import subprocess
+
+import numpy as np
+import soundfile as sf
+
+ROOT = "/home/ubuntu/SoundGame"
+STAGING = os.path.join(ROOT, "web", "rpg", "gen", "staging", "sfx")
+OUT = os.path.join(ROOT, "web", "rpg", "audio", "sfx")
+FFMPEG = os.path.join(ROOT, "tools", "bin", "ffmpeg")
+
+FADE_MS = 8
+PEAK_TARGET = 10 ** (-3.0 / 20)  # -3dBFS
+TRIM = {"victory": 1.2}          # 去头后定长（秒）；turn_player 合成即定长不裁
+
+
+def synth_turn_player(path, sr=44100):
+    """上行双音拨弦：E5(659.25) → A5(880)，各 0.16s，总 0.36s。
+    基波 + 2/3 次谐波指数衰减模拟拨弦亮度，避免纯正弦的"提示音"廉价感。"""
+    def pluck(freq, dur, sr):
+        t = np.arange(int(sr * dur)) / sr
+        env = np.exp(-t * 18)
+        y = (np.sin(2 * np.pi * freq * t)
+             + 0.45 * np.sin(2 * np.pi * freq * 2 * t)
+             + 0.18 * np.sin(2 * np.pi * freq * 3 * t)) * env
+        return y
+    n1 = pluck(659.25, 0.16, sr)
+    n2 = pluck(880.00, 0.20, sr)
+    y = np.concatenate([n1, n2]).astype(np.float32)
+    sf.write(path, y, sr)
+    print(f"[synth] turn_player {len(y) / sr:.2f}s")
+
+
+def head_trim(y, sr, thresh_db=-45):
+    """去头静音（5ms 包络，阈值 -45dB，同 R4/R6 工艺）。"""
+    mono = np.abs(y.mean(axis=1))
+    win = int(sr * 0.005)
+    env = np.convolve(mono, np.ones(win) / win, mode="same")
+    start = int(np.argmax(env > 10 ** (thresh_db / 20)))
+    return y[start:]
+
+
+def fix_array(y, sr):
+    """one-shot 标准：首尾 8ms cos² 淡入淡出 → 峰值归一 -3dBFS → 去直流。"""
+    y = y.astype(np.float64)
+    n = int(sr * FADE_MS / 1000)
+    ramp = np.sin(np.linspace(0, np.pi / 2, n)) ** 2
+    y[:n] *= ramp[:, None] if y.ndim > 1 else ramp
+    y[-n:] *= ramp[::-1][:, None] if y.ndim > 1 else ramp[::-1]
+    peak = np.max(np.abs(y))
+    if peak > 0:
+        y = y / peak * PEAK_TARGET
+    y = y - y.mean(axis=0)
+    return y.astype(np.float32)
+
+
+def encode(wav_path, base):
+    """编码 ogg+m4a；ogg 解码回读真峰值校验（MDCT 过冲根因见 round6-report §1），
+    过冲则降增益重编（首轮附带 18kHz 低通），最多 3 次。返回解码实测峰值 dB。"""
+    subprocess.run([FFMPEG, "-y", "-v", "error", "-i", wav_path, "-ar", "44100",
+                    "-c:a", "aac", "-b:a", "128k", base + ".m4a"], check=True)
+    cur = wav_path
+    peak_db = None
+    for attempt in range(3):
+        subprocess.run([FFMPEG, "-y", "-v", "error", "-i", cur, "-ar", "44100",
+                        "-c:a", "libvorbis", "-q:a", "3", base + ".ogg"], check=True)
+        dec, _sr = sf.read(base + ".ogg", always_2d=True)
+        peak_db = 20 * np.log10(max(float(np.max(np.abs(dec))), 1e-9))
+        if peak_db <= -2.7:
+            break
+        gain_db = -3.2 - peak_db
+        nxt = wav_path + f".tp{attempt}.wav"
+        af = ("lowpass=f=18000," if attempt == 0 else "") + f"volume={gain_db:.2f}dB"
+        subprocess.run([FFMPEG, "-y", "-v", "error", "-i", cur,
+                        "-af", af, "-c:a", "pcm_f32le", nxt], check=True)
+        cur = nxt
+    return peak_db
+
+
+def main():
+    os.makedirs(STAGING, exist_ok=True)
+    os.makedirs(OUT, exist_ok=True)
+
+    tp_staging = os.path.join(STAGING, "turn_player.wav")
+    if not os.path.exists(tp_staging):
+        synth_turn_player(tp_staging)
+
+    for fid in ("turn_player", "victory"):
+        src = os.path.join(STAGING, fid + ".wav")
+        if not os.path.exists(src):
+            print(f"[WARN] 缺 staging {fid}.wav（victory 需先跑 gen_gap_sfx.sh 生成）")
+            continue
+        y, sr = sf.read(src, always_2d=True)
+        y = head_trim(y, sr)
+        if fid in TRIM:
+            y = y[:int(sr * TRIM[fid])]
+        y = fix_array(y, sr)
+        fixed = os.path.join(STAGING, fid + ".fixed.wav")
+        sf.write(fixed, y, sr)
+        base = os.path.join(OUT, fid)
+        peak_db = encode(fixed, base)
+        dur = len(y) / sr
+        mono = y.mean(axis=1)
+        print(f"[ok] {fid}  dur={dur:.2f}s  true_peak={peak_db:.2f}dBFS  "
