# -*- coding: utf-8 -*-
"""双性别语音资产管线（R1）：为 5 个 web 游戏生成 male/female 两版旁白 voice。

约定：
  - 台词表从各游戏已有 gen 脚本原样提取（storyline/escape 的原始表在 app/src/<flavor>/gen/，
    本脚本只做只读引用，不改 app/）。
  - storyline 只生成旁白 + 系统音（NARR* 角色）的双性别版本；角色台词（林晚/猎狗/小满等）
    不在本脚本范围内，沿用 web/storyline/audio/voice/ 平铺原文件。
  - 输出 staging wav: tools/gen_voice_dual_wav/<game>/<gender>/<id>.wav
    --convert 后落地:     web/<game>/audio/voice/<gender>/<id>.{ogg,m4a}
    （原有平铺 voice/*.ogg 保留不动，等引擎切换后由后续轮次清理。）

质量控制：
  - 每条 assert 时长 > 0.3s、峰值 > 0.05；统一峰值归一 0.89。
  - 台词 > 40 字按句拆分生成再拼接（句间 0.12s 静音），避免长句吞字。
  - 短句/数字类（文本 ≤ 2 字）同 instruct 一整批连续生成，减少 prosody 漂移。
  - --check 对比同句两性时长，相差 3 倍以上判异常（删掉异常 wav 后重跑本脚本即可）。

用法（GPU 必须串行）：
  source env.d/tts.sh
  flock /home/ubuntu/SoundGame/.gpu.lock .venv-tts/bin/python tools/gen_voice_dual.py --game simon --gender both
  .venv-tts/bin/python tools/gen_voice_dual.py --game all --check      # 无需 GPU
  source env.d/android.sh && .venv-tts/bin/python tools/gen_voice_dual.py --game all --convert
"""
import argparse
import os
import re
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"
STAGING = os.path.join(ROOT, "tools", "gen_voice_dual_wav")
SPLIT_LIMIT = 40       # 超过 40 字拆句
GAP_SEC = 0.12         # 拼接句间静音
PEAK_NORM = 0.89
BATCH_SHORT = 16       # 数字/短句一批
BATCH_LONG = 6

# ---------------------------------------------------------------- 音色分配
# 游戏 × 性别 -> speaker。说明见 docs/audio/asset-manifest.md。
# Ryan（英语母语音色）经冒烟测试未采用：项目已有中文发音投诉，男声统一用
# 中文母语的 Uncle_Fu；测试样本在 tools/samples/ryan_zh_*.wav 供人工试听。
SPEAKERS = {
    "storyline": {"male": "Uncle_Fu", "female": "Vivian"},
    "escape":    {"male": "Uncle_Fu", "female": "Serena"},
    "simon":     {"male": "Uncle_Fu", "female": "Serena"},
    "rhythm":    {"male": "Uncle_Fu", "female": "Vivian"},
    "space":     {"male": "Uncle_Fu", "female": "Serena"},
    "rpg":       {"male": "Uncle_Fu", "female": "Serena"},
}

# instruct 对：(male, female)。None 表示两性别共用同一 instruct。
def _pair(m, f=None):
    return (m, f if f is not None else m)

# ---------------------------------------------------------------- storyline
_SL_NARR = _pair("低沉醇厚的中年男声旁白，冷静、缓慢，带着末世废墟的苍凉感",
                 "冷静低沉的女声旁白，语速缓慢，带着末世废墟的苍凉感")
_SL_WARM = _pair("低沉醇厚的中年男声旁白，由紧张转为温暖，结尾带希望",
                 "女声旁白，由紧张转为温暖，结尾带希望")
_SL_COLD = _pair("低沉醇厚的中年男声旁白，冷漠、空洞，越说越轻",
                 "女声旁白，冷漠、空洞，越说越轻")
_SL_EPIC = _pair("低沉醇厚的中年男声旁白，悲壮，尾音下沉",
                 "女声旁白，悲壮，尾音下沉")

