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

other_docs/执行文档_音频素材制作_归档.md

@@ -0,0 +1,593 @@
+# 《林夏》音频素材本地制作执行文档
+
+> **前置文档**：`林夏.md`（游戏设计）、`SOP_AI音频生产.md`（生产规范）  
+> **现行状态**：`audio_2/项目状态说明.md`（v5 音色、目录、命令，**以此为准**）  
+> **执行环境**：本机 WSL2 · RTX 5090 32GB · FFmpeg 7.0  
+> **TTS 主链路**：**VoxCPM2**（Voice Design 试听 → 克隆 → Style Control 表演），脚本 `audio_2/scripts/04_gen_tts_clone.py`  
+> **TTS 备用**：CosyVoice2-0.5B（见附录 B）  
+> **目标**：按 SOP 规范在本地生产全部音频素材
+
+---
+
+## 0. 本机资源清单
+
+| 资源 | 路径 / 状态 | 用途 |
+|---|---|---|
+| **VoxCPM2** | `/home/xsl/tts-server/` · 端口 **8002** · `bash /home/xsl/tts-server/start-voxcpm.sh` | **TTS 主链路**（Voice Design + 声音克隆 + Style Control） |
+| CosyVoice 2.0 (0.5B) | `/home/xsl/tools/CosyVoice` · conda env: `cosyvoice` | TTS 备用（见附录 B） |
+| ACE-Step 1.5 | `/home/xsl/tools/ACE-Step-1.5` · conda env: `acestep` | BGM / 铃声 / 叙事音效 / 环境音 |
+| Stable Audio Open 1.0 | `/home/xsl/tools/stable-audio-tools` · conda env: `stableaudio` | 高品质音效补充 |
+| FFmpeg 7.0 | `/usr/local/bin/ffmpeg` | 音频格式转换、响度归一化、听筒效果 |
+| GPU | RTX 5090 32GB | 跑 VoxCPM2 / CosyVoice / ACE-Step 推理 |
+| MuseTalk | `/home/xsl/work/MuseTalk` | **注意：这是唇形同步工具，不是 TTS** |
+
+> **端口说明**：8000 被 head3d 占用，TTS 固定使用 **8002**（`VOXCPM_PORT=8002`）。  
+> **游戏运行时音频**：`audio/mp3/`（184 文件，仅保留 `story.js` / `engine.js` 引用的 `*_wav_v1.mp3` 等）。  
+> CosyVoice2 保留作为备用，仅在 VoxCPM2 表现不佳时切换。
+
+---
+
+## 1. 环境部署
+
+### 1.1 创建项目目录结构
+
+```bash
+cd /home/xsl/blind
+mkdir -p audio/{00_raw/{tts,music,sfx,ambience,ringtone},01_processed/{tts,music,sfx,ambience,ringtone},02_final/{tts,music,sfx,ambience,ringtone},03_qa_reports,99_legal}
+mkdir -p voice/{linxia,mom,azhe,xiaomei,zhounan,hr,anan,dorm_a,dorm_b,dorm_c,delivery,system}  # 各角色参考音频
+```
+
+### 1.2 启动 VoxCPM2 服务
+
+```bash
+VOXCPM_PORT=8002 VOXCPM_ENABLE_DENOISER=0 bash /home/xsl/tts-server/start-voxcpm.sh
+# 服务: http://127.0.0.1:8002
+```
+
+验证服务可用：
+```bash
+curl -s http://127.0.0.1:8002/health
+# 预期: {"status":"ok","model":"VoxCPM2","styled_speech":true}
+```
+
+**VoxCPM2 API 接口**（详见 `林夏.md` §7.2、`/home/xsl/tts-server/server.py`）：
+
+| 接口 | 用途 |
+|------|------|
+| `POST /v1/voices` | 注册参考音频（wav_base64）→ voice_id |
+| `POST /v1/speech` | 纯克隆合成（text + voice_id）→ WAV |
+| `POST /v1/speech/styled` | Style Control / Voice Design（见下） |
+
+- 有 `voice_id` → 克隆音色 + style 表演修饰
+- 无 `voice_id` → 纯 Voice Design（仅提示词，无参考音频）
+- 输出格式：48kHz 16-bit PCM WAV
+
+### 1.4 验证 FFmpeg
+
+```bash
+ffmpeg -version | head -1
+# 预期输出: ffmpeg version 7.0.2-static
+
+# 测试 loudnorm 滤镜
+ffmpeg -f lavfi -i "sine=frequency=440:duration=1" -af "loudnorm=I=-16:TP=-1:LRA=11" -y /tmp/test_loudnorm.wav
+echo "FFmpeg loudnorm 可用"
+```
+
+---
+
+## 2. 角色参考音频准备（关键步骤）
+
+VoxCPM2 的声音克隆需要**每个角色一段参考音频**（WAV）。**现行方案**：先用 Voice Design 生成试听变体，人工选定后作为永久参考。
+
+### 2.1 现行流程（v4 → v5）
+
+```
+1. 03_gen_voice_samples.py  → 每角色 5 条约 10s 试听（不同提示词）
+2. 人工试听，每角色保留 1 条 → audio_2/tts/v4_voice_samples/{role}/
+3. 04_gen_tts_clone.py       → 全量克隆 + 部署 audio/mp3/tts/*_wav_v1.mp3
+4. 副本同步到 voice/{角色}/{角色}_ref.wav
+```
+
+**已选定参考**（2026-05-23）：
+
+| 角色 | 文件 | 性别 |
+|------|------|------|
+| linxia | `linxia_v05.wav` | 女 |
+| mom | `mom_v01.wav` | 女 |
+| azhe | `azhe_v03.wav` | 男 |
+| xiaomei | `xiaomei_v05.wav` | 女 |
+| xiaomei_drunk | `xiaomei_drunk_v05.wav` | 女 |
+| zhounan | `zhounan_v05.wav` | 男 |
+| hr | `hr_v05.wav` | 女 |
+| anan | `anan_v04.wav` | 女 |
+| dorm_a/b/c | `v03` / `v02` / `v03` | 女 |
+| delivery | `delivery_v04.wav` | **男** |
+| self_3y | `self_3y_v03.wav` | 女 |
+
+提示词配置：`audio_2/voice_sample_prompts.py`（试听）、`audio_2/voice_style_prompts.py`（表演修饰）。
+
+### 2.2 参考音频规格（仍适用）
+
+- **时长**：5-20 秒（推荐 10 秒左右）
+- **格式**：WAV，16kHz mono（注册前由脚本自动转换）
+- **内容**：完整中文句子
+- **质量**：干声为主，避免底噪、混响、BGM
+
+### 2.3 旧方案（人工录音 / 截取）
+
+若 Voice Design 不满意，仍可按原方案准备参考音频放入 `voice/{角色}/`：
+
+| 角色 | 音色要求 | 参考音频获取方案 |
+|---|---|---|
+| `mom` 妈妈 | 50 岁，温柔克制 | 真人录音或影视截取 |
+| `azhe` 阿哲 | 27 岁男声，理性偏冷 | 播客/有声书截取 |
+| `delivery` 外卖小哥 | 30 岁北方男声 | 语速适中，非过快 |
+| … | 见 `林夏.md` §7.3 | — |
+
+---
+
+## 3. TTS 生产流程
+
+### 3.0 现行主力：v5 克隆流水线 ★
+
+**前置**：VoxCPM2 已启动（§1.2），参考音频已在 `v4_voice_samples/` 每角色 1 条。
+
+```bash
+cd /home/xsl/blind
+
+# 全量克隆 + 自动部署游戏目录
+VOXCPM_PORT=8002 python audio_2/scripts/04_gen_tts_clone.py --force
+
+# 只重跑某角色
+VOXCPM_PORT=8002 python audio_2/scripts/04_gen_tts_clone.py --role delivery --force
+
+# 预览任务
+python audio_2/scripts/04_gen_tts_clone.py --dry-run
+```
+
+| 步骤 | 脚本 | 输出 |
+|------|------|------|
+| 试听选音色 | `03_gen_voice_samples.py` | `audio_2/tts/v4_voice_samples/` |
+| 全量克隆 | `04_gen_tts_clone.py` | `audio_2/tts/v5_cloned/*_wav_v5.mp3` |
+| 游戏部署 | （04 脚本自动） | `audio/mp3/tts/*_wav_v1.mp3` |
+
+- 台词来源：`audio/batch_tts_voxcpm.py` → `LINES`（173 条）+ `EXTRA_LINES`（self-3y ×3、系统 memo）
+- 表演修饰：`audio_2/voice_style_prompts.py` → `get_clone_style()`
+- 清单：`audio_2/tts/v5_cloned/clone_manifest.tsv`
+
+**游戏仅加载 `*_wav_v1.mp3`**，不加载 `*_mp3_v1.mp3`。
+
+### 3.1 VoxCPM2 声音克隆流程（底层原理）
+
+**单条合成步骤**：
+1. 将角色参考音频注册为 voice_id：`POST /v1/voices`
+2. 调用：`POST /v1/speech/styled`（text + voice_id + style 表演修饰）
+3. 获得 48kHz WAV → ffmpeg atempo 调速（`ROLES` 配置）→ MP3
+4. 部署到 `audio/mp3/tts/`
+
+**角色语速**（`audio/batch_tts_voxcpm.py` → `ROLES`，与 `林夏.md` §7.3 一致）：
+
+```
+voice/
+├── linxia/     # 1.00
+├── mom/        # 0.92
+├── azhe/       # 1.05
+├── xiaomei/    # 1.10（醉态 xiaomei_drunk 0.95）
+├── zhounan/    # 0.95
+├── hr/         # 1.00
+├── anan/       # 1.15
+├── dorm_a/b/c  # 1.10 / 1.00 / 0.95
+├── delivery/   # 1.00（已从 1.20 调慢）
