项目整理：重写主文档、归档过时文档、清理死代码、新增音频制作手册

文档整理:
- 重写 game/操作说明.md 为项目主文档（6游戏/6手势/旁白/模型生成音频/TTS两步流程）
- 归档过时文档至 other_docs/（林夏原始设计、旧执行文档）
- 新增 docs/音频制作执行手册.md（从零制作游戏音频的完整流程）
- docs/ 下保留旁白音色提示词、音频脚本

代码清理:
- 删除旧架构死代码: story.js / gestures.js / profile.js
- 删除耦合旧架构的过时测试目录 game/tests/

脚本配置修正:
- check_tts_env.sh: 启动脚本路径 AutoVideo → tts-server（实际位置）
- gen_narrator_samples.py: 硬编码地址改为环境变量，默认对齐 tts-server 端口 8000

audio/check_tts_env.sh

@@ -9,7 +9,7 @@ set -euo pipefail
 HOST="${VOXCPM_HOST:-127.0.0.1}"
 PORT="${VOXCPM_PORT:-8000}"
 HEALTH_URL="http://${HOST}:${PORT}/health"
-START_SCRIPT="${VOXCPM_START_SCRIPT:-/home/xsl/AutoVideo/start-voxcpm.sh}"
+START_SCRIPT="${VOXCPM_START_SCRIPT:-/home/xsl/tts-server/start-voxcpm.sh}"
 MODEL_DIR="${VOXCPM_MODEL_DIR:-/home/xsl/models/VoxCPM2}"
 VENV_PYTHON="${VOXCPM_PYTHON:-/home/xsl/tts-server/.venv/bin/python}"
 LOG_FILE="${VOXCPM_LOG_FILE:-/tmp/voxcpm-server.log}"