STORYLINE_LINES = [
    # ---- 系统语音 ----
    ("help", _SL_NARR, "操作说明。单击屏幕：继续剧情。双击：重听刚才的台词。向上滑：听这段说明和当前进度。向下滑：呼出菜单，菜单里可以重新开始。当旁白说“请选择”的时候，向左滑或者向右滑，做出你的决定。选择无法撤销。"),
    ("status1", _SL_NARR, "当前进度：第一幕，城南地铁站附近。你的目标：活着离开这片废墟，前往北区的广播塔，寻找妹妹林晨的下落。"),
    ("status2", _SL_NARR, "当前进度：第二幕，酸雨笼罩的街区与断桥。你的目标：渡过江水，抵达广播塔。小心，猎狗的人，就在附近。"),
    ("status3", _SL_NARR, "当前进度：第三幕，广播塔下。你的目标：把警报发出去，找到林晨。这是最后一段路了。"),
    ("menu", _SL_NARR, "菜单。向左滑：重新开始整个故事。向右滑，或者单击：回到故事。向上滑：听操作说明。"),
    # ---- 选择提示 ----
    ("p1", _SL_NARR, "请选择。向左滑：先检查背包里的收音机。向右滑：先摸黑寻找出口。"),
    ("p2", _SL_NARR, "请选择。向左滑：钻进旁边的通风管道。向右滑：躺进路边的尸体堆里装死。"),
    ("p3", _SL_NARR, "请选择。向左滑：循着哭声过去看看。向右滑：不去管它，直接去北区。"),
    ("p4", _SL_NARR, "请选择。向左滑：带上小满一起走。向右滑：留下食物，独自上路。"),
    ("p5", _SL_NARR, "请选择。向左滑：走桥下的污水涵洞。向右滑：爬桥上悬着的钢索。"),
    ("p6", _SL_NARR, "请选择。向左滑：交出坐标，保命要紧。向右滑：拒绝他，想办法周旋。"),
    ("p7", _SL_NARR, "请选择。向左滑：追上去，警告避难所。向右滑：自己逃命，越远越好。"),
    ("p8", _SL_NARR, "请选择。向左滑：用公开频道广播，让全城都听见。向右滑：用加密频段，只发给避难所。"),
    # ---- 第一幕 ----
    ("n00_intro", _SL_NARR, "大停电后的第三十天，城市陷入彻底的黑暗。没有电，没有网络，只有收音机里偶尔闪过的沙沙声，像垂死者的呼吸。你是林晚，一名前急救员。在这个故事里，你用声音活下去。请记住：单击屏幕，继续剧情；双击，重听上一句；向上滑，听你的状态和帮助；向下滑，呼出菜单。当我说“请选择”的时候，向左滑，或者向右滑，做出你的决定。选择一旦做出，就无法回头。现在，单击屏幕，睁开眼睛。"),
    ("n01_wake", _SL_NARR, "后脑一阵钝痛，嘴里全是铁锈味。你在废弃的地铁站里醒来，四周黑得像沉在水底。背包还压在身下，手电筒却不知去向。远处滴水的声音，一下，一下，像某种倒计时。"),
    ("n04_exit", _SL_NARR, "你扶着潮湿的墙，一步一步往外摸。第五十步，脚尖踢到一个硬物——是一支手电，还剩半格电。光柱劈开黑暗的那一瞬，你看见墙上用红漆刷着一行大字：别去北区。"),
    ("n05_signal", _SL_NARR, "就在这时，背包侧袋里的收音机，沙沙声忽然变得清晰。一个平稳的女声，一遍又一遍地重复着："),
    ("n06_whistle", _SL_NARR, "你刚走上街面，黑暗里忽然响起一声口哨。接着是第二声，第三声，从不同的方向，把你围在中间。有人的手电光，扫过你的脸。"),
    ("n08_vent", _SL_NARR, "你一矮身，钻进了通风管道。铁皮贴着脊背，窄得几乎无法呼吸。身后传来咒骂和铁棍敲击管道口的声音，越来越近，又渐渐远去。十分钟后，你从两条街外的井口爬出来，肺里像塞满了沙子。"),
    ("n09_dead", _SL_NARR, "你屏住呼吸，把自己埋进路边冰冷的尸体堆里。手电、罐头、半瓶水，被他们一样一样摸走。有人踢了你一脚，你纹丝不动。就在他们离开时，你听见一句不该听见的话——“北区那个陷阱，今晚就收网。”"),
    # ---- 第二幕 ----
    ("n10_rain", _SL_NARR, "酸雨开始下了。街面上升起细密的嘶嘶声，像无数条小蛇在游。雨幕那头，隐约传来一阵哭声——细细的，是个孩子。"),
    ("n11_child", _SL_NARR, "哭声来自一间塌了一半的便利店。一个小男孩抱着膝盖坐在货架底下，身边躺着一个再也不会醒来的女人。他抬起头，脸上全是灰，小声说：“我叫小满。妈妈说，数到一千，她就会醒。我已经数到……数到好多个一千了。”"),
    ("n13_leave", _SL_NARR, "你把仅剩的一罐罐头放在他身边，转身走进雨里。身后，孩子重新开始数数：一……二……三……你告诉自己，别回头。千万别回头。"),
    ("n14_ignore", _SL_NARR, "哭声被你甩在身后，越来越远，最后混进雨声里，再也听不见了。你走得很快，快得像在逃跑。快一点，再快一点。你对自己说，只要到了北区，这一切就都值了。"),
    ("n15_bridge", _SL_NARR, "两个小时后，江水拦住了去路。跨江大桥断成两截，桥身斜插进黑沉沉的江面。要去广播塔，只剩两条路：桥下的污水涵洞，黑得看不见底；或者，桥上悬着的钢索，在风里荡来荡去。"),
    ("n16_culvert", _SL_NARR, "涵洞里，污水没到胸口，又冷又黏，带着腐烂的甜味。走到一半，水面下有什么东西，擦着你的腿滑了过去。你没有叫出声，只是走，一步，一步，直到看见洞口那点灰白的天光。"),
    ("n16b_culvert_c", _SL_NARR, "你让小满骑在肩上，自己蹚进没到胸口的污水里。又冷又黏，带着腐烂的甜味。走到一半，水面下有什么东西擦过你的腿，小满吓得一抖，你抬手按住他的膝盖：“数数。”他小声数起来，一，二，三……数到一百七，你们看见了洞口的天光。"),
    ("n17_cable", _SL_NARR, "钢索比想象中更滑。酸雨把它泡得发黏，你每挪一步，整根钢索就晃一下。江风从断桥的缺口灌进来，像有无数只手在水底下拽你的脚。你不往下看。你只知道，前面就是北岸。"),
    ("n17b_cable_c", _SL_NARR, "钢索比想象中更滑。小满趴在你背上，一声不吭，两条小胳膊勒得你生疼。走到一半，钢索猛地一沉，你听见身后钢丝崩断的脆响。“闭眼。”你说。然后你用尽全身力气，向前，向前，直到膝盖磕上北岸的石头。"),
    # ---- 第三幕 ----
    ("n20_convoy", _SL_NARR, "猎狗的车队朝北区开走了，探照灯在雨幕里划出一道道口子。你蹲在原地，胃里一阵一阵地泛酸。晨晨在北区。而刚才，是你，亲手把狼，引到了她的门口。"),
    ("n22_fight", _SL_NARR, "你往后退了半步，忽然笑了：“坐标在我脑子里。杀了我，你什么都拿不到。”猎狗愣了半秒。就是这半秒，你抓起一把沙土扬在他脸上，转身就跑。子弹擦着肩膀打进墙里，火辣辣地疼。但你在跑，你在跑——活着的感觉，从来没有这么清楚过。"),
    ("n23_tower", _SL_NARR, "广播塔就立在头顶，红色的信号灯在雨里一闪一闪，像一颗还在跳动的心脏。塔底的中控台居然还能用。只要爬上去，你就能接入城市广播网，把警报发给北区的每一个人。问题是——用哪个频道。"),
    # ---- 结局 ----
    ("e1_dawn", _SL_WARM, "加密频道那头沉默了三秒。然后，一个你等了三十天的声音响了起来：“姐？姐！是你吗？”天亮之前，避难所的救援队打开了大门。猎狗的人，在北区的高墙下溃散了。你抱着晨晨，听见广播塔里，重新响起了音乐。后来人们说，这座城市，是从一个女人的声音开始，重新活过来的。——好结局：黎明。感谢你，陪林晚走完了这条路。单击屏幕，可以回到故事开始的地方。"),
    ("e2_price", _SL_EPIC, "你赶在车队前面，撞进了避难所的大门。“关掉广播！关灯！猎狗来了——！”那一夜，北区守住了。探照灯熄灭的时候，晨晨从人群里扑出来抱住你，才发现你胳膊上的血，已经把半边袖子浸透了。坐标是你交出去的，命，是你抢回来的。你赢了，用一条胳膊的代价。——结局：代价。单击屏幕，重新开始。"),
    ("e3_alone", _SL_COLD, "你逃了。一路向南，没有回头。三天后，收音机里关于北区的广播，停了。又过了七天，你在一个废弃的加油站里，听见最后一个频段，也变成了沙沙声。你活下来了。只是从此以后的每一个夜里，你都会想起那声口哨，和你报出坐标时，自己发抖的声音。——坏结局：孤声。单击屏幕，重新开始。"),
    ("e4_static", _SL_EPIC, "公开频道，把所有人都引来了——幸存者，还有猎狗。塔顶的风很大，你看见山下火把连成的长龙，也看见避难所方向亮起的防御火光。猎狗的刀抵上来的时候，你对着麦克风笑了：“听见了吗，晨晨？姐姐的声音，全城都听见了。”信号中断了。但那晚之后，北区，再没有人投降。——结局：静默。单击屏幕，重新开始。"),
    ("skip_hint", _SL_NARR, "单击可跳过旁白。"),

]