+└── self_3y/    # 1.15（独立参考 self_3y_v03.wav）
+```
+
+### 3.2 旧版批量脚本（参考，已被 v5 替代）
+
+```bash
+# 旧流程：直接读 voice/ 参考，无 Style Control 表演
+python audio/batch_tts_voxcpm.py --source voice --dry-run
+```
+
+输出原为 `audio/00_raw/tts/`，现正式产物见 `audio_2/tts/v5_cloned/` 与 `audio/mp3/tts/`。
+
+### 3.3 长戏分段处理
+
+SOP §5.3 规定：**超过 30 秒的台词必须分段录制**。
+
+**妈妈 4'17" 长语音（第 16 条）分 8 段**：
+
+| 段号 | 文件名 | 台词 | 情绪提示 |
+|---|---|---|---|
+| 1 | `lv11_0200_mom_voice_01_seg1` | "夏夏。妈妈知道你今天电话不接。妈妈不催你，就是想跟你说一件事。" | gentle, hesitant |
+| 2 | `lv11_0200_mom_voice_01_seg2` | "你24了对吧。妈妈24那年——你应该没听我说过——" | gentle, nostalgic |
+| 3 | `lv11_0200_mom_voice_01_seg3` | "那时候妈妈在广州，给一个香港老板做秘书，1995年。那年我也被分手过。也被开除过。一模一样的春天。" | gentle, sad but holding back |
+| 4 | `lv11_0200_mom_voice_01_seg4` | "那年我哭得特别难看。后来呢？后来就没什么后来了。我回了老家，认识了你爸，生了你。" | gentle, releasing |
+| 5 | `lv11_0200_mom_voice_01_seg5` | "我跟你说这个不是想跟你说什么都会过去——我想跟你说，那年夏天我没死，是因为我外婆每天晚上都给我打一个电话。" | gentle, emotional |
+| 6 | `lv11_0200_mom_voice_01_seg6` | "她不说什么，就问我今天吃饭了没。" | gentle, peaceful |
+| 7 | `lv11_0200_mom_voice_01_seg7` | "我现在打给你，你不接也没事。妈妈给你发个语音，你什么时候想听就听。你不用回我。" | gentle, tender |
+| 8 | `lv11_0200_mom_voice_01_seg8` | "你今天接了好多电话吧。妈妈不打扰你了。晚安。" | gentle, almost smiling |
+
+每段单独合成后用 FFmpeg 拼接（见 §4.3）。
+
+**小美醉语音（第 09 条）分 4 段**，speed 调低到 0.95，每段间加长停顿。
+
+**周南 4 段长讲述（第 13 条）** 每段独立合成，段间留 800ms 静音。
+
+### 3.4 系统 TTS
+
+系统提示音（内容警告、暂停、热线、等待回复、memo 等）**现行方案**：
+
+- 大部分系统语音用 **林夏音色**（`linxia_ref.wav`）克隆，见 `LINES` 中 `v2_sys_*` 与 `lv11_sys_memo_01`
+- 合成走 v5 流水线，与对白同一套参考
+
+### 3.5 self-3y 三版预录
+
+**现行**：独立参考 `self_3y_v03.wav`（非复用小美），角色 key 为 `self_3y`，speed 1.15。
+
+| 版本 | 文件名 | 情绪 |
+|---|---|---|
+| 明朗版 | `lv11_0030_self3y_voice_01` | 兴奋带紧张 |
+| 迷茫版 | `lv11_0030_self3y_voice_02` | 疲惫假装坚强 |
+| 温柔版 | `lv11_0030_self3y_voice_03` | 平静有力 |
+
+台词见 `audio_2/scripts/04_gen_tts_clone.py` → `EXTRA_LINES`。
+
+---
+
+## 4. 后期处理（FFmpeg）
+
+### 4.1 单条 TTS 标准处理链
+
+```bash
+# 变量
+INPUT="audio/00_raw/tts/lv11_2103_mom_call_01_v1.wav"
+OUTPUT="audio/01_processed/tts/lv11_2103_mom_call_01_v1.wav"
+
+# 完整处理链（一条命令）:
+# [1] 高通 80Hz 去低频噪
+# [2] 压缩器 4:1
+# [3] 响度归一化到 -16 LUFS
+# [4] 限制峰值 -1 dBTP
+ffmpeg -i "$INPUT" \
+  -af "highpass=f=80,\
+acompressor=threshold=-18dB:ratio=4:attack=20:release=250,\
+loudnorm=I=-16:TP=-1:LRA=11,\
+alimiter=limit=0.891" \
+  -ar 48000 -sample_fmt s16 -ac 1 \
+  -y "$OUTPUT"
+```
+
+### 4.2 加听筒效果（电话 / 微信语音形态）
+
+```bash
+INPUT="audio/01_processed/tts/lv11_2103_mom_call_01_v1.wav"
+OUTPUT="audio/01_processed/tts/lv11_2103_mom_call_01_v1_phone.wav"
+
+# 模拟手机听筒: HPF 300Hz + LPF 3.4kHz + 轻微饱和
+ffmpeg -i "$INPUT" \
+  -af "highpass=f=300:poles=2,\
+lowpass=f=3400:poles=2,\
+equalizer=f=1500:t=q:w=1:g=1,\
+acompressor=threshold=-20dB:ratio=3:attack=5:release=50" \
+  -y "$OUTPUT"
+```
+
+> **例外**：`mom` 第 16 条 4'17" 长语音**不加听筒效果**——SOP 设计意图是"完整音质版"。
+
+### 4.3 长戏分段拼接
+
+```bash
+# 1. 先给每段加 200ms 静音头尾
+for seg in audio/00_raw/tts/lv11_0200_mom_voice_01_seg*.wav; do
+  ffmpeg -i "$seg" \
+    -af "adelay=200|200,apad=pad_dur=0.2" \
+    -y "${seg%.wav}_padded.wav"
+done
+
+# 2. 生成拼接文件列表
+ls audio/00_raw/tts/lv11_0200_mom_voice_01_seg*_padded.wav | \
+  sed "s/^/file '/" | sed "s/$/'/" > /tmp/concat_list.txt
+
+# 3. 拼接 + crossfade
+ffmpeg -f concat -safe 0 -i /tmp/concat_list.txt \
+  -af "acrossfade=d=0.05:c1=tri:c2=tri" \
+  -y audio/00_raw/tts/lv11_0200_mom_voice_01_full.wav
+
+# 注意：FFmpeg concat + acrossfade 只支持两个输入。
+# 多段拼接需要逐段 crossfade，或直接 concat 后人工检查接缝。
+# 推荐方案：先 concat 拼接，段间 200ms 静音已经足够自然。
+ffmpeg -f concat -safe 0 -i /tmp/concat_list.txt \
+  -c copy \
+  -y audio/00_raw/tts/lv11_0200_mom_voice_01_full.wav
+```
+
+### 4.4 批量后期处理脚本
+
+```bash
+#!/bin/bash
+# 批量处理 00_raw/tts/ → 01_processed/tts/
+# 用法: bash audio/process_tts.sh
+
+for f in audio/00_raw/tts/lv11_*.wav; do
+  basename=$(basename "$f")
+  output="audio/01_processed/tts/$basename"
+
+  # 跳过已处理的
+  [ -f "$output" ] && echo "跳过: $basename" && continue
+
+  echo "处理: $basename"
+  ffmpeg -i "$f" \
+    -af "highpass=f=80,\
+acompressor=threshold=-18dB:ratio=4:attack=20:release=250,\
+loudnorm=I=-16:TP=-1:LRA=11" \
+    -ar 48000 -sample_fmt s16 -ac 1 \
+    -y "$output" 2>/dev/null
+
+  echo "  → $output"
+done
+
+echo "TTS 后期处理完成"
+```
+
+### 4.5 最终打包（wav → ogg）
+
+```bash
+#!/bin/bash
+# 01_processed → 02_final (ogg Vorbis q=5)
+for f in audio/01_processed/tts/*.wav; do
+  basename=$(basename "${f%.wav}.ogg")
+  output="audio/02_final/tts/$basename"
+  ffmpeg -i "$f" -c:a libvorbis -q:a 5 -y "$output" 2>/dev/null
+done
+echo "OGG 打包完成"
+```
+
+### 4.6 角色专属后期（按 SOP §4.2 配置卡）
+
+```bash
+# mom: 高频衰减 -3dB + 轻 reverb
+ffmpeg -i input.wav -af "equalizer=f=5000:t=h:w=2000:g=-3" -y output.wav
+
+# azhe: 中频衰减 -2dB（"闷"感）
+ffmpeg -i input.wav -af "equalizer=f=2000:t=q:w=1:g=-2" -y output.wav
+
+# delivery: 低频衰减 -6dB（模拟听筒）
+ffmpeg -i input.wav -af "equalizer=f=200:t=h:w=200:g=-6" -y output.wav
+
+# self-3y: 高频衰减 -2dB + 底噪（录音笔质感）
+ffmpeg -i input.wav \
+  -af "equalizer=f=5000:t=h:w=2000:g=-2" \
+  -y output.wav
+# 底噪可以后续叠加一层轻微白噪声
+```
+
+---
+
+## 5. 音乐素材（ACE-Step 本地 + Suno 备选）
+
+**现行产出**：BGM 4 轨 + 铃声 5 条，均由 **ACE-Step 1.5** 本地生成，已部署至 `audio/mp3/music/`。
+
+Suno 仍可作为备选（按 SOP §6 操作）：
+
+### 5.1 操作步骤
+
+1. 登录 Suno（需要 Pro 订阅）
+2. 选 Custom Mode
+3. 按 SOP §6.2 的 4 段曲 Prompt 生成
+4. 每段跑 2 轮（出 4 首候选），选最佳
+5. 用 Extend 延长到目标时长
+6. 下载 WAV 格式到 `audio/00_raw/music/`
+
+### 5.2 铃声生成
+
+按 SOP §6.3 的 9 个角色铃声 Prompt 在 Suno 生成。
+下载到 `audio/00_raw/ringtone/`。
+
+### 5.3 音乐后期处理
+
+```bash
+# 音乐处理: 削 AI 浊感 + 响度 -18 LUFS
