HTML5 重写：6 款游戏 + 用户系统 + 全局设置 + 5 轮迭代重构

- 新增 web/ 纯音频 HTML5 平台：共享引擎（手势/WebAudio 三层/设置/震动）、
  Node 零依赖服务器（静态 + 注册登录 + 进度存档 API）
- 游戏：剑与声(RPG 新作)、声命线、暗室(重设计)、音序回响(重设计)、
  节拍行者(跟随领奏重构)、盲航(同向闪避重构)；声东击西删除
- 全局功能：男声/女声双套 TTS 资产、三档语速、BGM 音量三档、
  震动反馈语言(10 种震型)、服务器进度同步
- 资产：899 ogg + 899 m4a（Qwen3-TTS 双性别语音、Stable Audio 3 音效、
  Mureka BGM 4+3 首），终检零缺失
- 文档：docs/design/ 13 篇设计审查文档、docs/audio/ 资产管线、
  web/server/README.md API 文档

web/rhythm/gen/gen_convert.sh

@@ -0,0 +1,13 @@
+#!/usr/bin/env bash
+# 把 audio/{voice,sfx} 下的 *.wav 转成 .ogg (libvorbis q3, 44.1k) + .m4a (aac 128k)，
+# 然后删除 wav。用法：bash gen_convert.sh
+set -euo pipefail
+cd "$(dirname "$0")/.."
+for f in audio/voice/*.wav audio/sfx/*.wav; do
+  [ -e "$f" ] || continue
+  base="${f%.wav}"
+  ffmpeg -y -v error -i "$f" -ar 44100 -c:a libvorbis -q:a 3 "${base}.ogg"
+  ffmpeg -y -v error -i "$f" -ar 44100 -c:a aac -b:a 128k "${base}.m4a"
+  rm "$f"
+  echo "converted: $base"
+done

web/rhythm/gen/gen_cover.py

@@ -0,0 +1,63 @@
+"""节拍行者封面生成：1080x1920 深色底 + 游戏名 + 玩法提示。"""
+import math
+import os
+
+from PIL import Image, ImageDraw, ImageFont
+
+W, H = 1080, 1920
+ROOT = "/home/ubuntu/SoundGame/web/rhythm"
+FONT = os.path.join(ROOT, "gen", "NotoSansSC-Bold.ttf")
+
+img = Image.new("RGB", (W, H), (10, 12, 24))
+d = ImageDraw.Draw(img)
+
+# 底部到中部渐亮
+for y in range(H):
+    t = y / H
+    r = int(10 + 20 * t)
+    g = int(12 + 14 * t)
+    b = int(24 + 46 * t)
+    d.line([(0, y), (W, y)], fill=(r, g, b))
+
+# 律动音柱装饰（模拟频谱柱，青/品红双色）
+bars = 24
+bw = W // bars
+for i in range(bars):
+    h = int(120 + 260 * abs(math.sin(i * 1.7) * 0.6 + math.sin(i * 0.9) * 0.4))
+    color = (0, 229, 255) if i % 2 == 0 else (255, 64, 129)
+    x0 = i * bw + 8
+    d.rounded_rectangle([x0, H - 320 - h, x0 + bw - 16, H - 320], 10, fill=color)
+    # 顶部镜像倒影（暗一些）
+    dim = tuple(c // 3 for c in color)
+    d.rounded_rectangle([x0, 260, x0 + bw - 16, 260 + h // 2], 10, fill=dim)
+
+# 节拍圆点（四四拍）
+for i in range(4):
+    cx = W // 2 - 180 + i * 120
+    cy = H - 180
+    fill = (255, 215, 64) if i == 0 else (60, 66, 90)
+    d.ellipse([cx - 28, cy - 28, cx + 28, cy + 28], fill=fill)
+
+f_title = ImageFont.truetype(FONT, 220)
+f_sub = ImageFont.truetype(FONT, 56)
+f_small = ImageFont.truetype(FONT, 40)
+
+title = "节拍行者"
+bbox = d.textbbox((0, 0), title, font=f_title)
+tw = bbox[2] - bbox[0]
+ty = H // 2 - 260
+# 描边阴影 + 主字
+d.text((W // 2 - tw // 2 + 6, ty + 8), title, font=f_title, fill=(0, 0, 0))
+d.text((W // 2 - tw // 2, ty), title, font=f_title, fill=(240, 245, 255))
+
+sub = "听音踩点 · 跟上节拍"
+bbox = d.textbbox((0, 0), sub, font=f_sub)
+d.text((W // 2 - (bbox[2] - bbox[0]) // 2, ty + 300), sub, font=f_sub, fill=(0, 229, 255))
+
+hint = "滑上下左右 · 单击 · 双击"
+bbox = d.textbbox((0, 0), hint, font=f_small)
+d.text((W // 2 - (bbox[2] - bbox[0]) // 2, ty + 410), hint, font=f_small, fill=(150, 160, 190))
+
+out = os.path.join(ROOT, "cover.png")
+img.save(out)
+print("saved", out, img.size)