# ---------------------------------------------------------------- escape
# R2 重设计（docs/design/01）：全游戏同一 instruct 常量（00 文档 §3.2，不含语速词）。
_ESC = _pair("低沉平稳的男声，冷静、克制，带一点神秘感",
             "沉稳平静的女声，冷静、克制，带一点神秘感")

ESCAPE_LINES = [
    # ---- 开场引导 G0-G7 ----
    ("g0_intro", _ESC, "黑暗。你在废弃的地下设施里醒来，什么都想不起来。你必须找到出路。"),
    ("g1_move", _ESC, "先活动一下。朝任意方向滑一下，走一小步。"),
    ("g1_done", _ESC, "很好，你迈出了第一步。"),
    ("g2_wall", _ESC, "这个房间不大，四面都是墙。再滑两下，试试碰碰墙。"),
    ("g3_left", _ESC, "跟着我指的路走。向左滑。"),
    ("g4_down", _ESC, "对。再向下滑。"),
    ("g5_inspect", _ESC, "听到水声了吗？单击一下，仔细检查这个房间。"),
    ("g5_key", _ESC, "你摸到了一把钥匙！"),
    ("g6_doubletap", _ESC, "钥匙能开锁。双击，是把物品用出去的用法。现在，双击试试。"),
    ("g6_done", _ESC, "对，就是这样。接下来，靠你自己了。"),
    ("g7_goal", _ESC, "找到能用这把钥匙打开的东西。需要帮助时，在原地双击。"),
    # ---- 引导纠错与跳过 ----
    ("guide_wrong_up", _ESC, "不是这个方向。向上滑。"),
    ("guide_wrong_down", _ESC, "不是这个方向。向下滑。"),
    ("guide_wrong_left", _ESC, "不是这个方向。向左滑。"),
    ("guide_wrong_right", _ESC, "不是这个方向。向右滑。"),
    ("guide_wrong_gesture", _ESC, "不是这个操作。照我说的做。"),
    ("guide_blunt_up", _ESC, "手指贴着屏幕，向上推一下。"),
    ("guide_blunt_down", _ESC, "手指贴着屏幕，向下推一下。"),
    ("guide_blunt_left", _ESC, "手指贴着屏幕，向左推一下。"),
    ("guide_blunt_right", _ESC, "手指贴着屏幕，向右推一下。"),
    ("guide_offpath", _ESC, "先跟我走。"),
    ("guide_skip", _ESC, "跳过引导，直接开始自由探索。"),
    ("reopen_prompt", _ESC, "上滑，重新听一遍引导。单击，直接开始。"),
    # ---- 卡关三级提示 + 导航 ----
    ("stuck_ask", _ESC, "需要帮助吗？"),
    ("stuck_key_1", _ESC, "铁锈味最重的地方，值得仔细看看。"),
    ("stuck_key_2", _ESC, "去西南角的储物间，单击检查，找到钥匙。"),
    ("stuck_key_3", _ESC, "跟我说的方向走，去西南角的储物间。"),
    ("stuck_cabinet_1", _ESC, "钥匙就在你身上。它能打开某一把锁。"),
    ("stuck_cabinet_2", _ESC, "去东边的铁柜房，双击，用钥匙打开铁柜。"),
    ("stuck_cabinet_3", _ESC, "跟我说的方向走，去铁柜所在的房间。"),
    ("stuck_box_1", _ESC, "保险丝属于电箱。有电流声的地方，就有电箱。"),
    ("stuck_box_2", _ESC, "去西北角的电箱房，双击，把保险丝装进电箱。"),
    ("stuck_box_3", _ESC, "跟我说的方向走，去电箱所在的房间。"),
    ("stuck_gate_1", _ESC, "电已经通了。该去找那扇铁门了。"),
    ("stuck_gate_2", _ESC, "去东南角的大门，双击，打开它，离开这里。"),
    ("stuck_gate_3", _ESC, "跟我说的方向走，去大门所在的房间。"),
    ("nav_up", _ESC, "向上滑。"),
    ("nav_down", _ESC, "向下滑。"),
    ("nav_left", _ESC, "向左滑。"),
    ("nav_right", _ESC, "向右滑。"),
    # ---- 房间描述 ----
    ("room_storage", _ESC, "一间储物间。货架上堆满杂物，角落里传来水滴声。"),
    ("room_cabinet", _ESC, "这个房间里，立着一个铁柜。"),
    ("room_power", _ESC, "这个房间的墙上，有一只电箱。"),
    ("room_gate", _ESC, "面前，是一扇沉重的铁门。"),
    # ---- 用时播报 4 段整句 ----
    ("time_band1", _ESC, "你逃出来了，用时不到两分钟。了不起！"),
    ("time_band2", _ESC, "你逃出来了，用时不到五分钟。"),
    ("time_band3", _ESC, "你逃出来了，用时不到十分钟。"),
    ("time_band4", _ESC, "你逃出来了，用时超过十分钟。"),
    # ---- 保留句（文本沿用，按新 instruct 重录） ----
    ("wall", _ESC, "那边是墙，换个方向。"),
    ("start_room", _ESC, "你站在设施中央的房间里。滑动移动，单击检查，双击使用物品。"),
    ("found_key", _ESC, "你蹲下身在储物架的角落里摸索，指尖碰到一个冰凉的金属物件——是一把钥匙！钥匙到手了。"),
    ("inspect_cabinet_locked", _ESC, "这个房间里立着一个铁柜，柜门上挂着一把锁。也许，有什么钥匙能打开它。"),
    ("unlock_cabinet", _ESC, "钥匙插进锁孔，缓缓转动。咔哒一声，柜门开了。柜子深处，躺着一枚保险丝。保险丝到手了。"),
    ("inspect_box_dead", _ESC, "墙上是一只电箱，箱盖敞开着，里面的保险丝座空空如也。没有电，这里的大门永远打不开。"),
    ("box_fixed", _ESC, "电箱运转正常，电流的嗡鸣声平稳而持续。"),
    ("fix_box", _ESC, "你把保险丝用力按进卡座。火花一闪，嗡鸣声响起——头顶的线路恢复供电了！"),
    ("inspect_gate", _ESC, "面前是一扇沉重的铁门。门边的电子锁一片漆黑，没有任何反应。它需要电力。"),
    ("inspect_gate_ready", _ESC, "电子锁的指示灯亮了，发出微弱的绿光。大门已经通电。双击，打开它，离开这里。"),
    ("escape", _ESC, "你扳动开关。电机轰鸣，沉重的铁门缓缓升起，刺眼的光线涌了进来。你眯起眼睛，向前迈出了第一步。自由了。你逃出来了。"),
    ("use_fail", _ESC, "这里没有用得上东西的地方。换个房间试试，或者先单击检查一下周围。"),
    ("inv_empty", _ESC, "你摸了摸身上，什么也没有。"),
    ("inv_key", _ESC, "你身上带着一把钥匙。"),
    ("inv_fuse", _ESC, "你身上带着一枚保险丝。"),
    ("inv_both", _ESC, "你身上带着一把钥匙和一枚保险丝。"),
    ("replay", _ESC, "黑暗再次合拢。你回到了中央的房间。这一次，你会更快。"),
    ("again", _ESC, "单击屏幕，再来一次。下滑，打开菜单。"),
    ("empty_1", _ESC, "房间里空空荡荡，只有你自己的回声。"),
    ("empty_2", _ESC, "你伸出手，摸到的只有冰冷粗糙的墙壁。"),
    ("empty_3", _ESC, "除了远处的水滴声，这里什么都没有。"),
    # ---- 菜单与帮助 ----
    ("help_ops", _ESC, "滑动，在房间之间移动。单击，检查房间，或者重听房间的声音。双击，使用物品，或者查看背包。"),
    ("menu_open", _ESC, "菜单。"),
    ("menu_restart", _ESC, "重新开始。"),
    ("menu_home", _ESC, "回大厅。"),
    ("menu_back", _ESC, "返回游戏。"),
    ("skip_hint", _ESC, "单击可跳过旁白。"),