+for f in audio/00_raw/music/*.wav; do
+  basename=$(basename "$f")
+  ffmpeg -i "$f" \
+    -af "equalizer=f=350:t=q:w=1.5:g=-2,\
+loudnorm=I=-18:TP=-1:LRA=11" \
+    -ar 48000 \
+    -y "audio/01_processed/music/$basename" 2>/dev/null
+done
+```
+
+---
+
+## 6. 音效素材（ACE-Step 本地 + ElevenLabs 备选）
+
+**现行产出**：叙事音效 4 条（敲门、心跳、呼吸、水壶）在 `audio/mp3/sfx/`，由 ACE-Step 生成。
+
+ElevenLabs SFX 仍可作为备选：
+
+### 6.1 操作步骤
+
+1. 登录 ElevenLabs（Creator 订阅，含 Sound Effects）
+2. 按 SOP §7.2 的 Prompt 逐条生成
+3. **每条跑 3 次**，挑最佳
+4. 下载后转 WAV：
+   ```bash
+   # ElevenLabs 默认 mp3，转为 wav
+   for f in audio/00_raw/sfx/*.mp3; do
+     ffmpeg -i "$f" -ar 48000 -y "${f%.mp3}.wav" && rm "$f"
+   done
+   ```
+
+### 6.2 音效后期
+
+```bash
+# 短音效响度 -14 LUFS
+for f in audio/00_raw/sfx/*.wav; do
+  basename=$(basename "$f")
+  ffmpeg -i "$f" \
+    -af "loudnorm=I=-14:TP=-1:LRA=11" \
+    -ar 48000 \
+    -y "audio/01_processed/sfx/$basename" 2>/dev/null
+done
+```
+
+---
+
+## 7. 环境底噪（Freesound）
+
+### 7.1 操作步骤
+
+1. 按 SOP §8.1 的清单在 Freesound 搜索
+2. 过滤：CC0 优先，≥ 44.1kHz，下载 WAV
+3. 文件名加 Freesound ID：如 `amb_apartment_night_fs123456.wav`
+4. **立刻登记到版权表**
+
+### 7.2 环境底噪后期
+
+```bash
+# 环境底噪处理: HPF 60Hz + LPF 12kHz + 响度 -22 LUFS
+for f in audio/00_raw/ambience/*.wav; do
+  basename=$(basename "$f")
+  ffmpeg -i "$f" \
+    -af "highpass=f=60,lowpass=f=12000,\
+loudnorm=I=-22:TP=-3:LRA=11" \
+    -ar 48000 -ac 2 \
+    -y "audio/01_processed/ambience/$basename" 2>/dev/null
+done
+```
+
+### 7.3 单声道转假性立体声
+
+```bash
+# 如果下载到的是单声道，做假性立体声
+INPUT="audio/01_processed/ambience/amb_apartment_night.wav"
+OUTPUT="audio/01_processed/ambience/amb_apartment_night_stereo.wav"
+
+ffmpeg -i "$INPUT" \
+  -filter_complex "\
+[0:a]asplit=2[L][R];\
+[R]adelay=12|12,equalizer=f=8000:t=q:w=1:g=1[Rd];\
+[L][Rd]amerge=inputs=2[out]" \
+  -map "[out]" -ac 2 \
+  -y "$OUTPUT"
+```
+
+---
+
+## 8. QA 验收
+
+### 8.1 响度检查脚本
+
+```bash
+#!/bin/bash
+# 检查所有已处理音频的响度
+echo "=== TTS 响度检查 (目标 -16 LUFS) ==="
+for f in audio/01_processed/tts/*.wav; do
+  result=$(ffmpeg -i "$f" -af "loudnorm=print_format=json" -f null - 2>&1 | \
+    grep -A1 '"input_i"' | tail -1 | tr -d ' ",' | cut -d: -f2)
+  echo "  $(basename "$f"): ${result} LUFS"
+done
+
+echo ""
+echo "=== 音乐响度检查 (目标 -18 LUFS) ==="
+for f in audio/01_processed/music/*.wav; do
+  result=$(ffmpeg -i "$f" -af "loudnorm=print_format=json" -f null - 2>&1 | \
+    grep -A1 '"input_i"' | tail -1 | tr -d ' ",' | cut -d: -f2)
+  echo "  $(basename "$f"): ${result} LUFS"
+done
+
+echo ""
+echo "=== 环境底噪响度检查 (目标 -22 LUFS) ==="
+for f in audio/01_processed/ambience/*.wav; do
+  result=$(ffmpeg -i "$f" -af "loudnorm=print_format=json" -f null - 2>&1 | \
+    grep -A1 '"input_i"' | tail -1 | tr -d ' ",' | cut -d: -f2)
+  echo "  $(basename "$f"): ${result} LUFS"
+done
+```
+
+### 8.2 验收流程
+
+1. **自检**：跑响度检查脚本，确认所有文件在目标范围 ±1 LUFS
+2. **单条听感**：用耳机逐条听，标记不满意的（记录到 `03_qa_reports/`）
+3. **上下文听感**：把同一时间段的所有音频按时间轴拼起来完整听一遍
+4. **不满意的重做**：回到 §3 重新合成，调参或换参考音频
+
+---
+
+## 9. 执行顺序总结（现行状态 2026-05-23）
+
+```
+✅ 第 1 步 · 部署 VoxCPM2（/home/xsl/tts-server，端口 8002）
+✅ 第 2 步 · Voice Design 试听 → 选定 13 角色参考 wav（v4）
+✅ 第 3 步 · v5 全量克隆 + 部署 audio/mp3/tts/（04_gen_tts_clone.py）
+✅ 第 4 步 · BGM / 铃声 / 音效 / 环境音（ACE-Step → audio/mp3/）
+✅ 第 5 步 · 清理未引用音频（184 文件与游戏对齐）
+⬜ 第 6 步 · Playtest 听感迭代 + QA（§8）
+```
+
+**重跑 TTS**（改参考或表演修饰后）：
+
+```bash
+VOXCPM_PORT=8002 python audio_2/scripts/04_gen_tts_clone.py --force
+```
+
+详细目录与命令见 `audio_2/项目状态说明.md`。
+
+---
+
+## 附录 A · 常见问题
+
+**Q: VoxCPM2 生成的语音有电流声/杂音？**
+A: 检查参考音频质量。参考音频必须干净无噪，采样率 ≥ 16kHz。
+
+**Q: 语速不自然？**
+A: 用 FFmpeg atempo 调速（范围 0.5-2.0）。如果调速后音质下降，改为在合成文本中加标点控制节奏（句号=长停顿，逗号=短停顿）。
+
+**Q: 怎样让同一个音色听起来"醉了"？**
+A: TTS 通常没有情绪控制参数。替代方案：
+1. 在文本中插入省略号、重复字来模拟口齿不清
+2. 后期用 FFmpeg 轻微变速+加混响：
+   ```bash
+   ffmpeg -i drunk.wav -af "atempo=0.95,aecho=0.8:0.7:40:0.3" -y drunk_fx.wav
+   ```
+
+**Q: VoxCPM2 服务无法启动？**
+A: 确认 `bash /home/xsl/AutoVideo/start-voxcpm.sh` 正常。确认 GPU 可用：`nvidia-smi`。
+
+**Q: 生成很慢？**
+A: RTX 5090 应该很快（远超实时）。如果慢，检查是否误用了 CPU。
+
+---
+
+## 附录 B · CosyVoice2 备用方案
+
+> **仅在 VoxCPM2 表现不佳或不可用时使用。** 正常生产流程请走 §1-§3 的 VoxCPM2 主链路。
+
+### B.1 环境验证
+
+```bash
+conda activate cosyvoice
+cd /home/xsl/tools/CosyVoice
+python -c "
+import sys
+sys.path.append('third_party/Matcha-TTS')
+from cosyvoice.cli.cosyvoice import CosyVoice2
+model = CosyVoice2('pretrained_models/CosyVoice2-0.5B')
+print('CosyVoice2 加载成功，采样率:', model.sample_rate)
+"
+```
+
+### B.2 WebUI 启动
+
+```bash
+conda activate cosyvoice
+cd /home/xsl/tools/CosyVoice
+python webui.py --port 8001  # 注意：用 8001 避免与 VoxCPM2 的 8000 端口冲突
+```
+
+模式选择：**3s极速复刻**（上传参考音频 + 对应文字 → 合成）。
+
+### B.3 批量脚本
+
+CosyVoice2 版批量脚本为 `audio/batch_tts.py`（区别于主力脚本 `audio/batch_tts_voxcpm.py`）。
+用法：`conda activate cosyvoice && python audio/batch_tts.py`

other_docs/林夏_原始设计.md

@@ -0,0 +1,942 @@
+# 林夏
+
+> **类型**：情感 / 叙事 / 轻悬疑 · 纯音频交互游戏
+> **目标用户**：20–25 岁年轻女性（大学生 / 初入职场 / 一线城市独居）
+> **时长**：约 30–45 分钟
+> **核心隐喻**：所有人都给你发语音，没有人发文字。今晚你必须一条一条听完，才能决定明天的自己长什么样。
+> **核心原则**：每次选择都必须产生玩家能听到的、不同的后果。
+
+---
+
+## 0. 一句话概述
+
+24 岁的林夏，被分手、被裁员、被妈妈催婚，全发生在同一个周五。她把手机调成静音、躲进合租屋，关上灯。屏幕坏了——只剩耳机能听、手指能摸。今晚会有 16 条电话和语音陆续到达。她接谁、不接谁、怎么回——每一个回应都会被对方听到，每一段对话都会走向不同的结局。
+
+---
+
+## 1. 玩家与角色
+
+### 1.1 玩家是谁
+- **林夏**，24 岁，西部小城来的姑娘，北漂第 3 年。
+- 国贸某外企新媒体专员，今天上午刚被裁员（合同到期不续签）。
+- 与男友"阿哲"恋爱 2 年 4 个月，今天下午刚被分手（"我们性格真的不合"）。
+- 与一位大学闺蜜"小美"合租，但小美今晚去了酒吧。
+- 老家妈妈让她"五一回来相亲"。
+- 微信未读：99+。
+- 屏幕：今天上午地铁挤碎了的那块屏，现在显示一片黑——但触控、震动、声音都还在。
+
+### 1.2 林夏不是"听者"——她会说话
+
+与传统音频叙事游戏不同，**林夏有自己的声音**。玩家的每次选择都会触发林夏的一句语音回应，对方会听到并做出反应。这构成了完整的对话：