+              f"dc={float(np.mean(mono)):.5f} -> {base}.{{ogg,m4a}}")
+        assert dur <= 0.4 if fid == "turn_player" else dur <= 1.2, f"{fid} 超长 {dur:.2f}s"
+        assert peak_db <= -2.7, f"{fid} 真峰值超标 {peak_db:.2f}dB"
+
+
+if __name__ == "__main__":
+    main()

web/rpg/gen/gen_gap_sfx.sh

@@ -0,0 +1,16 @@
+#!/usr/bin/env bash
+# R6 缺口 sfx：victory（Stable Audio 3，英文 prompt 照录 docs/design/11 §5）。
+# 用法: bash web/rpg/gen/gen_gap_sfx.sh   （内部 flock 串行 GPU；输出 staging）
+set -u
+source /home/ubuntu/SoundGame/env.d/sfx.sh
+cd /home/ubuntu/SoundGame/tools/stable-audio-3
+OUT=/home/ubuntu/SoundGame/web/rpg/gen/staging/sfx
+mkdir -p "$OUT"
+
+flock /home/ubuntu/SoundGame/.gpu.lock bash -c '
+if [ -s "'"$OUT"'/victory.wav" ]; then echo "skip victory"; else
+  uv run stable-audio --model small-sfx \
+    -p "triumphant short brass fanfare, 3 rising notes, wuxia style, under 1.5 seconds" \
+    --duration 2 -o "'"$OUT"'/victory.wav" 2>&1 | grep -i "saved\|error"
+fi'
+echo "done: $(ls "$OUT")"

web/rpg/gen/gen_gap_voice.py

@@ -0,0 +1,184 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""R6 缺口语音生成（docs/design/11-rpg-battle-rebalance.md §6）：tut_b0 / tut_b6 /
+btl_flee_fail / boss1_warn 四句，双性别（male=Uncle_Fu / female=Serena），
+instruct 沿用 tools/gen_voice_dual.py 的 rpg 旁白常量。
+
+用法（GPU 串行）：
+  source env.d/tts.sh
+  flock .gpu.lock .venv-tts/bin/python web/rpg/gen/gen_gap_voice.py          # 生成 staging wav
+  .venv-tts/bin/python web/rpg/gen/gen_gap_voice.py --convert                # 转 ogg+m4a 落盘
+  .venv-tts/bin/python web/rpg/gen/gen_gap_voice.py --check                  # 两性时长离群检查
+
+staging: web/rpg/gen/staging/voice/<gender>/<id>.wav（断点续跑，删 wav 即重录该句）
+落盘:    web/rpg/audio/voice/<gender>/<id>.{ogg,m4a}
+质量控制同主管线：时长 >0.3s、峰值 >0.05、峰值归一 0.89、>40 字拆句拼接（句间 0.12s）。
+"""
+import argparse
+import os
+import subprocess
+import sys
+
+os.environ.setdefault("HF_HOME", "/home/ubuntu/SoundGame/models/hf")
+os.environ.setdefault("HF_ENDPOINT", "https://hf-mirror.com")
+
+ROOT = "/home/ubuntu/SoundGame"
+sys.path.insert(0, os.path.join(ROOT, "tools"))
+from gen_voice_dual import split_text, valid_wav, PEAK_NORM, GAP_SEC  # noqa: E402 只读复用主管线
+
+GAME = "rpg"
+STAGING = os.path.join(ROOT, "web", "rpg", "gen", "staging", "voice")
+OUT = os.path.join(ROOT, "web", GAME, "audio", "voice")
+FFMPEG = os.path.join(ROOT, "tools", "bin", "ffmpeg")
+
+SPEAKERS = {"male": "Uncle_Fu", "female": "Serena"}
+INSTRUCT = {
+    "male": "低沉醇厚的男声，像说书人，平静有韵味",
+    "female": "平静清晰的年轻女声，像在讲武侠故事",
+}
+
+# 台词全文照录 11 号文档 §6
+LINES = [
+    ("tut_b0", "战斗里，左右滑选招式，单击出手。听到这个声音，就是你的回合。先滑一滑，试试。"),
+    ("tut_b6", "来不及格挡，就选防御。左右滑，选防御，单击。"),
+    ("btl_flee_fail", "没甩掉！它追上来了。"),
+    ("boss1_warn", "里面就是黑风寨主。你现在回去练练再来，也来得及。"),
+]
+
+
+def staging_path(gender, fid):
+    return os.path.join(STAGING, gender, fid + ".wav")
+
+
+def generate():
+    import numpy as np
+    import soundfile as sf
+    import torch
+    from qwen_tts import Qwen3TTSModel
+
+    model = Qwen3TTSModel.from_pretrained(
+        "Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice",
+        device_map="cuda:0",
+        dtype=torch.bfloat16,
+    )
+    print("model loaded", flush=True)
+
+    for gender in ("male", "female"):
+        speaker = SPEAKERS[gender]
+        instruct = INSTRUCT[gender]
+        os.makedirs(os.path.join(STAGING, gender), exist_ok=True)
+
+        # 展开成 (fid, chunk_idx, text)，跳过已完成
+        items = []
+        for fid, text in LINES:
+            if valid_wav(staging_path(gender, fid)):
+                continue
+            for ci, ctext in enumerate(split_text(text)):
+                items.append((fid, ci, ctext))
+        if not items:
+            print(f"[{gender}] nothing to do", flush=True)
+            continue
+
+        results = {}
+        for i in range(0, len(items), 6):
+            batch = items[i:i + 6]