]

# ---------------------------------------------------------------- simon
# R2 重设计（docs/design/02）：全游戏同一 instruct 常量，轮次/成绩全部整句化。
_SIMON = _pair("平静、清晰，像一个耐心的游戏主持人")
_SIMON_ROUNDS = ["第一", "第二", "第三", "第四", "第五", "第六", "第七", "第八", "第九", "第十",
                 "第十一", "第十二", "第十三", "第十四", "第十五", "第十六", "第十七", "第十八", "第十九", "第二十"]
SIMON_LINES = [
    # ---- 交互式教学 T0-T7 ----
    ("t0_welcome", _SIMON, "欢迎来到音序回响。先认识六种声音。"),
    ("t0_goal", _SIMON, "我会演奏一串声音，请你记住顺序，原样复现。"),
    ("t1_up", _SIMON, "向上滑，是这个声音。"),
    ("t2_down", _SIMON, "向下滑，是这个声音。"),
    ("t3_left", _SIMON, "向左滑，是这个声音。"),
    ("t4_right", _SIMON, "向右滑，是这个声音。"),
    ("t5_tap", _SIMON, "单击，是这个声音。"),
    ("t6_double", _SIMON, "双击，是这个声音。"),
    ("t_try", _SIMON, "你试试。"),
    ("t_ok", _SIMON, "对了。"),
    ("t_wrong_up", _SIMON, "不是这个，向上滑试试。"),
    ("t_wrong_down", _SIMON, "不是这个，向下滑试试。"),
    ("t_wrong_left", _SIMON, "不是这个，向左滑试试。"),
    ("t_wrong_right", _SIMON, "不是这个，向右滑试试。"),
    ("t_wrong_tap", _SIMON, "不是这个，单击试试。"),
    ("t_wrong_double", _SIMON, "不是这个，双击试试。"),
    ("t_blunt_up", _SIMON, "手指贴着屏幕，向上推一下。"),
    ("t_blunt_down", _SIMON, "手指贴着屏幕，向下推一下。"),
    ("t_blunt_left", _SIMON, "手指贴着屏幕，向左推一下。"),
    ("t_blunt_right", _SIMON, "手指贴着屏幕，向右推一下。"),
    ("t_blunt_tap", _SIMON, "用指尖，轻轻点一下屏幕。"),
    ("t_blunt_double", _SIMON, "用指尖，快速点两下屏幕。"),
    ("t7_ready", _SIMON, "六种声音都记住了。后面的序列，会越来越长。"),
    ("t7_retry", _SIMON, "答错可以消耗机会重听。双击，可以随时重听。"),
    ("t_skip", _SIMON, "跳过教学，直接开始。"),
    # ---- 轮次播报（整句，round_01..round_20 + 兜底） ----
    *[(f"round_{i + 1:02d}", _SIMON, f"{w}轮，听好了。") for i, w in enumerate(_SIMON_ROUNDS)],
    ("round_more", _SIMON, "新的一轮，听好了。"),
    # ---- 成绩播报 6 段整句 ----
    ("score_band1", _SIMON, "一轮都没坚持下来。别灰心。"),
    ("score_band2", _SIMON, "你坚持了三轮以内。"),
    ("score_band3", _SIMON, "你坚持了五轮左右。"),
    ("score_band4", _SIMON, "你坚持了将近十轮。"),
    ("score_band5", _SIMON, "你坚持了十轮以上，很厉害。"),
    ("score_band6", _SIMON, "你坚持了十五轮以上，大师级！"),
    # ---- 流程句 ----
    ("your_turn", _SIMON, "轮到你了。"),
    ("chances_out", _SIMON, "重听机会用完了，小心。"),
    ("retry_use", _SIMON, "错了。用一次机会，再听一遍。"),
    ("relisten", _SIMON, "再听一遍。"),
    ("replay", _SIMON, "单击屏幕，再来一局。"),
    ("rules_prompt", _SIMON, "上滑，重听规则。下滑，打开菜单。"),
    ("rules", _SIMON, "上行音，向上滑。下行音，向下滑。左边的音，向左滑。右边的音，向右滑。一声轻响，单击。两声轻响，双击。"),
    ("gameover", _SIMON, "游戏结束。"),
    # ---- 反馈短句 ----
    ("correct", _SIMON, "答对了！"),
    ("wrong", _SIMON, "错了。"),
    ("chance_plus", _SIMON, "机会加一。"),
    ("new_record", _SIMON, "新纪录！"),
    # ---- 菜单 ----
    ("menu_open", _SIMON, "菜单。"),
    ("menu_restart", _SIMON, "重新开始。"),
    ("menu_home", _SIMON, "回大厅。"),
    ("menu_back", _SIMON, "返回游戏。"),
    ("skip_hint", _SIMON, "单击可跳过旁白。"),

]

# ---------------------------------------------------------------- rhythm
# R3 重构（docs/design/03-rhythm-voice-ids.md）：31 句，全表同一 instruct 常量。
_RHY = _pair("低沉醇厚的男声，像节奏游戏主持人，平稳有力",
             "活力清晰的年轻女声，像节奏游戏主持人，情绪饱满但不夸张")

