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_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")