audio/gen_narrator_samples.py

@@ -0,0 +1,162 @@
+#!/usr/bin/env python3
+"""
+生成六个旁白音色的样本音频（Voice Design 模式，无需参考音频）
+
+输出目录: audio/narrator_samples/{game_id}/sample_{n}.wav
+每个游戏生成 3 条有代表性的台词，覆盖不同场景类型。
+"""
+import os
+import time
+import requests
+import subprocess
+
+HOST      = os.environ.get("VOXCPM_HOST", "127.0.0.1")
+PORT      = os.environ.get("VOXCPM_PORT", "8000")
+BASE_URL  = f"http://{HOST}:{PORT}"
+OUT_BASE  = "/home/xsl/blind/audio/narrator_samples"
+
+# ──────────────────────────────────────────────────────────────
+# 六个旁白的 Voice Design 风格描述（中文，给 VoxCPM2）
+# ──────────────────────────────────────────────────────────────
+NARRATORS = {
+    "linxia": {
+        "style": "成熟女声，三十岁出头，克制平静，纪录片旁白语气，语速偏慢，普通话标准，胸腔共鸣，不带情感评判",
+        "speed": 0.85,
+        "samples": [
+            ("s1_narrate", "晚上九点零三分。手机震动，铃声响起。屏幕显示：妈妈。"),
+            ("s2_tap",     "你接了。妈妈的声音从电话里传来，带着一点日常的关心，问你今天怎么样，吃了没有。你说还好。挂掉之后，房间里又安静了。"),
+            ("s3_ending",  "今晚大部分的消息，你都没有回应。你一个人度过了这个夜晚。这也是一种选择，你心里清楚。"),
+        ],
+    },
+    "yinian": {
+        "style": "年轻女声，二十五岁左右，气声轻柔，内心独白风格，语速很慢，像说给自己听，声音贴近，偏头腔，有重量但不悲伤",
+        "speed": 0.80,
+        "samples": [
+            ("s1_narrate", "你坐在黑暗里，独自一人。今晚你必须做一个决定——你自己知道是什么。"),
+            ("s2_tap",     "你在黑暗里，说了那句对不起。没有人听见，但你说了。有什么东西松开了。"),
+            ("s3_ending",  "你今晚接住了很多，你没有选择只是轻装。也许你的决定，就是带着这些往前走。"),
+        ],
+    },
+    "shouye": {
+        "style": "中年男声，四十五岁左右，略带沙哑，低沉疲惫，实务语气，像在做交班记录，不慌张，稳定",
+        "speed": 0.90,
+        "samples": [
+            ("s1_narrate", "凌晨零点十分。地下室传来水声，不大，但是持续的，一直在响。"),
+            ("s2_tap",     "你拨了地下室的内线。没人接。你下去看了一眼，是一根管子在漏水，用旧布堵住了。回到监控室，零点二十三分。"),
+            ("s3_ending",  "今晚你一个人上了屋顶，你看到了那只猫，你看到了天边开始变色。只有你看到了。这算不上什么，但只有你知道。"),
+        ],
+    },
+    "houzhen": {
+        "style": "女声，完全中性，无情感，播音腔，字正腔圆，精确清晰，像医院叫号系统，句末无语调起伏",
+        "speed": 0.95,
+        "samples": [
+            ("s1_narrate", "叫号机叫到了八十五号。你的号是九十四。等待的时间被切成了一小块一小块的，每一块都很结实。"),
+            ("s2_tap",     "你看了他一会儿。他感觉到了，朝你点了点头。你也点了点头。没有说话，但有什么东西发生了。"),
+            ("s3_final",   "九十四号。是你。你站起来，整理了一下衣服，走向那扇门。"),
+        ],
+    },
+    "yisheng": {
+        "style": "年轻女声，二十五岁，清晰精确，略带机械感，手机系统语音风格，有礼但冷静，像精调过的语音助手",
+        "speed": 0.92,
+        "samples": [
+            ("s1_intro",   "你收到了一部手机。手机的主人去世了，一个月前。他留下了很多录音，按时间排列。你不认识他。或者你以为你不认识他。"),
+            ("s2_meta",    "第一条录音。录制时间：三月五日，早上八点。时长：二十二秒。文件名：买橙子。"),
+            ("s3_skip",    "你跳过了这条。你永远不会知道这条说了什么了。"),
+        ],
+    },
+    "fu": {
+        "style": "女声，大量气声，极轻，飘渺，语速极慢，声音散而不集中，像梦里的声音，若即若离",
+        "speed": 0.75,
+        "samples": [
+            ("s1_intro",   "你漂浮在某处。不知道是水，还是梦，还是别的什么。声音会漂过来。"),
+            ("s2_item",    "第一个。像夏天傍晚的风，带着草的气味，你说不清是哪年夏天的。它停在你身边了。"),
+            ("s3_tap",     "它停在你手心里，有点暖。"),
+        ],
+    },
+}
+
+
+def synthesize_styled(text: str, style: str, cfg: float = 3.0, steps: int = 20) -> bytes:
+    r = requests.post(
+        f"{BASE_URL}/v1/speech/styled",
+        json={
+            "text":                text,
+            "style":               style,
+            "voice_id":            None,
+            "cfg_value":           cfg,
+            "inference_timesteps": steps,
+            "denoise":             True,
+            "retry_badcase":       True,
+            "normalize":           True,
+        },
+        timeout=180,
+    )
+    r.raise_for_status()
+    return r.content
+
+
+def apply_speed(wav_in: str, speed: float, wav_out: str):
+    if abs(speed - 1.0) < 0.01:
+        import shutil; shutil.copy2(wav_in, wav_out)
+        return
+    subprocess.run([
+        "ffmpeg", "-y", "-i", wav_in,
+        "-filter:a", f"atempo={speed}",
+        "-acodec", "pcm_s16le", wav_out,
+    ], check=True, capture_output=True)
+
+
+def main():
+    print(f"\n{'='*60}")
+    print(f" 旁白样本生成 — Voice Design 模式（无需参考音频）")
+    print(f" 输出: {OUT_BASE}/")
+    print(f"{'='*60}\n")
+
+    total_ok = 0
+    total_fail = 0
+
+    for game_id, cfg in NARRATORS.items():
+        game_dir = os.path.join(OUT_BASE, game_id)
+        os.makedirs(game_dir, exist_ok=True)
+
+        print(f"── {game_id}  [{cfg['style'][:30]}...]")
+
+        for tag, text in cfg["samples"]:
+            out_path = os.path.join(game_dir, f"{tag}.wav")
+            if os.path.exists(out_path):
+                print(f"   [跳过] {tag}.wav 已存在")
+                total_ok += 1
+                continue
+
+            print(f"   [{tag}] {text[:40]}...", end=" ", flush=True)
+            t0 = time.time()
+
+            try:
+                wav_bytes = synthesize_styled(text, cfg["style"])
+                raw_path  = out_path + ".raw.wav"
+                with open(raw_path, "wb") as f:
+                    f.write(wav_bytes)
+
+                apply_speed(raw_path, cfg["speed"], out_path)
+                if os.path.exists(raw_path) and raw_path != out_path:
+                    os.remove(raw_path)
+
+                elapsed = time.time() - t0
+                size_kb = os.path.getsize(out_path) // 1024
+                print(f"✓ {elapsed:.1f}s  {size_kb}KB")
+                total_ok += 1
+
+            except Exception as e:
+                print(f"✗ {e}")
+                total_fail += 1
+
+        print()
+
+    print(f"{'='*60}")
+    print(f" 完成 {total_ok} 条  失败 {total_fail} 条")
+    print(f" 输出目录: {OUT_BASE}/")
+    print(f"{'='*60}\n")
+
+
+if __name__ == "__main__":
+    main()