RHYTHM_LINES = [
    # ---- W 组 · 开场与流程 ----
    ("welcome", _RHY, "欢迎来到节拍行者。跟着音乐，我奏一句，你跟一句。"),
    ("welcome_back", _RHY, "欢迎回来。我奏一句，你跟一句。"),
    ("tut_1", _RHY, "听，底鼓。在下一小节的同一个位置，单击。"),
    ("tut_2", _RHY, "这次是左和右。跟着打，左滑，右滑。"),
    ("tut_3", _RHY, "最后一句，三个音，中间是双击。"),
    ("tut_done", _RHY, "很好，演出开始。"),
    ("tut_skip", _RHY, "跳过教学，直接开始。"),
    ("mid_song", _RHY, "过半了，保持。"),
    # ---- C 组 · 教学纠正 ----
    ("retry_early", _RHY, "早了，等鼓点再出手。"),
    ("retry_late", _RHY, "晚了，跟着鼓点走。"),
    ("retry_gesture", _RHY, "不是这个手势，再听一遍。"),
    ("retry_listen", _RHY, "再听一遍，跟着来。"),
    ("retry_skip", _RHY, "没关系，我们先走下一句。"),
    # ---- S 组 · 选曲与解锁 ----
    ("select_hint", _RHY, "左右滑选曲目，单击开始，下滑回大厅。"),
    ("song1_name", _RHY, "第一首，启程，九十拍。"),
    ("song2_name", _RHY, "第二首，追风，一百零五拍。"),
    ("song3_name", _RHY, "第三首，星爆，一百二十拍。"),
    ("song_locked", _RHY, "这首还没解锁。上一首拿到 B 级以上就能解锁。"),
    ("unlock_song2", _RHY, "新曲目解锁，追风！"),
    ("unlock_song3", _RHY, "新曲目解锁，星爆！"),
    # ---- G 组 · 结算 ----
    ("grade_s", _RHY, "S 级！准确率超过九成五，完美演出。"),
    ("grade_a", _RHY, "A 级！准确率超过八成五，非常出色。"),
    ("grade_b", _RHY, "B 级，准确率超过七成。不错，还能更好。"),
    ("grade_c", _RHY, "C 级，准确率不到七成。别灰心，再来一遍。"),
    ("new_best_combo", _RHY, "新连击纪录！"),
    ("restart", _RHY, "单击再来一遍，右滑下一首，下滑回大厅。"),
    # ---- M 组 · 菜单与规则 ----
    ("rules", _RHY, "规则：我奏一句，你在下一小节原样跟打。音要对，拍点也要对。"),
    ("settings_hint", _RHY, "音色、语速、背景音乐，请回大厅修改。"),
    ("menu_main", _RHY, "菜单。单击切换选项，双击确认。"),
    ("menu_resume", _RHY, "继续演奏。"),
    ("menu_lobby", _RHY, "回大厅。"),
    ("skip_hint", _RHY, "单击可跳过旁白。"),

]

# ---------------------------------------------------------------- space
# R3 备产（docs/design/04-space-voice-ids.md）：52 句全量替换 R1 版，全表同一 instruct 常量。
_SPC = _pair("低沉醇厚的男声，像飞船领航员，沉稳有力",
             "平静清晰的女声，像飞船领航员，沉稳可信")
SPACE_LINES = [
    # ---- D 组 · 交互式演练 ----
    ("drill_welcome", _SPC, "欢迎登上盲航。你只有一双耳朵。"),
    ("drill_rule", _SPC, "陨石来了，会有声音告诉你方位。"),
    ("drill_left", _SPC, "听，左边有陨石。向左滑，把它拨开！"),
    ("drill_right", _SPC, "这次在右边。向右滑！"),
    ("drill_up", _SPC, "上面有东西，声音又尖又高。向上滑！"),
    ("drill_down", _SPC, "下面是低沉的轰隆。向下滑！"),
    ("drill_good", _SPC, "漂亮。"),
    ("drill_retry_left", _SPC, "那是左边来的，向左滑。"),
    ("drill_retry_right", _SPC, "那是右边来的，向右滑。"),
    ("drill_retry_up", _SPC, "声音又高又尖，是上面，向上滑。"),
    ("drill_retry_down", _SPC, "轰隆声在下面，向下滑。"),
    ("drill_moveon", _SPC, "没关系，跟着我，我们继续。"),
    ("drill_done", _SPC, "四个方向你都会了。引擎点火，出发！"),
    ("drill_skip", _SPC, "跳过演练，直接出发。"),
    # ---- P 组 · 保护期 ----
    ("protect_left", _SPC, "训练护盾接住了。那颗在左边，听到左边的呼啸，向左滑。"),
    ("protect_right", _SPC, "训练护盾接住了。那颗在右边，听到右边的呼啸，向右滑。"),
    ("protect_up", _SPC, "训练护盾接住了。那颗在上面，听到高高的呼啸，向上滑。"),
    ("protect_down", _SPC, "训练护盾接住了。那颗在下面，听到低沉的轰隆，向下滑。"),
    ("protect_end", _SPC, "训练护盾关闭。接下来，靠你自己了。"),
    # ---- F 组 · 单击/双击分批引入 ----
    ("feat_boost", _SPC, "试试单击，引擎会短促加速，直接冲过空隙。"),
    ("feat_boost_done", _SPC, "感觉到了吗？加速的时候，陨石撞不上你。"),
    ("feat_shield", _SPC, "双击展开护盾，能挡下一次撞击。"),
    ("feat_shield_done", _SPC, "护盾展开后会自动充能，好了我会告诉你。"),
    ("shield_ready", _SPC, "护盾充能完毕。"),
    ("shield_block", _SPC, "护盾挡下了撞击。"),
    # ---- H 组 · 被撞归因 ----
    ("hit_left", _SPC, "左边撞上的。听到左边的呼啸，向左滑。"),
    ("hit_right", _SPC, "右边撞上的。听到右边的呼啸，向右滑。"),
    ("hit_up", _SPC, "上面撞上的。听到高高的呼啸，向上滑。"),
    ("hit_down", _SPC, "下面撞上的。听到低沉的轰隆，向下滑。"),
    ("hit_last", _SPC, "船体只剩最后一次了，小心！"),
    # ---- M 组 · 里程碑 ----
    ("ms_10", _SPC, "十颗了，稳。"),
    ("ms_25", _SPC, "二十五颗，老练的飞行员。"),
    ("ms_50", _SPC, "五十颗，传奇。"),
    ("ms_100", _SPC, "一百颗！天空属于你。"),
    # ---- R 组 · 结算 ----
    ("time_1", _SPC, "不到三十秒，再试一次。"),
    ("time_2", _SPC, "超过三十秒，有进步。"),
    ("time_3", _SPC, "超过一分钟，合格的飞行员。"),
    ("time_4", _SPC, "超过两分钟，王牌飞行员。"),
    ("dodge_1", _SPC, "只拨开几颗。"),
    ("dodge_2", _SPC, "拨开了十来颗。"),
    ("dodge_3", _SPC, "拨开了几十颗。"),
    ("dodge_4", _SPC, "拨开了一大群，漂亮。"),
    ("new_record", _SPC, "新纪录！"),
    ("restart_hint", _SPC, "单击再飞一次，下滑回大厅。"),
    # ---- Y 组 · 菜单与系统 ----
    ("second_run_ask", _SPC, "上滑重新听演练，单击直接出发。"),
    ("menu_main", _SPC, "菜单。单击切换选项，双击确认。"),
    ("menu_resume", _SPC, "继续飞行。"),
    ("menu_lobby", _SPC, "回大厅。"),
    ("menu_help", _SPC, "重新听教学要点。"),
    ("help_recap", _SPC, "左边来向左滑，右边来向右滑，上面来向上滑，下面来向下滑。单击加速，双击护盾。"),
    ("settings_hint", _SPC, "音色、语速、背景音乐，请回大厅修改。"),
    ("paused", _SPC, "已暂停。"),
    ("skip_hint", _SPC, "单击可跳过旁白。"),