+
+```
+NPC 说话 → 玩家选择方向 → 林夏说出回应 → NPC 对林夏的回应做出反应
+```
+
+林夏的声音设计：**疲惫但清醒、克制但有温度、年轻但不幼稚。**
+
+---
+
+## 2. 核心玩法
+
+### 2.1 七种手势——零视觉依赖
+
+| 手势 | 全局含义 | 情感色彩 | 触觉反馈 | 音效 |
+|------|---------|---------|---------|------|
+| **单击** | 接受 / 回应 / 继续 | 中性应答 | 轻触感 | 清脆短音 880Hz |
+| **双击** | 跳过 / 忽略 | 不耐烦 / 赶时间 | 短促双震 | 下行滑音 587→392Hz |
+| **长按（1s）** | 根据状态：重听或播报 | 确认 | 缓慢长震 | 低沉确认音 330→440Hz |
+| **右滑** | 温暖 / 靠近 | 接纳、关心 | 流畅长震 | 上行音 440→659Hz |
+| **左滑** | 冷淡 / 推开 | 疏离、敷衍 | 干脆短震 | 下行音 523→349Hz |
+| **上滑** | 好奇 / 追问 | 想了解更多 | 快速上弹震 | 快速上行 523→784Hz |
+| **下滑** | 沉默 / 退缩 | 说不出口 | 极轻慢震 | 极轻低音 330Hz |
+
+> **不需要记位置**。每个方向有固定的情感含义，贯穿全游戏。右滑永远是温暖，左滑永远是冷淡。
+>
+> **长按随时可用**：任何状态下长按 1 秒，系统根据当前状态做出响应——在 `playing` 或 `choosing` 状态下重播上一句 NPC 语音，其他状态下语音播报当前位置（例如"小美的消息，等待回复"）。这是玩家在纯音频环境下的"安全网"。
+
+### 2.2 对话流程（多轮交互）
+
+```
+ ┌─────────────────────────────────────────────────┐
+ │  [提示音 + 震动]                                  │
+ │  消息到达                                         │
+ │  → 单击播放 / 双击跳过                             │
+ └──────────┬──────────────────────────────────────┘
+            ▼
+ ┌─────────────────────────────────────────────────┐
+ │  NPC 语音播放（Round 1）                          │
+ │  "你被甩了我都听说了，明天陪你喝酒"                  │
+ └──────────┬──────────────────────────────────────┘
+            ▼
+ ┌─────────────────────────────────────────────────┐
+ │  ★ 进入选择态                                     │
+ │  [三音上行提示音 + 明确震动模式（长-短-长）]          │
+ │  系统语音提示："等待回复"                            │
+ │  玩家操作：右滑 / 左滑 / 上滑 / 下滑 / 单击         │
+ │  长按 → 重听 NPC 刚才说的话                        │
+ └──────────┬──────────────────────────────────────┘
+            ▼
+ ┌─────────────────────────────────────────────────┐
+ │  [打字音效 ~0.8s → 发送音效]                       │
+ │  林夏的语音播放                                    │
+ │  右滑 → "好啊，明天不见不散。"                       │
+ │  左滑 → "再说吧。"                                │
+ │  上滑 → "你怎么知道的啊？"                          │
+ │  下滑 → [一秒沉默]                                │
+ │  单击 → "嗯。"                                    │
+ └──────────┬──────────────────────────────────────┘
+            ▼
+ ┌─────────────────────────────────────────────────┐
+ │  NPC 反应播放（Round 2）—— 因选择而异               │
+ │                                                   │
+ │  右滑: "行！那我叫上安安！老地方见！"                 │
+ │  左滑: "……好吧，你休息。"                           │
+ │  上滑: "还不是阿哲那个大嘴巴告诉我的……"              │
+ │  下滑: "？？你还活着吗哈哈。算了不打扰你了"           │
+ │  单击: "嗯是什么意思啊哈哈！行吧你休息"               │
+ └──────────┬──────────────────────────────────────┘
+            ▼
+ ┌─────────────────────────────────────────────────┐
+ │  [可选] Round 3: 继续对话（仅部分路径触发）          │
+ │  NPC 追问 → 再次选择 → 林夏回应 → 对话结束           │
+ └──────────┬──────────────────────────────────────┘
+            ▼
+ ┌─────────────────────────────────────────────────┐
+ │  → 等待 → 下一条消息到达                            │
+ └─────────────────────────────────────────────────┘
+```
+
+### 2.3 关键设计
+
+| 方面 | 说明 |
+|------|------|
+| **林夏的声音** | 每次选择后都有语音回应（或有感知的沉默） |
+| **NPC 反应** | 根据选择播放完全不同的反应语音 |
+| **选择的感受** | 五个方向各自导向不同的音频内容 |
+| **对话长度** | 温暖/追问路径更长、信息更多；冷淡/沉默路径更短 |
+| **独家信息** | 追问路径可获得其他路径听不到的剧情细节 |
+| **玩家驱动** | 没有时间限制，消息不会自动推进，完全由玩家操作控制节奏 |
+| **双击跳过** | 在林夏回应或 NPC 反应播放中，双击可跳过当前语音，加速流程 |
+
+### 2.4 关键机制：「正在输入…」
+
+当林夏回应前，耳机里会播放微弱的**键盘敲击声** → 发送音效 → 然后才播放林夏的语音。这 ~1 秒的"打字等待"让选择感觉真实——你不是在"选菜单"，你是在"发语音"。
+
+---
+
+## 3. 消息全列表（16 条）
+
+| # | 来源 | 形式 | 关键内容 | 有无选择 |
+|---|------|------|---------|---------|
+| 01 | 妈妈 | 电话 | "今晚煮了你爱吃的排骨" | 接听 → 无选择（自动回应） |
+| 02 | 闺蜜小美 | 语音 ×3 | "你被甩了我都听说了，明天陪你喝酒" | 5 方向 + 追问 Round 3 |
+| 03 | 外卖小哥 | 电话 | "你的麻辣烫到了" | 接听 → 无选择（自动回应） |
+| 04 | 前任阿哲 | 语音 | "我的 AirPods 落你那了" | 5 方向 + 温暖/追问各有 Round 3 |
+| 05 | HR 王姐 | 语音 | "离职流程周三前办完就行" | 5 方向 |
+| 06 | 室友安安 | 语音 | "我在 Helens！快来！" | 5 方向 |
+| 07 | 寝室群 | 语音 ×5 | 室友 A 升职，@林夏 | 5 方向 + 温暖 Round 3 |
+| 08 | 未知号码 | 电话 | 呼吸声 6 秒后挂断 | 无选择（悬疑钩子） |
+| 09 | 小美（醉）| 语音 ×4 | "阿哲大三追过我" | 5 方向 + 追问 Round 3 |
+| 10 | 妈妈 | 文字（系统语音朗读） | "睡了吗？" | 5 方向 + 温暖/追问各有 Round 3 |
+| 11 | 阿哲 | 电话 | "我能过去拿吗？就 5 分钟" | 5 方向（关键分支锚点） |
+| 12 | 周南 | 语音 | "初三坐你后桌那个" | 5 方向 |
+| 13 | 周南 | 语音 ×4 | "今天我生日" | 5 方向 + 温暖 Round 3 |
+| 14 | 妈妈 | 电话 | "你不接电话我有点担心" | 接听 → 自动回应，条件分支 |
+| 15 | 自己 | 系统通知 | 3 年前录的备忘录 | 单击播放 / 双击跳过 |
+| 16 | 妈妈 | 长语音 ×8 | 妈妈 24 岁那年的故事 | 无选择（结局前奏） |
+
+---
+
+## 4. 16 条消息详细设计
+
+### MSG-01 妈妈 · 电话
+
+**类型**：来电（铃声 + 长震动）
+**Round 1**（接听后）：妈妈说"今晚煮了你爱吃的排骨，你什么时候回来呀。"
+**接听后自动**：林夏轻轻说"嗯……好。"（无选择）
+**不接** → 直接跳到下一条。
+
+**状态**：接听 → MOM_LINK = true
+
+---
+
+### MSG-02 小美 · 语音 ×3（教学关）
+
+**Round 1**：小美连发三条语音：
+- "林夏！你还活着吗！"
+- "你被甩了我都听说了——别难过啊"
+- "明天陪你喝酒，去不去"
+
+**选择 + Round 2**：
+
+| 方向 | 林夏说 | 小美反应 | profile |
+|------|--------|---------|---------|
+| 右滑 | "好啊，明天不见不散。" | "行！那我叫上安安！老地方见！别放鸽子啊！" | engagement+2 |
+| 左滑 | "再说吧。" | "……好吧。你要是改主意了随时说。" | avoidance+1 |
+| 上滑 | "你怎么知道的啊？" | "还不是阿哲自己发朋友圈！你不知道吗？他发了又秒删……" | engagement+1，**独家信息** |
+| 下滑 | [沉默 2s] | "？？你还活着吗哈哈。好了不烦你了，有事找我。" | avoidance+2 |
+| 单击 | "嗯。" | "嗯是什么意思啊哈哈！行吧你休息。" | — |
+
+**追问 Round 3**（上滑后，小美说完"他发了又秒删"）：
+- 右滑 → 林夏："他……发了什么？" → 小美："就发了一张你们以前的照片，配了一句'值得'。两分钟就删了" → **独家信息**
+- 其他 → 对话结束
+
+---
+
+### MSG-03 外卖小哥 · 电话
+
+**类型**：来电
+**Round 1**：外卖小哥："你好，你的麻辣烫到了，在楼下。"
+**接听后自动**：林夏说"好，我下来拿。"（无选择）
+**不接** → 漏接。
+
+---
+
+### MSG-04 阿哲 · 语音
+
+**Round 1**：阿哲说"那个……我的 AirPods 好像落你那了，方便帮我寄一下吗？"
+
+| 方向 | 林夏说 | 阿哲反应 | 效果 |
+|------|--------|---------|------|
+| 右滑 | "你那边……还好吗。" | "我……挺好的。" [停顿] "你呢？" | engagement+2 |