audio/inject_narrateAudio.py

@@ -0,0 +1,95 @@
+#!/usr/bin/env python3
+"""
+为各游戏脚本注入 narrateAudio 字段
+
+用法:
+  python audio/inject_narrateAudio.py --game shouye --dry-run
+  python audio/inject_narrateAudio.py --game shouye
+
+说明:
+  扫描 audio/mp3/narrator/{game_id}/ 目录下已生成的 MP3，
+  打印出对应游戏脚本中应添加的 narrateAudio 字段。
+  由于游戏脚本结构各异，本脚本只做"报告"，不直接修改 JS 文件。
+
+输出示例（复制粘贴到对应 scene 对象中）:
+  s01: {
+    narrateAudio: '../audio/mp3/narrator/shouye/shouye_s01_narrate.mp3',
+    narrate: '...',          // 保留原文作 TTS 兜底
+    ...
+  }
+"""
+import os
+import argparse
+import glob
+
+PROJECT_DIR  = "/home/xsl/blind"
+NARRATOR_DIR = os.path.join(PROJECT_DIR, "audio", "mp3", "narrator")
+# 相对于 game/js/games/{game}.js 的音频路径
+AUDIO_REL    = "../../audio/mp3/narrator"
+
+
+def main():
+    parser = argparse.ArgumentParser()
+    parser.add_argument("--game", required=True,
+                        help="游戏 ID (linxia/yinian/shouye/houzhen/yisheng/fu)")
+    parser.add_argument("--dry-run", action="store_true",
+                        help="只列出可用文件，不输出注入建议")
+    args = parser.parse_args()
+
+    game_dir = os.path.join(NARRATOR_DIR, args.game)
+    if not os.path.isdir(game_dir):
+        print(f"[错误] 目录不存在: {game_dir}")
+        print(f"请先运行 batch_narrator_tts.py 生成音频。")
+        return
+
+    files = sorted(glob.glob(os.path.join(game_dir, "*.mp3")))
+    if not files:
+        print(f"[空] {game_dir}/ 中没有 MP3 文件。")
+        return
+
+    print(f"\n已生成的 {args.game} 旁白音频 ({len(files)} 条):\n")
+
+    if args.dry_run:
+        for f in files:
+            print(f"  {os.path.basename(f)}")
+        return
+
+    print("// ── 将以下 narrateAudio 字段添加到对应 scene/action 对象中 ──")
+    print("// （保留 narrate 文字作 TTS 兜底；有了 narrateAudio 后引擎会优先播放文件）\n")
+
+    for f in files:
+        name = os.path.basename(f)           # e.g. shouye_s01_narrate.mp3
+        stem = name[:-4]                     # e.g. shouye_s01_narrate
+        # 推断 scene/action key
+        parts = stem.split("_")             # ['shouye', 's01', 'narrate']
+        rel_path = f"{AUDIO_REL}/{args.game}/{name}"
+
+        # 判断类型
+        if parts[-1] == "narrate" or parts[-1].startswith("narrate"):
+            field = "narrateAudio"
+            note  = f"// → scene {parts[1]}"
+        elif parts[-1] == "tap" or parts[-1].startswith("tap"):
+            field = "narrateAudio"
+            note  = f"// → scene {parts[1]} / tap"
+        elif parts[-1] == "dt":
+            field = "narrateAudio"
+            note  = f"// → scene {parts[1]} / doubleTap"
+        elif parts[-1] == "intro":
+            field = "// game.introAudio"
+            note  = "// → game 对象 intro 字段（engine.run 中用 narrateAudio 处理）"
+        elif "ending" in parts:
+            ending_id = "_".join(parts[parts.index("ending"):])
+            field = "narrateAudio"
+            note  = f"// → endings.{ending_id.replace('ending_', '')} 对象"
+        else:
+            field = "narrateAudio"
+            note  = ""
+
+        print(f"  {field}: '{rel_path}', {note}")
+
+    print("\n// 提示：intro 的 narrateAudio 需在 engine.run() 里单独处理，")
+    print("//       或在 game 对象中加 introAudio 字段并在 engine 中检查。")
+
+
+if __name__ == "__main__":
+    main()