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/simon/gen/gen_voice.py

@@ -0,0 +1,72 @@
+"""web/simon 语音批量生成（Qwen3-TTS CustomVoice，Serena 音色）。
+
+生成后写入 audio/voice/wav_tmp/*.wav，由 shell 统一 ffmpeg 转 ogg/m4a。
+每条断言：时长 > 0.3s（不足时尾部补静音到 0.35s）、峰值 > 0.05（统一峰值归一 0.8）。
+"""
+import os
+import numpy as np
+import soundfile as sf
+import torch
+from qwen_tts import Qwen3TTSModel
+
+OUT = os.path.join(os.path.dirname(__file__), "..", "audio", "voice", "wav_tmp")
+os.makedirs(OUT, exist_ok=True)
+
+LINES = {
+    # 开场 + 教学
+    "intro": "欢迎来到音序回响。我会用六种声音演奏一段序列，请你记住顺序，再用同样的手势复现出来。先来认识这六种声音。",
+    "teach_up": "向上滑，是上行琶音。",
+    "teach_down": "向下滑，是低沉的下行音。",
+    "teach_left": "向左滑，声音在你的左边。",
+    "teach_right": "向右滑，声音在你的右边。",
+    "teach_tap": "单击，是短促的鼓点。",
+    "teach_doubletap": "双击，是两声连响。",
+    "teach_end": "好了，记住这些声音。序列会越来越长，看你能坚持几轮。",
+    # 流程提示
+    "listen": "听好了。",
+    "your_turn": "轮到你了。",
+    # 反馈
+    "correct": "答对了！",
+    "wrong": "错了。",
+    "new_record": "新纪录！",
+    "gameover": "游戏结束。",
+    "replay": "单击屏幕，再来一局。",
+    # 播报拼接片段
+    "score_pre": "你坚持了",
+    "best_pre": "历史最高纪录，",
+    "di": "第",
+    "lun": "轮",
+    "num_shi": "十",
+    "num_0": "零", "num_1": "一", "num_2": "二", "num_3": "三", "num_4": "四",
+    "num_5": "五", "num_6": "六", "num_7": "七", "num_8": "八", "num_9": "九",
+}
+
+model = Qwen3TTSModel.from_pretrained(
+    "Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice",
+    device_map="cuda:0",
+    dtype=torch.bfloat16,
+)
+
+names = list(LINES.keys())
+texts = [LINES[n] for n in names]
+wavs, sr = model.generate_custom_voice(
+    text=texts,
+    language=["Chinese"] * len(names),
+    speaker="Serena",
+    instruct="用清晰、沉稳而有引导感的声音，语速适中，像一个耐心的游戏主持人",
+)
+
+for name, wav in zip(names, wavs):
+    wav = np.asarray(wav, dtype=np.float32)
+    peak = np.max(np.abs(wav))
+    assert peak > 0.05, f"{name} 峰值过小: {peak}"
+    wav = wav / peak * 0.8
+    dur = len(wav) / sr
+    if dur < 0.35:  # 单字片段补静音，保证可听清且满足时长断言
+        wav = np.concatenate([wav, np.zeros(int((0.35 - dur) * sr), dtype=np.float32)])
+        dur = len(wav) / sr
+    assert dur > 0.3, f"{name} 时长过短: {dur}"
+    path = os.path.join(OUT, name + ".wav")
+    sf.write(path, wav, sr)
+    print(f"{name}: {dur:.2f}s peak={np.max(np.abs(wav)):.2f}")
+print("done", len(names), "clips")