+| 左滑 | "知道了。明天寄。" | "嗯……谢了。" | HE_BACK=false, avoidance+1 |
+| 上滑 | "你怎么不自己来拿。" | "我……不太方便过去。" [欲言又止] | engagement+2 |
+| 下滑 | [沉默 3s] | [等 5 秒] "那……我晚点再说吧。" → 阿哲撤回消息 | HE_BACK=null, avoidance+2 |
+| 单击 | "好。" | "谢谢。" | HE_BACK=false, engagement+1 |
+
+**右滑 Round 3**（阿哲问"你呢？"后）：
+- 右滑 → 林夏："不太好。" → 阿哲："……对不起。" [沉默]
+- 左滑 → 林夏："挺好的。" → 阿哲："那就好。"
+- 下滑 → [沉默] → 阿哲："……那，晚安。"
+
+**上滑 Round 3**（阿哲说"不太方便"后）：
+- 上滑 → 林夏："为什么。" → 阿哲："我……" [长停顿] "没什么。你寄吧。" → HE_BACK=false
+- 右滑 → 林夏："算了，不问了。" → 对话结束
+
+---
+
+### MSG-05 HR 王姐 · 语音
+
+**Round 1**：王姐说"小夏，离职流程周三前办完就行。别有压力。"
+
+| 方向 | 林夏说 | 王姐反应 | profile |
+|------|--------|---------|---------|
+| 右滑 | "谢谢王姐。" | "别客气。你还年轻，出去看看也好。这行业你知道的。" | engagement+1 |
+| 左滑 | "好的，知道了。" | [无反应，对话结束] | — |
+| 上滑 | "王姐……有什么建议吗？" | "你想听真话？别在这行耗了。你有本事，去试试别的。" → **独家** | engagement+2 |
+| 下滑 | [沉默] | [无反应，对话结束] | avoidance+1 |
+| 单击 | "好。" | [无反应，对话结束] | — |
+
+---
+
+### MSG-06 安安 · 语音
+
+**Round 1**：安安在酒吧里大喊："我在 Helens！快来！今天 happy hour！"（背景很吵）
+
+| 方向 | 林夏说 | 安安反应 | profile |
+|------|--------|---------|---------|
+| 右滑 | "在哪儿啊？我看看吧。" | "对面那个！我给你留了位置！赶紧赶紧！" | engagement+2 |
+| 左滑 | "不了，你们玩好。" | "好吧！那我给你寄一杯！" [大笑] | — |
+| 上滑 | "你喝了多少了？" | "才两杯！我清醒得很！……好吧三杯。快来！" | engagement+1 |
+| 下滑 | [沉默] | "喂？信号不好吗？好吧以后再约！" | avoidance+1 |
+| 单击 | "嗯。" | "嗯是来还是不来啊！算了回头聊！" | — |
+
+---
+
+### MSG-07 寝室群 · 语音 ×5
+
+**Round 1**：群消息连续播放：
+- 室友 A："我升主管了！！！"
+- 室友 A："请你们吃饭！！"
+- 室友 B："我的天！恭喜！！"
+- 室友 B："必须喝一个！"
+- 室友 C："@林夏 你也来吧"
+
+| 方向 | 林夏说 | 群里反应 | 效果 |
+|------|--------|---------|------|
+| 右滑 | "恭喜恭喜！太厉害了！" | 室友 A："哈哈谢谢！我请客！你最近怎么样啊？" | GROUP_REPLY, engagement+2 |
+| 左滑 | "恭喜。" | [群里继续聊别的，没人注意到你的冷淡] | avoidance+1 |
+| 上滑 | "怎么升的啊？讲讲！" | 室友 A："说来话长！我们老板走了我就顶上了哈哈" → **独家** | GROUP_REPLY, engagement+2 |
+| 下滑 | [沉默，不回群] | [群里继续热闹，但渐渐没人 @ 你了] | avoidance+2 |
+| 单击 | [发一个表情] | 室友 B："林夏发表情了哈哈" | GROUP_REPLY |
+
+**右滑 Round 3**（室友 A 问"你最近怎么样"后）：
+- 右滑 → 林夏："挺好的～你请客我去！" → 室友们欢呼
+- 左滑 → 林夏："还行。" → 室友 B："你是不是有事啊？没事可以跟我们说"
+- 下滑 → [沉默] → 对话自然结束
+
+---
+
+### MSG-08 未知号码 · 电话（悬疑）
+
+**类型**：来电
+**接听后**：只有呼吸声，6 秒后自动挂断。然后心跳音效。
+**无选择**——悬疑钩子。
+**不接** → 未接来电。
+
+**回收**：MSG-16 妈妈长语音第 5 段中提到"我外婆每天晚上都给我打一个电话，她不说什么"——暗示未知号码就是妈妈从另一个号码拨出的"不说什么的电话"，与妈妈线形成跨代呼应。不做明确揭示，留给玩家自己领悟。如果玩家接了 MSG-08 + 听完 MSG-16，两段呼吸/沉默会在记忆中形成对位。
+
+---
+
+### MSG-09 小美（醉）· 语音 ×4
+
+**BGM 切换为悬疑风格**
+
+**Round 1**（四段醉酒语音）：
+- "林夏……我跟你说个事"
+- "阿哲那个人……大三的时候追过我"
+- "但我没答应他……因为我知道你喜欢他"
+- "我到现在都没跟你说……对不起"
+
+| 方向 | 林夏说 | 小美反应 | profile |
+|------|--------|---------|---------|
+| 右滑 | "小美……你没事吧。" | "我没事……我就是喝多了想告诉你……你别怪我。" [哭] | engagement+2 |
+| 左滑 | "我知道了。" | [沉默 3 秒] → 小美撤回了刚才的语音 | avoidance+1 |
+| 上滑 | "你……为什么现在才说。" | "因为你今天……我怕你以后恨我……" | engagement+2 |
+| 下滑 | [沉默] | [10 秒后] 小美撤回了刚才的语音 | avoidance+2, nostalgia+1 |
+| 单击 | "嗯。" | "你不生气吗？" [等 3 秒] "算了……当我没说" | nostalgia+1 |
+
+**上滑 Round 3**（小美说"怕你恨我"后）：
+- 右滑 → 林夏："我不恨你。" → 小美 [大哭]："谢谢你……谢谢你林夏"
+- 左滑 → 林夏："我得想想。" → 小美："好……对不起" → 对话结束
+- 下滑 → [沉默] → 小美："你还在吗？" → [长沉默] → 小美撤回
+
+---
+
+### MSG-10 妈妈 · 文字消息
+
+**Round 1**：消息到达提示音。系统语音朗读三个字——"睡了吗？"
+
+| 方向 | 林夏说 | 妈妈反应 | 效果 |
+|------|--------|---------|------|
+| 右滑 | "没有，怎么了？" | 妈妈发语音："没事，就是想起来问一下。今天怎么样？" | MOM_LINK, engagement+2 |
+| 左滑 | "嗯，要睡了。" | 系统语音朗读妈妈的文字："好，早点睡。" | MOM_LINK, avoidance+1 |
+| 上滑 | "妈……你能打电话给我吗？" | [电话铃响] 妈妈打来了！接听后："怎么了夏夏？" | MOM_LINK, engagement+3 |
+| 下滑 | [不回复] | [30 秒后] 系统语音朗读妈妈的文字："看到了回一下。" | avoidance+2 |
+| 单击 | "嗯。" | 系统语音朗读妈妈的文字："嗯就是睡了？晚安。" | MOM_LINK |
+
+**上滑路径**（妈妈打来电话后，说"怎么了夏夏？你声音不对。"）：
+- 右滑 → 林夏："没什么……就是有点累。" → 妈妈："累了就回家歇几天。妈煮了排骨。"
+- 上滑 → 林夏："妈，我辞职了。" → 妈妈 [沉默 2 秒]："辞了就辞了。回来再说。"
+- 下滑 → [沉默，只有呼吸] → 妈妈："不想说就不说。妈在这呢。"
+
+**右滑路径**（妈妈问"今天怎么样"后）：
+- 右滑 → 林夏："还好。" → 妈妈："那就好。别太晚了。"
+- 上滑 → 林夏："不太好。" → 妈妈："怎么了？"
+  - 右滑 → 林夏："工作没了。" → 妈妈："……回来歇几天吧。妈不催你。"
+  - 下滑 → [沉默] → 妈妈："不想说就不说。妈在这呢。" → 对话结束
+
+---
+
+### MSG-11 阿哲 · 电话（关键分支）
+
+**类型**：来电
+**Round 1**（接听后）：阿哲说"那个……AirPods 的事，我能过去拿吗？就 5 分钟。"
+
+| 方向 | 林夏说 | 阿哲反应 | 效果 |
+|------|--------|---------|------|
+| 右滑 | "可以。但只有 5 分钟。" | "好，我马上过来。谢谢。" → [挂断] | HE_BACK=true |
+| 左滑 | "不方便。我明天寄给你。" | "好吧……那谢了。" → [挂断] | HE_BACK=false |
+| 上滑 | "为什么非要今天来？" | "我……明天要出差。" [停顿] "就 5 分钟。" | → 追问后再选 |
+| 下滑 | [沉默 → 挂断音] | [电话断了] | HE_BACK=false |
+| 单击 | "不了。" | "好。" → [挂断] | HE_BACK=false |
+
+**上滑 Round 3**（阿哲说"就 5 分钟"后，再次进入选择）：
+- 右滑 → 林夏："……来吧。" → 阿哲："谢谢。我马上到。" → [挂断] → HE_BACK=true
+- 左滑 → 林夏："还是算了。" → 阿哲："好吧。" → [挂断] → HE_BACK=false
+- 下滑 → [沉默] → 阿哲："那……你考虑一下，我等你消息。" → [挂断] → HE_BACK=false
+
+**如果 HE_BACK=true** → 消息 12 之前插入门铃声 + 敲门声场景。
+
+---
+
+### MSG-12 周南 · 语音
+
+**Round 1**：周南说"林夏，是我，周南。初三坐你后桌那个。好久没联系了，今天突然想到你。"
+
+| 方向 | 林夏说 | 周南反应 | 效果 |
+|------|--------|---------|------|
+| 右滑 | "周南！你还记得我啊！" | "当然记得。你是我们班最安静的那个。" [轻笑] | ZHOUNAN_DEPTH+1, engagement+2 |
+| 左滑 | "嗯，你好。" | "嗯……好久不见。你现在在哪呢？" | ZHOUNAN_DEPTH+1, nostalgia+1 |
+| 上滑 | "你怎么有我微信的？" | "你忘了吗？毕业那天你加的我。不过你可能早忘了哈哈。" | ZHOUNAN_DEPTH+1, nostalgia+2 |
+| 下滑 | [沉默] | "你是不是不记得我了？没关系的。就是突然想说声嗨。" | nostalgia+1 |
+| 单击 | "嗯……好久不见。" | "是啊，好久不见。" | ZHOUNAN_DEPTH+1 |
+
+---
+
+### MSG-13 周南 · 长语音 ×4
+
+**BGM 切换为周南主题（温暖吉他）**
+
+**Round 1**（四段语音）：
+- "高考那年我没考好，去复读了"
+- "后来上了个二本，学了个不喜欢的专业"
+- "毕业回了老家，在我爸店里帮忙"
+- "今年刚来北京出差……今天是我生日"
+
+| 方向 | 林夏说 | 周南反应 | 效果 |
+|------|--------|---------|------|
+| 右滑 | "一个人在北京，还好吗？" | "还行吧。习惯了。你呢？你在北京过得好吗？" | ZHOUNAN_DEPTH+1, engagement+2 |
+| 左滑 | "你讲了好多。" | "是吗？不好意思，话太多了。" [轻笑] | ZHOUNAN_DEPTH+1, nostalgia+1 |
+| 上滑 | "……生日快乐。" | [沉默 2 秒] "谢谢你。你是今天第一个跟我说的。" | ZHOUNAN_DEPTH+1, ZHOUNAN_SHARE, nostalgia+2 |
+| 下滑 | [沉默] | "不好意思突然说这么多……那，晚安。" | avoidance+1 |