+            wavs, sr = model.generate_custom_voice(
+                text=[b[2] for b in batch],
+                language=["Chinese"] * len(batch),
+                speaker=[speaker] * len(batch),
+                instruct=[instruct] * len(batch),
+                max_new_tokens=2048,
+            )
+            for (fid, ci, _t), wav in zip(batch, wavs):
+                results.setdefault(fid, {})[ci] = np.asarray(wav, dtype=np.float32)
+            print(f"[{gender}] batch {i // 6 + 1} (n={len(batch)})", flush=True)
+
+        gap = np.zeros(int(GAP_SEC * sr), dtype=np.float32)
+        for fid, text in LINES:
+            path = staging_path(gender, fid)
+            if valid_wav(path):
+                continue
+            got = results.get(fid, {})
+            n_chunks = len(split_text(text))
+            assert len(got) == n_chunks, f"{gender}/{fid}: 缺 chunk {len(got)}/{n_chunks}"
+            wav = got[0]
+            for ci in range(1, n_chunks):
+                wav = np.concatenate([wav, gap, got[ci]])
+            peak = float(np.max(np.abs(wav)))
+            assert peak > 0.05, f"{gender}/{fid}: peak {peak:.3f}"
+            wav = wav / peak * PEAK_NORM
+            dur = len(wav) / sr
+            assert dur > 0.3, f"{gender}/{fid}: dur {dur:.2f}s"
+            sf.write(path, wav, sr)
+            print(f"[ok] {gender}/{fid}  {dur:.2f}s chunks={n_chunks}", flush=True)
+
+
+def check():
+    import numpy as np
+    import soundfile as sf
+
+    problems = []
+    for fid, _text in LINES:
+        durs = {}
+        for gender in ("male", "female"):
+            path = staging_path(gender, fid)
+            if not os.path.exists(path):
+                durs[gender] = None
+                continue
+            data, sr = sf.read(path)
+            peak = float(np.max(np.abs(data)))
+            durs[gender] = len(data) / sr
+            if durs[gender] <= 0.3 or peak <= 0.05:
+                problems.append(f"{gender}/{fid}: 质量不达标 dur={durs[gender]:.2f} peak={peak:.3f}")
+        m, f = durs["male"], durs["female"]
+        if m is None or f is None:
+            problems.append(f"{fid}: 缺 {'male' if m is None else 'female'}")
+            continue
+        ratio = max(m, f) / min(m, f)
+        flag = "  <-- OUTLIER" if ratio > 3 else ""
+        if ratio > 3:
+            problems.append(f"{fid}: 时长离群 m={m:.2f}s f={f:.2f}s ratio={ratio:.1f}")
+        print(f"  {fid:16s} m={m:6.2f}s f={f:6.2f}s{flag}")
+    if problems:
+        print("PROBLEMS:")
+        for p in problems:
+            print(" ", p)
+        return 1
+    print("ALL OK")
+    return 0
+
+
+def convert():
+    total = 0
+    for gender in ("male", "female"):
+        dst_dir = os.path.join(OUT, gender)
+        os.makedirs(dst_dir, exist_ok=True)
+        for fid, _text in LINES:
+            src = staging_path(gender, fid)
+            if not os.path.exists(src):
+                print(f"[convert] WARN missing {gender}/{fid}.wav")
+                continue
+            base = os.path.join(dst_dir, fid)
+            subprocess.run([FFMPEG, "-y", "-v", "error", "-i", src,
+                            "-ar", "44100", "-c:a", "libvorbis", "-q:a", "3", base + ".ogg"], check=True)
+            subprocess.run([FFMPEG, "-y", "-v", "error", "-i", src,
+                            "-ar", "44100", "-c:a", "aac", "-b:a", "128k", base + ".m4a"], check=True)
+            total += 1
+    print(f"converted {total} files (ogg+m4a each)")
+
+
+def main():
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--check", action="store_true")
+    ap.add_argument("--convert", action="store_true")
+    args = ap.parse_args()
+    if args.check:
+        sys.exit(check())
+    if args.convert:
+        convert()
+        return
+    generate()
+
+
+if __name__ == "__main__":
+    main()