]

# ---------------------------------------------------------------- rpg
# R4 新游戏《剑与声》第一章（docs/design/05-rpg-ch1-voice-ids.md + 05-rpg-addendum.md §6.2）。
# 旁白全表同一 instruct 常量；NPC 单音色平铺见 RPG_NPC。
_RPG = _pair("低沉醇厚的男声，像说书人，平静有韵味",
             "平静清晰的年轻女声，像在讲武侠故事")
RPG_LINES = [
    # ---- A 组 · 序章 ----
    ("intro_1", _RPG, "你的眼睛看不见了。但你的耳朵，比谁都灵。"),
    ("intro_2", _RPG, "黑风寨掳走了你唯一的徒弟。追进迷雾林，把他们连根拔起。"),
    ("intro_3", _RPG, "先记住，怎么用耳朵走路。"),
    # ---- S 组 · 系统/菜单/状态 ----
    ("sys_continue_ask", _RPG, "检测到你的旅程记录。单击继续，右滑开始新的旅程。"),
    ("sys_new_game", _RPG, "新的旅程，开始了。"),
    ("sys_saved", _RPG, "进度已保存。"),
    ("sys_rest", _RPG, "你在篝火边睡了一觉，状态全满。"),
    ("sys_drink", _RPG, "溪水清冽，你喝了个饱，伤势尽消。"),
    ("sys_menu", _RPG, "菜单。左右滑选择，单击确认。"),
    ("sys_menu_resume", _RPG, "继续旅程。"),
    ("sys_menu_save", _RPG, "保存并回大厅。"),
    ("sys_menu_help", _RPG, "重新听帮助。"),
    ("help_explore", _RPG, "左右滑切换选项，单击确认。双击重新听场景，上滑查看状态，下滑打开菜单。"),
    ("help_battle", _RPG, "战斗中，左右滑选招式，单击出手。听到敌人的前摇，双击格挡。"),
    ("settings_hint", _RPG, "音色、语速、背景音乐，请回大厅修改。"),
    ("st_hp_high", _RPG, "你状态很好。"),
    ("st_hp_mid", _RPG, "你受了伤。"),
    ("st_hp_low", _RPG, "你伤势很重，命悬一线。"),
    ("st_gold_poor", _RPG, "口袋空空。"),
    ("st_gold_some", _RPG, "有些积蓄。"),
    ("st_gold_rich", _RPG, "腰包鼓鼓。"),
    ("st_lv_low", _RPG, "你初出茅庐。"),
    ("st_lv_mid", _RPG, "你小有名气。"),
    ("st_lv_high", _RPG, "你已是高手。"),
    ("st_weapon_none", _RPG, "你赤手空拳。"),
    ("st_weapon_iron", _RPG, "你手持铁剑。"),
    ("st_weapon_steel", _RPG, "你手持青钢剑。"),
    ("st_weapon_wind", _RPG, "你手持听风剑。"),
    ("st_armor_none", _RPG, "你身无片甲。"),
    ("st_armor_leather", _RPG, "你身着皮甲。"),
    ("st_armor_iron", _RPG, "你身着铁鳞甲。"),
    # ---- D 组 · 场景描述 ----
    ("desc_village", _RPG, "雾口村。篝火噼啪作响，村民低声议论着林子里的土匪。"),
    ("desc_village_re", _RPG, "你回到了雾口村。"),
    ("desc_path", _RPG, "林间小路。风穿过树叶，脚下的落叶沙沙作响。"),
    ("desc_path_re", _RPG, "你回到林间小路。"),
    ("desc_fork", _RPG, "岔路口。风声在左右两边，听起来不太一样。"),
    ("desc_fork_re", _RPG, "你回到岔路口。"),
    ("desc_chest", _RPG, "一个枯树洞。洞里似乎藏着什么。"),
    ("desc_chest_re", _RPG, "你回到枯树洞前。"),
    ("desc_stream", _RPG, "溪流。水声潺潺，是个歇脚的好地方。"),
    ("desc_stream_re", _RPG, "你回到溪流边。"),
    ("desc_hunter", _RPG, "猎人小屋。柴火正旺，还有磨刀的声音。"),
    ("desc_hunter_re", _RPG, "你回到猎人小屋。"),
    ("desc_deepwood", _RPG, "密林深处。虫鸣急促，远处有狼嚎，杀气很重。"),
    ("desc_deepwood_re", _RPG, "你回到密林深处。"),
    ("desc_gate", _RPG, "黑风寨门前。火把熊熊，人声嘈杂。"),
    ("desc_hall", _RPG, "聚义厅。火盆熊熊，大厅空旷，回声冰冷。"),
    # ---- O 组 · 选项名 ----
    ("opt_go_path", _RPG, "前进，去林间小路。"),
    ("opt_go_fork", _RPG, "前进，去岔路口。"),
    ("opt_go_chest", _RPG, "往左，看看树洞。"),
    ("opt_go_stream", _RPG, "往右，去溪流。"),
    ("opt_go_hunter", _RPG, "前进，去猎人小屋。"),
    ("opt_go_deepwood", _RPG, "前进，进密林深处。"),
    ("opt_go_gate", _RPG, "前进，去寨门。"),
    ("opt_back", _RPG, "返回。"),
    ("opt_shop", _RPG, "去商店。"),
    ("opt_rest", _RPG, "休息一晚。"),
    ("opt_status", _RPG, "查看状态。"),
    ("opt_investigate", _RPG, "调查四周。"),
    ("opt_open_chest", _RPG, "打开树洞。"),
    ("opt_drink", _RPG, "饮水休息。"),
    ("opt_talk_hunter", _RPG, "和老猎人谈谈。"),
    ("opt_assault", _RPG, "强攻寨门。"),
    ("opt_sneak", _RPG, "绕行潜入。"),
    ("opt_leave", _RPG, "离开。"),
    # ---- E 组 · 事件 ----
    ("evt_gold15", _RPG, "你在落叶下摸到十五枚金币。"),
    ("evt_nothing", _RPG, "这里什么都没有了。"),
    ("evt_chest", _RPG, "树洞里有两瓶金疮药，你收好了。"),
    ("evt_hunter_gift", _RPG, "老猎人塞给你一瓶金疮药，还说商店会给你算便宜些。"),
    ("evt_gate_open", _RPG, "寨门缓缓打开。"),
    ("evt_ch1_end", _RPG, "寨主倒了，但徒弟不在这里。一张字条，指向南方的腐沼。"),
    # ---- B 组 · 战斗 ----
    ("btl_start_wolf", _RPG, "野狼拦路！"),
    ("btl_start_bandit", _RPG, "山贼围上来了！"),
    ("btl_start_spider", _RPG, "毒蛛从树上垂了下来！"),
    ("btl_start_elite", _RPG, "寨丁头目挡住了去路！"),
    ("btl_start_boss1", _RPG, "黑风寨主，就在你面前。"),
    ("cmd_attack", _RPG, "攻击。"),
    ("cmd_skill", _RPG, "破空斩。"),
    ("cmd_defend", _RPG, "防御。"),
    ("cmd_item", _RPG, "金疮药。"),
    ("btl_nomp", _RPG, "内劲不足。"),
    ("btl_noitem", _RPG, "没有金疮药了。"),
    ("btl_flee", _RPG, "你抽身退出了战斗。"),
    ("btl_noflee", _RPG, "避无可避！"),
    ("btl_half_bandit", _RPG, "山贼的攻势缓了下来。"),
    ("btl_enemy_die", _RPG, "敌人倒下了。"),
    ("btl_win", _RPG, "战斗胜利。"),
    ("btl_loot_small", _RPG, "小有收获。"),
    ("btl_loot_mid", _RPG, "收获不少。"),
    ("btl_loot_big", _RPG, "大获全胜，收获颇丰。"),
    ("btl_levelup", _RPG, "你的修为精进了。"),
    ("btl_lose", _RPG, "你倒下了，黑暗吞没了一切。"),
    ("btl_lose_hint", _RPG, "记住，听清前摇，双击格挡。"),
    ("tut_b1", _RPG, "它要扑了，听前摇！"),
    ("tut_b2", _RPG, "就是现在，双击格挡！"),
    ("tut_b3", _RPG, "挡住了！轮到你了。左右滑选攻击，单击出剑。"),
    ("tut_b4", _RPG, "没挡住也没关系，再来一次。"),
    ("tut_b5", _RPG, "好剑法！接下来，靠你自己了。"),
    # ---- SH 组 · 商店 ----
    ("shop_open", _RPG, "商店。左右滑看看货，单击购买。"),
    ("shop_price_sword", _RPG, "铁剑，一百金。"),
    ("shop_price_armor", _RPG, "皮甲，八十金。"),
    ("shop_price_potion", _RPG, "金疮药，三十金。"),
    ("shop_owned", _RPG, "这件你已经有了。"),
    ("shop_poor", _RPG, "钱不够。"),
    ("shop_buy", _RPG, "买下了。"),
    # ---- addendum §6.2 补录：敌方血量档位（旁白） ----
    ("foe_hp_high", _RPG, "敌人气焰正盛。"),
    ("foe_hp_mid", _RPG, "敌人露出疲态。"),
    ("foe_hp_low", _RPG, "敌人撑不住了。"),
    ("skip_hint", _RPG, "单击可跳过旁白。"),
    # ---- R6 补录：首次战斗教学（用户反馈：首战必须讲清交互） ----
    ("tut_battle_1", _RPG, "第一场战斗来了。别慌，战斗是回合制：你先出手，敌人再反击。"),
    ("tut_battle_2", _RPG, "左右滑切换招式，攻击、破空斩、防御、金疮药。单击，出手。"),
    ("tut_battle_3", _RPG, "敌人出手前有一声前摇。听到前摇，马上双击，就能格挡。"),
    ("tut_battle_4", _RPG, "没把握就防御，伤害减半。金疮药可以回血。"),
    ("tut_battle_5", _RPG, "记住：听清前摇，双击格挡。开始吧！"),
]