+| 单击 | "嗯，我都听到了。" | "嗯。谢谢你听我说。" | ZHOUNAN_DEPTH+1 |
+
+**右滑 Round 3**（周南问"你在北京过得好吗"后）：
+- 右滑 → 林夏："不太好。今天也是我的坏日子。" → 周南："那我们算是难兄难妹了。" [轻笑] → **ZHOUNAN_SHARE**
+- 左滑 → 林夏："还行吧。" → 周南："那就好。"
+- 上滑 → 林夏："你为什么突然联系我？" → 周南："因为……今天生日嘛，想起以前的事。想起你。"
+
+---
+
+### MSG-14 妈妈 · 第二次电话
+
+**类型**：来电
+**Round 1**：妈妈说"夏夏，你不接电话我有点担心。你还好吗？"
+
+接听后 → 林夏自动说"嗯，我没事。"
+妈妈："真的没事？"
+- 如果 MOM_LINK=true："好。那早点睡。妈爱你。" → 对话结束
+- 如果 MOM_LINK=false："你今天怎么都不理妈妈？出什么事了吗？" → 进入选择：
+  - 右滑 → 林夏："没事妈，就是手机坏了。" → 妈妈："那你赶紧修啊。好了早点睡。" → MOM_LINK=true
+  - 左滑 → 林夏："嗯，没事。" → 妈妈："……好吧。晚安。" → MOM_LINK=true
+  - 下滑 → [沉默] → 妈妈："你不说话我更担心。算了，不逼你了。晚安。" → MOM_LINK=true
+**不接** → MOM_LINK 保持当前值（可能仍为 false）
+
+**状态**：接听 → MOM_LINK=true
+
+---
+
+### MSG-15 时光胶囊 · 系统通知
+
+**特殊消息**：系统提示音 + "3 年前的今晚，你给自己录过一段备忘录。"
+- 单击播放 → 根据玩家画像播放不同版本（avoidance / engagement / nostalgia） → SELF_RECORD=true
+- 双击跳过 → avoidance+2
+
+*无选择交互。这条消息是独白时刻。*
+
+---
+
+### MSG-16 妈妈 · 长语音 ×8（结局前奏）
+
+**条件**：MOM_LINK=true 时播放
+
+妈妈讲她 24 岁那年的故事：
+1. "夏夏。妈妈知道你今天电话不接。妈妈不催你，就是想跟你说一件事。"
+2. "你 24 了对吧。妈妈 24 那年——你应该没听我说过——"
+3. "那时候妈妈在广州，给一个香港老板做秘书，1995 年。那年我也被分手过。也被开除过。"
+4. "那年我哭得特别难看。后来呢？后来就没什么后来了。我回了老家，认识了你爸，生了你。"
+5. "我想跟你说，那年夏天我没死，是因为我外婆每天晚上都给我打一个电话。"
+   - **音频设计**：第 5 段开头，叠入与 MSG-08 相同的电话底噪质感（轻微线路嘶声），持续 2-3 秒后淡出。如果玩家之前接了 MSG-08 的未知号码，这一刻会在听觉上产生似曾相识的感觉——同样的电话底噪、同样的呼吸停顿，但这次有了妈妈的声音。
+6. "她不说什么，就问我今天吃饭了没。"
+   - **音频设计**："不说什么"之后留 3 秒静默（仅电话底噪），呼应 MSG-08 的 6 秒呼吸声，形成跨消息的听觉对位。
+7. "我现在打给你，你不接也没事。妈妈给你发个语音，你什么时候想听就听。你不用回我。"
+8. "你今天接了好多电话吧。妈妈不打扰你了。晚安。"
+
+*无选择交互。让玩家安静听完。播放结束 → 触发结局判定。*
+
+**如果 MOM_LINK=false**：MSG-16 不播放。MSG-15 结束后，静默 5 秒（环境底噪），然后直接进入结局判定。此时结局 A 的条件不可能满足（缺少 MOM_LINK），流程会落入结局 B/C/D。
+
+---
+
+## 5. 分支判定变量
+
+| 变量 | 触发条件 | 影响 |
+|------|---------|------|
+| **MOM_LINK** | 是否接妈妈两次电话中的至少一次 / 是否回复"睡了吗？" | 决定 MSG-16 是否播放 |
+| **HE_BACK** | 是否答应阿哲过来拿耳机（MSG-11 右滑） | 决定 MSG-12 前是否插入门铃场景 |
+| **GROUP_REPLY** | 是否在寝室群里回复过（MSG-07 非沉默） | 决定彩蛋消息 |
+| **ZHOUNAN_DEPTH** | 给周南的回应深度（累计） | 决定结局独白 + self-3y 版本 |
+| **ZHOUNAN_SHARE** | 是否在周南对话中选择"分享自己"（MSG-13 上滑/右滑 R3 右滑） | 决定隐藏结局 |
+| **SELF_RECORD** | 是否听完 3 年前备忘录（MSG-15） | 决定结局类型 |
+| **PROFILE** | 全场行为聚合画像：avoidance / engagement / nostalgia | 决定 self-3y 版本 + 环境音 |
+| **UNREAD_COUNT** | 未播放/未接听的消息数（初始 16，每播放或接听 −1） | 决定结局 C/D |
+| **REPLY_COUNT** | 林夏实际发出回应的消息条数 | 决定结局 C |
+
+**REPLY_COUNT 计数规则**：
+- 选择右滑/左滑/上滑/单击（发出语音回应）→ +1
+- 下滑（沉默）→ 不计
+- 电话接听后自动回应（MSG-01/03/14）→ +1
+- 双击跳过整条消息 → 不计
+- 发表情（MSG-07 单击）→ +1
+
+### 变量影响层级
+
+并非所有选择都对结局产生等量影响。设计上区分**核心变量**与**氛围变量**：
+
+| 层级 | 变量 | 影响 | 相关消息 |
+|------|------|------|---------|
+| **核心** | MOM_LINK | 决定 MSG-16 是否播放（妈妈长独白），直接影响结局 A | MSG-01, 10, 14 |
+| **核心** | HE_BACK | 决定门铃场景是否触发，区分结局 A/B | MSG-11 |
+| **核心** | ZHOUNAN_DEPTH + ZHOUNAN_SHARE | 决定隐藏结局 E | MSG-12, 13 |
+| **辅助** | SELF_RECORD | 决定结局 A 是否可达 | MSG-15 |
+| **氛围** | GROUP_REPLY | 影响彩蛋消息，但不改变结局走向 | MSG-07 |
+| **氛围** | PROFILE（avoidance/engagement/nostalgia） | 影响环境音色调 + self-3y 版本，不直接决定结局 | 全局累计 |
+| **统计** | UNREAD_COUNT / REPLY_COUNT | 决定结局 C/D 的触发条件 | 全局自动累计 |
+
+> **设计原则**：HR、安安、寝室群、小美醉酒等消息的选择主要影响 PROFILE 氛围和当下的对话反馈，让玩家"听得出这一句不一样"。真正改变结局走向的是**妈妈线、阿哲线、周南线**三条核心关系。玩家在这三条线上的选择会产生明确的、跨消息的后果。
+
+### PROFILE 计分细则
+
+| 行为 | avoidance | engagement | nostalgia |
+|------|-----------|------------|-----------|
+| 漏接电话（不动） | +2 | 0 | 0 |
+| 双击跳过消息 | +2 | 0 | 0 |
+| 单击回"嗯" | +1 | 0 | 0 |
+| 左滑冷淡回应 | +1 | 0 | 0 |
+| 下滑沉默 | +2 | 0 | +1 |
+| 右滑温暖回应 | 0 | +2 | 0 |
+| 上滑追问 | 0 | +2 | 0 |
+| Round 3 中选择"分享自己" | 0 | +1 | +1 |
+
+最终取分数最高项作为 PROFILE 标签。
+
+---
+
+## 6. 结局系统（5 种）
+
+### 结局 A · "明天就明天吧"
+**触发**：MOM_LINK=true + SELF_RECORD=true + 至少回了周南或群里 1 条
+**优先级**：2
+- 妈妈语音播完。林夏起身，环境声：走到厨房、烧水、坐在小板凳上。
+- 林夏轻声自语："明天再说。"
+- 烧水壶滴的一声 → 游戏结束。
+
+### 结局 B · "AirPods 我寄给你"
+**触发**：HE_BACK=false + 回过周南至少 1 条
+**优先级**：3
+- 林夏给阿哲发语音"我寄给你，地址发我"（打字音效 → 发送音效 → 林夏语音播放）。
+- 林夏轻声自语："寄出去了。"
+- 一个"清醒地走"的结局。
+
+### 结局 C · "全部已读"
+**触发**：UNREAD_COUNT=0 且 REPLY_COUNT≤2
+**优先级**：4
+- 系统语音播报实际数值："今晚共 16 条新消息，已读 {16−UNREAD_COUNT}，未回复 {16−REPLY_COUNT}。"
+- 长沉默。林夏轻声自语："今晚就这样。"
+
+### 结局 D · "明天再开机"
+**触发**：UNREAD_COUNT≥8，**或**结局 E/A/B/C 均不满足（真正兜底）
+**优先级**：5（兜底结局）
+- 系统语音提示电量 1%。触感震动 + 白噪 → 彻底黑。
+- 第二天清晨鸟叫。林夏轻声自语："早上好。"
+
+### 结局 E · 隐藏 · "周南，我也记得你"
+**触发**：ZHOUNAN_DEPTH≥2 + ZHOUNAN_SHARE + PROFILE=engagement 或 nostalgia
+**优先级**：1（最高优先级）
+- 周南秒回："那我下次出差来北京，请你吃饭好不好。"
+- 系统播放林夏的轻笑——这是全游戏唯一一次林夏主动笑出声。
+- 林夏轻声说："好。"
+
+### 结局判定规则
+
+当玩家同时满足多个结局条件时，按**优先级数字从小到大**判定，取第一个满足的结局：
+
+```
+E（隐藏，优先级 1）→ A（优先级 2）→ B（优先级 3）→ C（优先级 4）→ D（兜底，优先级 5）
+```
+
+- 结局 E 最稀有、最难触发，一旦满足则覆盖其他结局。
+- 结局 D 是**真正的兜底结局**——无论玩家怎么玩，只要 E/A/B/C 都不满足就一定进入 D。UNREAD_COUNT≥8 是 D 的常见触发场景，但不是唯一入口。
+- 结局 A 和 B 可能同时满足（例如 MOM_LINK=true + SELF_RECORD=true + HE_BACK=false + 回过周南），此时优先触发 A，因为 A 是更完整的情感闭合。
+
+---
+
+## 7. 音频设计
+
+### 7.1 音频资产分类
+
+| 类别 | 说明 | 数量 | 制作方案 |
+|------|------|------|---------|
+| **林夏语音** | 主角对话回应（通用 + 专属） | ~55 条, ~100s | VoxCPM2 声音克隆 |
+| **NPC Round 1 语音** | 各角色主要台词 | ~30 条, ~300s | VoxCPM2 声音克隆 |
+| **NPC Round 2/3 反应** | 对话分支反应 | ~54 条, ~205s | VoxCPM2 声音克隆 |
+| **self-3y 三版** | 时光胶囊备忘录 ×3 | 3 条, ~150s | VoxCPM2（`self_3y_v03` 独立参考） |
+| **UI 短音效** | 提示音、选择反馈、打字/发送 | ~12 种 | Web Audio 合成（无需文件） |
+| **BGM** | 4 段主题音乐 | 4 轨 | ACE-Step 1.5 本地生成 |
+| **环境音** | 卧室夜噪、厨房、黎明等 | 3 段 | ACE-Step 1.5 本地生成 |
+| **角色铃声** | 来电铃声 | 5 条（游戏引用 4 种场景） | ACE-Step 1.5 本地生成 |
+| **叙事音效** | 敲门、心跳、呼吸、水壶等 | 4 条 | ACE-Step 1.5 本地生成 |
+
+### 7.2 TTS 方案：VoxCPM2 本地克隆（现行 v5 链路）
+
+> **注意**：本项目 TTS 统一使用 **VoxCPM2**。CosyVoice2 仅作备用，不作为主生产链路。  
+> **详细操作与目录**：见 `audio_2/项目状态说明.md`、`执行文档_音频素材制作.md`。
+