web/rhythm/gen/gen_sfx.py

@@ -0,0 +1,107 @@
+"""节拍行者 — 音效合成（numpy 纯合成，不用 GPU）。
+
+产出 web/rhythm/audio/sfx/*.wav（44.1kHz mono），随后由 gen_convert.sh 转 ogg/m4a。
+
+指令提示音设计（6 种，听感区分度优先）：
+  cue_up     上行双音 E5->A5（正弦，明亮上扬）  → 上滑
+  cue_down   下行双音 A5->E5（正弦，低沉下坠）  → 下滑
+  cue_left   单发低音 G4（三角波，浑厚）        → 左滑
+  cue_right  单发高音 G5（三角波，清脆）        → 右滑
+  cue_tap    单声短促 ping E6                   → 单击
+  cue_double 双声短促 ping E6（间隔 100ms）     → 双击
+节拍器 / 判定反馈：
+  tick / tick_accent  节拍器咔哒声（弱拍 / 强拍）
+  judge_perfect       明亮风铃琶音
+  judge_good          柔和单音
+  judge_miss          低闷 buzz
+"""
+import os
+
+import numpy as np
+import soundfile as sf
+
+SR = 44100
+OUT = "/home/ubuntu/SoundGame/web/rhythm/audio/sfx"
+os.makedirs(OUT, exist_ok=True)
+
+
+def env(n, attack=0.004):
+    """起音 attack 秒 + 指数衰减到 -60dB 的包络。"""
+    a = max(1, int(attack * SR))
+    e = np.ones(n)
+    e[:a] = np.linspace(0, 1, a)
+    tail = np.exp(np.linspace(0, -6.9, n - a))  # 到末尾衰减约 60dB
+    e[a:] = tail
+    return e
+
+
+def tone(freq, dur, wave="sine", attack=0.004):
+    n = int(dur * SR)
+    t = np.arange(n) / SR
+    ph = 2 * np.pi * freq * t
+    if wave == "sine":
+        x = np.sin(ph)
+    elif wave == "tri":
+        x = 2 * np.abs(2 * ((ph / (2 * np.pi)) % 1) - 1) - 1
+    elif wave == "square":
+        x = np.sign(np.sin(ph))
+    else:
+        raise ValueError(wave)
+    return x * env(n, attack)
+
+
+def seq(notes, gap=0.0, wave="sine"):
+    """把若干 (freq, dur) 音符按 gap 间隔拼接。"""
+    parts = []
+    for f, d in notes:
+        parts.append(tone(f, d, wave))
+        if gap > 0:
+            parts.append(np.zeros(int(gap * SR)))
+    return np.concatenate(parts)
+
+
+def click(freq, dur, decay_ms):
+    n = int(dur * SR)
+    t = np.arange(n) / SR
+    x = np.sin(2 * np.pi * freq * t) * np.exp(-t / (decay_ms / 1000))
+    return x
+
+
+def norm(x, peak=0.7):
+    m = np.max(np.abs(x))
+    return x / m * peak if m > 0 else x
+
+
+SFX = {
+    # 指令提示音
+    "cue_up": seq([(659.25, 0.09), (880.0, 0.12)]),                    # E5 -> A5 上行
+    "cue_down": seq([(880.0, 0.09), (659.25, 0.12)]),                  # A5 -> E5 下行
+    "cue_left": norm(tone(392.0, 0.16, "tri")),                        # G4 低音
+    "cue_right": norm(tone(783.99, 0.16, "tri")),                      # G5 高音
+    "cue_tap": norm(click(1567.98, 0.06, 12)),                         # E6 单响
+    "cue_double": norm(np.concatenate([                                # E6 双响
+        click(1567.98, 0.05, 12),
+        np.zeros(int(0.05 * SR)),
+        click(1567.98, 0.05, 12),
+    ])),
+    # 节拍器
+    "tick": norm(click(2093.0, 0.03, 6), 0.35),                        # 弱拍
+    "tick_accent": norm(click(1760.0, 0.045, 10), 0.5),                # 强拍
+    # 判定反馈
+    "judge_perfect": norm(np.concatenate([                             # 明亮琶音 E6 G#6 B6
+        tone(1318.51, 0.07), tone(1661.22, 0.07), tone(1975.53, 0.16),
+    ]) * 0.9, 0.65),
+    "judge_good": norm(tone(880.0, 0.12), 0.5),                        # 柔和 A5
+    "judge_miss": norm(tone(110.0, 0.22, "square", attack=0.002), 0.45),  # 低闷 buzz
+}
+
+# cue 序列类再做整体归一（seq 内部未归一）
+for k in ("cue_up", "cue_down"):
+    SFX[k] = norm(SFX[k])
+
+for name, x in SFX.items():
+    path = os.path.join(OUT, name + ".wav")
+    sf.write(path, x.astype(np.float32), SR)
+    print(f"{name}: {len(x)/SR:.3f}s peak={np.max(np.abs(x)):.2f} -> {path}")
+
+print("ALL OK")