# NPC 单音色平铺（id, speaker, instruct, 台词）→ web/rpg/audio/voice/<id>.*
# 角色 speaker+instruct 恒定（村长与寨主同 speaker 不同 instruct，从不在同场景出现）。
RPG_NPC = [
    ("npc_headman_1", "Uncle_Fu", "慈祥和缓的老者", "外乡人，林子里不太平。这五十金，拿着防身。"),
    ("npc_headman_2", "Uncle_Fu", "慈祥和缓的老者", "商店就在村里，缺什么就去看看。"),
    ("npc_headman_3", "Uncle_Fu", "慈祥和缓的老者", "听说你是用耳朵走路的剑客？保重啊。"),
    ("npc_headman_4", "Uncle_Fu", "慈祥和缓的老者", "救救那些被掳走的孩子吧。"),
    ("npc_hunter_1", "Eric", "沙哑粗犷，豪爽中带着暖意", "站住。……哦，是个用耳朵的。"),
    ("npc_hunter_2", "Eric", "沙哑粗犷，豪爽中带着暖意", "寨子里有我旧识。带上这个，别死在路上。"),
    ("npc_hunter_3", "Eric", "沙哑粗犷，豪爽中带着暖意", "黑风寨主的双刀很快，听清他出刀前的动静。"),
    ("npc_hunter_4", "Eric", "沙哑粗犷，豪爽中带着暖意", "去吧。让我听听，你的传说。"),
    ("npc_elite_1", "Dylan", "凶狠粗鲁，大声喝骂", "哪儿来的瞎子，敢闯黑风寨！"),
    ("npc_elite_half", "Dylan", "凶狠粗鲁，大声喝骂", "你……你到底是什么人！"),
    ("npc_elite_die", "Dylan", "凶狠粗鲁，大声喝骂", "寨主……会替我报仇……"),
    ("npc_boss1_1", "Uncle_Fu", "低沉阴狠，慢条斯理", "盲剑客？正好，省得挖你的眼睛。"),
    ("npc_boss1_2", "Uncle_Fu", "低沉阴狠，慢条斯理", "有两下子。可惜，你听不懂死期的声音。"),
    ("npc_boss1_die", "Uncle_Fu", "低沉阴狠，慢条斯理", "白无瞳……会找到你……"),
]
NPCS = {"rpg": RPG_NPC}

GAMES = {
    "storyline": STORYLINE_LINES,
    "escape": ESCAPE_LINES,
    "simon": SIMON_LINES,
    "rhythm": RHYTHM_LINES,
    "space": SPACE_LINES,
    "rpg": RPG_LINES,
}


# ---------------------------------------------------------------- 工具函数
def split_text(text, limit=SPLIT_LIMIT):
    """按句末标点拆句并合并到 <=limit 字；超长单句再按逗号拆。"""
    if len(text) <= limit:
        return [text]
    sents = [s for s in re.split(r"(?<=[。！？；…])", text) if s]
    chunks, cur = [], ""
    for s in sents:
        if cur and len(cur) + len(s) > limit:
            chunks.append(cur)
            cur = s
        else:
            cur += s
    if cur:
        chunks.append(cur)
    out = []
    for c in chunks:
        if len(c) <= limit:
            out.append(c)
        else:  # 单句仍超限，按逗号硬拆
            parts = [p for p in re.split(r"(?<=[，、：])", c) if p]
            buf = ""
            for p in parts:
                if buf and len(buf) + len(p) > limit:
                    out.append(buf)
                    buf = p
                else:
                    buf += p
            if buf:
                out.append(buf)
    return [o for o in out if o.strip()]


def staging_path(game, gender, fid):
    return os.path.join(STAGING, game, gender, fid + ".wav")


def valid_wav(path):
    import numpy as np
    import soundfile as sf
    if not os.path.exists(path):
        return False
    try:
        data, sr = sf.read(path)
    except Exception:
        return False
    if len(data) == 0:
        return False
    dur = len(data) / sr
    peak = float(np.max(np.abs(data)))
    return dur > 0.3 and peak > 0.05