+**现行流程**（2026-05 落地）：
+
+```
+Voice Design 试听（v4，每角色 5 条提示词变体）
+  → 人工选定参考 wav
+  → Style Control 克隆 + 表演修饰（v5）
+  → 部署到 audio/mp3/tts/*_wav_v1.mp3（游戏直接加载）
+```
+
+**服务启动**（端口 **8002**，8000 被其他服务占用）：
+
+```bash
+VOXCPM_PORT=8002 VOXCPM_ENABLE_DENOISER=0 bash /home/xsl/tts-server/start-voxcpm.sh
+curl http://127.0.0.1:8002/health
+# 预期: {"status":"ok","model":"VoxCPM2","styled_speech":true}
+```
+
+**API 接口**：
+
+| 接口 | 用途 |
+|------|------|
+| `POST /v1/voices` | 注册参考音频（wav_base64）→ voice_id |
+| `POST /v1/speech` | 纯克隆合成（text + voice_id） |
+| `POST /v1/speech/styled` | Style Control：有 voice_id = 克隆+表演；无 voice_id = Voice Design |
+
+- 输出格式：48kHz 16-bit PCM WAV
+- 参数：cfg_value（默认 2.0）、inference_timesteps（默认 10）
+
+**批量生产（现行）**：
+
+```bash
+# 全量克隆并部署游戏目录
+VOXCPM_PORT=8002 python audio_2/scripts/04_gen_tts_clone.py --force
+
+# 只重跑某角色
+VOXCPM_PORT=8002 python audio_2/scripts/04_gen_tts_clone.py --role mom --force
+
+# 重新生成试听样本（换提示词挑音色）
+VOXCPM_PORT=8002 python audio_2/scripts/03_gen_voice_samples.py --role delivery --force
+```
+
+**游戏音频命名**：仅 `*_wav_v1.mp3` 被 `story.js` / `engine.js` 引用；`*_mp3_v1.mp3` 为旧流水线产物，已清理。
+
+### 7.3 角色音色配置
+
+参考音频来自 Voice Design 试听选定，存放在 `voice/{角色}/{角色}_ref.wav` 与 `audio_2/tts/v4_voice_samples/{角色}/`。
+
+| 角色 | 参考文件 | 目录 | 语速 | 音色描述 |
+|------|----------|------|------|---------|
+| **林夏** | `linxia_v05.wav` | `voice/linxia/` | 1.00 | 24 岁女生，疲惫但清醒，克制但有温度 |
+| 妈妈 | `mom_v01.wav` | `voice/mom/` | 0.92 | 50 上下，温柔不黏腻，西部口音轻微 |
+| 阿哲 | `azhe_v03.wav` | `voice/azhe/` | 1.05 | 27 岁男声，城市男生，理性偏冷 |
+| 小美 | `xiaomei_v05.wav` | `voice/xiaomei/` | 1.10 | 24 岁，活泼，语速快 |
+| 小美（醉） | `xiaomei_drunk_v05.wav` | `voice/xiaomei/` | 0.95 | 同闺蜜基底，降速模拟醉态 |
+| 周南 | `zhounan_v05.wav` | `voice/zhounan/` | 0.95 | 26 岁男声，温和略拘谨 |
+| HR 王姐 | `hr_v05.wav` | `voice/hr/` | 1.00 | 38 岁，职场化，疲惫的善意 |
+| 安安 | `anan_v04.wav` | `voice/anan/` | 1.15 | 23 岁，活泼，比小美更嗲 |
+| 室友 A | `dorm_a_v03.wav` | `voice/dorm_a/` | 1.10 | 年轻女声，兴奋 |
+| 室友 B | `dorm_b_v02.wav` | `voice/dorm_b/` | 1.00 | 年轻女声，随和 |
+| 室友 C | `dorm_c_v03.wav` | `voice/dorm_c/` | 0.95 | 年轻女声，温柔 |
+| 外卖小哥 | `delivery_v04.wav` | `voice/delivery/` | **1.00** | 30 岁**男声**，北方腔，语速适中 |
+| self-3y | `self_3y_v03.wav` | `voice/linxia/` | 1.15 | 3 年前的林夏，更年轻明亮（独立参考，非复用小美） |
+
+表演修饰（warm/cold/分段等）由 `audio_2/voice_style_prompts.py` 的 `get_clone_style()` 控制；音色本身由参考 wav 锚定。
+
+### 7.4 脚本与产物目录
+
+| 脚本 | 用途 | 输出 |
+|------|------|------|
+| `audio_2/scripts/03_gen_voice_samples.py` | v4 试听（每角色 5 条） | `audio_2/tts/v4_voice_samples/` |
+| `audio_2/scripts/04_gen_tts_clone.py` | **v5 全量克隆 + 部署** ★ | `audio_2/tts/v5_cloned/*_wav_v5.mp3` → `audio/mp3/tts/*_wav_v1.mp3` |
+| `audio/batch_tts_voxcpm.py` | 台词表 `LINES`（173 条）+ 语速配置 | 旧版直连克隆，已被 v5 替代 |
+| `audio_2/voice_style_prompts.py` | 表演修饰 / Voice Design 提示词 | — |
+| `audio_2/voice_sample_prompts.py` | v4 试听变体与统一试听文本 | — |
+
+**台词表**：`audio/batch_tts_voxcpm.py` 中 `LINES` + `04_gen_tts_clone.py` 中 `EXTRA_LINES`（self-3y ×3、系统 memo）。
+
+**配置与文档**：
+
+```bash
+# 旧版批量（仅参考，不再用于正式产出）
+python audio/batch_tts_voxcpm.py --source voice --dry-run
+```
+
+### 7.5 UI 音效（Web Audio 合成，无需文件）
+
+所有 UI 音效通过 `SFX_UI` 对象在浏览器端实时合成：
+
+| 音效 | 用途 | 实现方式 |
+|------|------|---------|
+| `tap` | 单击确认 | 880Hz, 45ms |
+| `swipe` | 滑动确认 | 660Hz, 60ms |
+| `error` | 无效操作 | 200Hz square, 100ms |
+| `notify` | 新消息到达 | 523Hz + 659Hz 双音 |
+| `choiceReady` | 进入选择 | 440→523→659 三音上行 |
+| `choiceWarm` | 右滑温暖 | 440→659Hz 上行 |
+| `choiceCold` | 左滑冷淡 | 523→349Hz 下行 |
+| `choiceCurious` | 上滑追问 | 523→784Hz 快速上行 |
+| `choiceSilent` | 下滑沉默 | 330Hz 极轻 |
+| `typing` | 打字中 | 6 次随机频率短脉冲 |
+| `send` | 发送 | 400→900Hz 上扫 |
+| `longPress` | 长按确认 | 330→440Hz 缓升 |
+| `ending` | 结局 | 三音渐弱 |
+
+### 7.6 BGM 与环境音
+
+| 曲目 | 用途 | 描述 |
+|------|------|------|
+| M1 | 全程低氛围 Loop | lo-fi midnight bedroom, soft piano, light vinyl noise |
+| M2 | MSG-08/09 悬疑 | subtle ambient suspense, low drone |
+| M3 | MSG-13 周南段落 | gentle indie folk, fingerpicked guitar |
+| M4 | MSG-16 结尾 | warm cinematic piano, single melody line |
+
+环境音根据 PROFILE 累计分数动态调整：
+- engagement 倾向：柔和雨声、远处隐约的音乐
+- avoidance 倾向：安静、时钟滴答、远处车声
+- nostalgia 倾向：梦幻混响、远处风铃
+
+---
+
+## 8. 技术实现
+
+### 8.1 技术栈
+
+纯前端 Web 应用（单 HTML + JS），无需后端服务器：
+- **手势识别**：`gestures.js` — 7 种手势（单击、双击、长按、四方向滑动）
+- **音频管理**：`audio.js` — Web Audio API 合成 + HTML5 Audio 播放
+- **触觉反馈**：`haptics.js` — Vibration API（增强反馈，非必需；见下方降级说明）
+- **剧情数据**：`story.js` — 16 条消息的完整对话树
+- **游戏引擎**：`engine.js` — 状态机 + 异步对话流程
+- **行为画像**：`profile.js` — PROFILE 计分 + 状态变量
+
+### 8.2 状态机
+
+```
+idle → notification/ringing → playing → choosing → responding → reacting → [choosing | idle] → ending
+```
+
+| 状态 | 说明 | 可用手势 | 进入音效 |
+|------|------|---------|---------|
+| idle | 等待消息 | 长按（播报状态） | — |
+| notification | 消息到达提示中 | 单击（播放）、双击（跳过）、长按（播报状态） | 提示音 + 震动 |
+| ringing | 来电铃声中 | 单击（接听）、左滑（拒接）、长按（播报来电人） | 铃声 + 长震 |
+| playing | NPC 语音播放中 | 双击（跳过语音）、长按（重听本句） | — |
+| choosing | 等待玩家选择 | 右滑、左滑、上滑、下滑、单击、长按（重听 NPC 上一句） | **三音上行 + 长-短-长震动 + "等待回复"语音** |
+| responding | 林夏语音播放中 | 双击（跳过） | 打字音效 |
+| reacting | NPC 反应播放中 | 双击（跳过） | — |
+| ending | 结局播放中 | 三指点击（退出） | 结局专属音效 |
+
+> **关键**：`playing → choosing` 的状态切换必须有**明确的听觉分界**（三音上行 + 震动模式变化 + "等待回复"语音提示），确保玩家在纯音频环境下不会误以为自己还在听消息。单击在 `notification` 状态是"播放"，在 `choosing` 状态是"嗯"——两者之间有明确的进入选择态提示，不会混淆。
+
+### 8.3 异步对话流程
+
+```javascript
+// 进入选择态时的明确确认
+function enterChoosing(choices) {
+  state = 'choosing';
+  SFX_UI.choiceReady();             // 三音上行
+  haptics.pattern([200, 100, 80, 100, 200]);  // 长-短-长 震动