web/rhythm/gen/gen_voice.py

@@ -0,0 +1,78 @@
+"""节拍行者 — 语音对白生成（Qwen3-TTS CustomVoice）。
+
+用法（必须 flock，GPU 与其他 agent 共享）：
+  flock /home/ubuntu/SoundGame/.gpu.lock \
+    /home/ubuntu/SoundGame/.venv-tts/bin/python gen_voice.py
+
+产出 web/rhythm/audio/voice/*.wav（24kHz），随后由 gen_convert.sh 转 ogg/m4a。
+"""
+import os
+
+os.environ.setdefault("HF_HOME", "/home/ubuntu/SoundGame/models/hf")
+os.environ.setdefault("HF_ENDPOINT", "https://hf-mirror.com")
+
+import numpy as np
+import soundfile as sf
+import torch
+from qwen_tts import Qwen3TTSModel
+
+OUT = "/home/ubuntu/SoundGame/web/rhythm/audio/voice"
+os.makedirs(OUT, exist_ok=True)
+
+# (id, 文本, 情感指令)
+LINES = [
+    ("welcome",
+     "欢迎来到节拍行者！规则很简单：仔细听提示音，在下一个节拍，做出对应的动作。"
+     "建议用有线耳机或扬声器游玩，蓝牙耳机会有延迟。",
+     "热情活力的游戏解说语气"),
+    ("rules",
+     "听好了：上行音，向上滑；下行音，向下滑；低音，向左滑；高音，向右滑；"
+     "一声轻响，单击；两声轻响，快速双击。",
+     "清晰利落的教学语气，节奏感强"),
+    ("tut_start",
+     "先来四小节练习。跟着节拍器，听到提示音，就在下一拍做动作。大胆做！",
+     "鼓励的语气"),
+    ("tut_done",
+     "练习结束！正式挑战开始，一共四十个指令。预备！",
+     "兴奋、充满干劲的语气"),
+    ("grade_s",
+     "评级，S！完美无缺，你就是节拍大师！",
+     "极度兴奋、欢呼的语气"),
+    ("grade_a",
+     "评级，A！非常出色，差一点就完美了！",
+     "开心赞许的语气"),
+    ("grade_b",
+     "评级，B。不错不错，继续加油！",
+     "温和鼓励的语气"),
+    ("grade_c",
+     "评级，C。别灰心，多听节拍，你一定行！",
+     "安慰打气的语气"),
+    ("restart",
+     "单击屏幕，再来一局。",
+     "轻松愉快的语气"),
+]
+
+model = Qwen3TTSModel.from_pretrained(
+    "Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice",
+    device_map="cuda:0",
+    dtype=torch.bfloat16,
+)
+
+wavs, sr = model.generate_custom_voice(
+    text=[t for _, t, _ in LINES],
+    language=["Chinese"] * len(LINES),
+    speaker=["Vivian"] * len(LINES),
+    instruct=[i for _, _, i in LINES],
+)
+
+for (vid, text, _), wav in zip(LINES, wavs):
+    wav = np.asarray(wav, dtype=np.float32)
+    dur = len(wav) / sr
+    peak = float(np.max(np.abs(wav))) if len(wav) else 0.0
+    assert dur > 0.3, f"{vid}: 时长异常 {dur:.2f}s"
+    assert peak > 0.05, f"{vid}: 峰值异常 {peak:.3f}"
+    path = os.path.join(OUT, vid + ".wav")
+    sf.write(path, wav, sr)
+    print(f"{vid}: {dur:.2f}s peak={peak:.3f} -> {path}")
+
+print("ALL OK")