# ---------------------------------------------------------------- 生成
def generate(games, genders, only):
    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 game in games:
        lines = GAMES[game]
        if only:
            lines = [x for x in lines if x[0] in only]
        for gender in genders:
            speaker = SPEAKERS[game][gender]
            ins_idx = 0 if gender == "male" else 1
            outdir = os.path.join(STAGING, game, gender)
            os.makedirs(outdir, exist_ok=True)

            # 展开成 (fid, chunk_idx, n_chunks, text, instruct)，跳过已完成
            items = []
            for fid, ins_pair, text in lines:
                path = staging_path(game, gender, fid)
                if valid_wav(path):
                    continue
                chunks = split_text(text)
                for ci, ctext in enumerate(chunks):
                    items.append((fid, ci, len(chunks), ctext, ins_pair[ins_idx]))
            if not items:
                print(f"[{game}/{gender}] nothing to do", flush=True)
                continue

            # 短句（数字类）优先、同 instruct 聚合成整批，减少 prosody 漂移
            shorts = [it for it in items if len(it[3]) <= 2]
            longs = [it for it in items if len(it[3]) > 2]
            queue = ([("short", shorts[i:i + BATCH_SHORT]) for i in range(0, len(shorts), BATCH_SHORT)]
                     + [("long", longs[i:i + BATCH_LONG]) for i in range(0, len(longs), BATCH_LONG)])

            results = {}  # fid -> {chunk_idx: wav}
            for bi, (kind, batch) in enumerate(queue):
                wavs, sr = model.generate_custom_voice(
                    text=[b[3] for b in batch],
                    language=["Chinese"] * len(batch),
                    speaker=[speaker] * len(batch),
                    instruct=[b[4] for b in batch],
                    max_new_tokens=2048,
                )
                for (fid, ci, _n, _t, _i), wav in zip(batch, wavs):
                    results.setdefault(fid, {})[ci] = np.asarray(wav, dtype=np.float32)
                print(f"[{game}/{gender}] batch {bi + 1}/{len(queue)} ({kind}, n={len(batch)})", flush=True)

            gap = np.zeros(int(GAP_SEC * sr), dtype=np.float32)
            for fid, ins_pair, text in lines:
                path = staging_path(game, gender, fid)
                if valid_wav(path):
                    continue
                got = results.get(fid, {})
                n_chunks = len(split_text(text))
                assert len(got) == n_chunks, f"{game}/{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"{game}/{gender}/{fid}: peak {peak:.3f}"
                wav = wav / peak * PEAK_NORM
                dur = len(wav) / sr
                assert dur > 0.3, f"{game}/{gender}/{fid}: dur {dur:.2f}s"
                sf.write(path, wav, sr)
                print(f"[ok] {game}/{gender}/{fid}  {dur:.2f}s chunks={n_chunks}", flush=True)

        # NPC 单音色平铺（staging <game>/npc/，convert 落 flat voice/）
        npc_lines = NPCS.get(game)
        if npc_lines:
            outdir = os.path.join(STAGING, game, "npc")
            os.makedirs(outdir, exist_ok=True)
            todo = [x for x in npc_lines if not valid_wav(os.path.join(outdir, x[0] + ".wav"))]
            for i in range(0, len(todo), BATCH_LONG):
                batch = todo[i:i + BATCH_LONG]
                wavs, sr = model.generate_custom_voice(
                    text=[b[3] for b in batch],
                    language=["Chinese"] * len(batch),
                    speaker=[b[1] for b in batch],
                    instruct=[b[2] for b in batch],
                    max_new_tokens=2048,
                )
                for (fid, _sp, _ins, _t), wav in zip(batch, wavs):
                    wav = np.asarray(wav, dtype=np.float32)
                    peak = float(np.max(np.abs(wav)))
                    assert peak > 0.05, f"{game}/npc/{fid}: peak {peak:.3f}"
                    wav = wav / peak * PEAK_NORM
                    dur = len(wav) / sr
                    assert dur > 0.3, f"{game}/npc/{fid}: dur {dur:.2f}s"
                    sf.write(os.path.join(outdir, fid + ".wav"), wav, sr)
                    print(f"[ok] {game}/npc/{fid}  {dur:.2f}s", flush=True)


# ---------------------------------------------------------------- 检查
def check(games):
    import numpy as np
    import soundfile as sf

    problems = []
    for game in games:
        print(f"=== {game} ===")
        for fid, _ins, _text in GAMES[game]:
            durs = {}
            for gender in ("male", "female"):
                path = staging_path(game, 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"{game}/{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"{game}/{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"{game}/{fid}: 时长离群 m={m:.2f}s f={f:.2f}s ratio={ratio:.1f}")
            print(f"  {fid:24s} m={m:6.2f}s f={f:6.2f}s{flag}")
    print()
    if problems:
        print("PROBLEMS:")
        for p in problems:
            print(" ", p)
        return 1
    print("ALL OK")
    return 0


# ---------------------------------------------------------------- 转码
def convert(games):
    # 只按台词表转换（不扫目录），staging 里残留的旧 id wav 不会落盘
    total = 0
    for game in games:
        for gender in ("male", "female"):
            dst_dir = os.path.join(ROOT, "web", game, "audio", "voice", gender)
            os.makedirs(dst_dir, exist_ok=True)
            for fid, _ins, _text in GAMES[game]:
                src = staging_path(game, gender, fid)
                if not os.path.exists(src):
                    print(f"[convert] WARN missing {game}/{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
        # NPC 平铺（staging <game>/npc/ → audio/voice/<id>.*）
        for fid, _sp, _ins, _t in NPCS.get(game, []):
            src = os.path.join(STAGING, game, "npc", fid + ".wav")
            if not os.path.exists(src):
                print(f"[convert] WARN missing {game}/npc/{fid}.wav")
                continue
            base = os.path.join(ROOT, "web", game, "audio", "voice", 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"[convert] {game} done")
    print(f"converted {total} files (ogg+m4a each)")


def main():
    ap = argparse.ArgumentParser()
    ap.add_argument("--game", required=True,
                    choices=list(GAMES.keys()) + ["all"])
    ap.add_argument("--gender", default="both", choices=["male", "female", "both"])
    ap.add_argument("--only", default="", help="逗号分隔的 id 列表，只生成这些")
    ap.add_argument("--check", action="store_true")
    ap.add_argument("--convert", action="store_true")
    args = ap.parse_args()

    games = list(GAMES.keys()) if args.game == "all" else [args.game]
    genders = ["male", "female"] if args.gender == "both" else [args.gender]
    only = set(x for x in args.only.split(",") if x)

    if args.check:
        sys.exit(check(games))
    if args.convert:
        convert(games)
        return
    generate(games, genders, only)


if __name__ == "__main__":
    main()