+  speak('等待回复');                  // 系统语音确认
+  currentChoices = choices;
+}
+
+// 长按处理：任何状态下可用
+async _handleLongPress() {
+  SFX_UI.longPress();
+  if (state === 'choosing' || state === 'playing') {
+    // 重播上一句 NPC 语音
+    await playVoiceAsync([lastNpcAudio]);
+  } else {
+    // 播报当前状态
+    speak(getStatusText());  // 如："小美的消息，等待回复"
+  }
+}
+
+async _handleChoice(dir) {
+  const choice = currentMsg.choices[dir];
+
+  // 1. 情感音效
+  SFX_UI[emotionSfx[dir]]();
+
+  // 2. 打字 → 发送
+  state = 'responding';
+  SFX_UI.typing();
+  await sleep(800);
+  SFX_UI.send();
+  await sleep(300);
+
+  // 3. 林夏的回应
+  if (choice.linxia) {
+    await playVoiceAsync([choice.linxia]);
+  } else {
+    await sleep(1500);  // 沉默
+  }
+
+  // 4. NPC 反应
+  if (choice.npcReact) {
+    state = 'reacting';
+    await playVoiceAsync(choice.npcReact);
+  }
+
+  // 5. 后续对话（Round 3）
+  if (choice.followUp) {
+    state = 'playing';
+    await playVoiceAsync(choice.followUp.audio);
+    if (choice.followUp.choices) {
+      enterChoosing(choice.followUp.choices);
+      return;
+    }
+  }
+
+  // 6. 推进到下一条
+  proceedToNext();
+}
+```
+
+### 8.4 跳过机制
+
+在 `responding` 或 `reacting` 状态中双击：
+- 设置 `_skipRequested = true`
+- 中断当前语音播放
+- 异步函数在每个步骤检查 skip 标志，快速跳到下一阶段
+
+### 8.5 全局安全手势
+
+除 §2.1 的 7 种剧情手势外，有两种**全局安全手势**，它们的优先级高于任何剧情手势，在所有状态下均可触发：
+
+| 手势 | 功能 | 优先级 |
+|------|------|--------|
+| **两指长按（1s）** | 暂停游戏 | 最高——立即中断当前音频播放，进入暂停状态 |
+| **三指点击** | 安全退出 | 最高——系统语音确认后跳转到支持资源页 |
+
+**实现要求**：
+- `gestures.js` 在手势识别时先判断触摸点数量：≥3 → 安全退出，=2 且持续 ≥1s → 暂停，=1 → 进入剧情手势判断。
+- 暂停状态下仅响应：单击（继续）、三指点击（退出）。
+- 安全手势不影响任何游戏变量（PROFILE、REPLY_COUNT 等不变）。
+
+### 8.6 触觉降级策略
+
+触觉反馈（Vibration API）是增强体验，**不是必需通道**。iPhone Safari 不支持 Vibration API，部分 Android 浏览器也可能受限。设计原则：
+
+- **所有状态切换必须有独立的音效/语音确认**，不能仅靠震动区分。
+- `haptics.js` 在初始化时检测 `navigator.vibrate` 是否可用，不可用时静默降级。
+- 测试时必须在关闭震动的情况下完整通关一遍，确认纯音频也能正常游玩。
+
+### 8.6 隐私承诺
+
+本作**不申请任何敏感权限**：
+- ❌ 不要麦克风、摄像头、位置、通讯录
+- ❌ 不需要联网（全程离线可玩）
+- ✅ 仅使用：触觉震动 + 触控输入 + 系统音量
+- 玩家行为数据只在本地存储，从不上传。
+
+---
+
+## 9. 音频资产清单
+
+### 林夏语音
+
+| 类别 | 数量 | 平均时长 | 总时长 |
+|------|------|---------|-------|
+| 通用短句（嗯、好、知道了等） | ~10 条 | 1s | ~10s |
+| 消息专属台词 | ~45 条 | 2s | ~90s |
+| **合计** | **~55 条** | | **~100s** |
+
+### NPC 语音（Round 1 主台词 + Round 2/3 反应）
+
+| 角色 | Round 1 | Round 2/3 | 总条数 | 总时长 |
+|------|---------|-----------|-------|-------|
+| 妈妈 | 11 段 | 10 条 | ~21 条 | ~340s |
+| 小美 | 7 段 | 10 条 | ~17 条 | ~120s |
+| 阿哲 | 2 段 | 8 条 | ~10 条 | ~50s |
+| 周南 | 5 段 | 10 条 | ~15 条 | ~80s |
+| HR 王姐 | 1 段 | 3 条 | ~4 条 | ~20s |
+| 安安 | 1 段 | 5 条 | ~6 条 | ~20s |
+| 寝室群 | 5 段 | 8 条 | ~13 条 | ~50s |
+| 外卖小哥 | 1 段 | 0 | ~1 条 | ~5s |
+| self-3y | 3 版 | 0 | ~3 条 | ~150s |
+| **合计** | | | **~90 条** | **~835s** |
+
+### 总计（现行部署）
+
+- 游戏引用 **184** 个 MP3（`audio/mp3/`，已与 `story.js` / `engine.js` 对齐）
+  - TTS 对白 **169** 条（`tts/*_wav_v1.mp3`）
+  - BGM + 铃声 **8** 条 · 音效 **4** 条 · 环境音 **3** 条
+- v5 克隆产物归档 **177** 条（`audio_2/tts/v5_cloned/`，含台词表全量 + self-3y + 系统 memo）
+- UI 音效：13 种，全部 Web Audio 合成
+
+---
+
+## 10. 项目文件结构
+
+```
+blind/
+├── game/
+│   ├── index.html
+│   └── js/
+│       ├── story.js        # 16 条消息 + 音频引用（*_wav_v1.mp3）
+│       ├── engine.js       # 系统语音、结局、BGM/环境音
+│       ├── audio.js        # 音频管理 + UI 合成音效
+│       └── …
+├── audio/
+│   ├── batch_tts_voxcpm.py # 台词表 LINES + ROLES 语速
+│   └── mp3/                # 游戏运行时音频（184 文件）
+│       ├── tts/            # 169 条对白
+│       ├── music/          # BGM + 铃声
+│       ├── sfx/            # 叙事音效
+│       └── ambience/       # 环境音
+├── voice/                  # 各角色参考音频（v5 选定 *_ref.wav）
+├── audio_2/                # TTS v4/v5 流水线
+│   ├── 项目状态说明.md
+│   ├── voice_style_prompts.py
+│   ├── voice_sample_prompts.py
+│   ├── scripts/            # 03 试听 · 04 克隆部署 ★
+│   └── tts/
+│       ├── v4_voice_samples/  # 选定参考音色
+│       └── v5_cloned/         # 正式产物 + clone_manifest.tsv
+├── 林夏.md
+├── 执行文档_音频素材制作.md
+└── 技术报告_音频资源制作.md
+```
+
+TTS 服务（独立部署）：`/home/xsl/tts-server/`（端口 **8002**）
+
+---
+
+## 11. 风险与对策
+
+| 风险 | 对策 |
+|------|------|
+| VoxCPM2 长情绪戏（妈妈 4 分钟）质感不够 | 分段录制 + 后期拼接，预留调参时间 |
+| 声音克隆音色不够区分 | Voice Design 试听多变体 → 人工选定 → 克隆锚定；男声角色单独标注 |
+| 60+ 分支语音管理复杂 | batch_tts_voxcpm.py 统一管理，命名规范 |
+| 手势误判导致选错 | 滑动阈值 30px + 40°范围；双击间隔 250ms 内 |
+| 玩家不理解手势含义 | MSG-02（小美教学关）强引导，每步正向反馈 |
+| 女性玩家代入感 | 编剧组需有 24 岁左右女性参与 |
+| 题材敏感 | 见下方"情绪安全设计"专节 |
+
+### 情绪安全设计
+
+本作涉及分手、裁员、独居、深夜来电、家庭创伤回忆等高情绪浓度内容，必须认真对待玩家的心理安全。
+
+**开场内容提示**（游戏启动后、第一条消息前）：
+- 系统语音播报："本游戏涉及情感压力、职场失落、家庭关系等主题。如果你当前情绪状态不佳，建议择日再玩。游戏过程中，两指长按可暂停，三指点击可直接退出。"
+
+**游戏中安全机制**：
+- **随时暂停**：任何状态下两指同时长按 1 秒，游戏暂停，系统语音："游戏已暂停。单击继续，三指点击退出。"（两指长按与单指双击完全不同，避免误触跳过）
+- **安全退出**：三指同时点击，系统语音确认后直接跳转到结尾支持资源页。
+- **长按状态播报**：让玩家随时确认自己在哪，减少焦虑感。
+
+**结尾支持资源**（任何结局播放完毕后）：
+- 系统语音："感谢你陪林夏度过这一夜。如果你现在需要和人说说话：全国 24 小时心理援助热线 400-161-9995；北京心理危机研究与干预中心 010-8295-1332。"
+- 音频播放完毕后保持在屏幕上（即使是纯音频游戏，此处允许显示文字——用户此时可以看手机了，屏幕"修好了"是一个隐喻）。
+
+**叙事安全原则**：
+- 林夏的自救不完全寄托在妈妈或男性角色身上——妈妈提供的是"被记住"的感觉，周南提供的是"被看见"的感觉，但最终让林夏起身烧水、给阿哲寄耳机的，是她自己的选择。
+- MSG-16 妈妈语音中"那年夏天我没死"这句表述需谨慎处理：妈妈的语气是平静追忆而非戏剧化，TTS 合成时 emotion 设为 `gentle, peaceful`，避免制造突然的情绪冲击。
+
+---
+
+## 12. 制作流程
+
+| 阶段 | 关键交付 | 状态 |
+|------|---------|------|
+| **剧本定稿** | 16 条全脚本 + 5 结局完整对白 + 所有分支台词 | ✅ |
+| **参考音色准备** | v4 试听选定 13 角色参考 wav | ✅ |
+| **VoxCPM2 v5 批量合成** | 177 条克隆 + 部署 `audio/mp3/tts/` | ✅ |
+| **BGM + 环境音 + 音效** | ACE-Step 本地生成，游戏引用 15 条 | ✅ |
+| **程序集成** | story.js 对接 `*_wav_v1.mp3` | ✅ |
+| **测试** | 全 5 结局通关 + 各角色听感迭代 | 待 playtest |
+
+---
+
+## 附录 · 一句话给主创
+
+> "这不是一个让女孩们更难过的游戏。这是一个让她们在难过的时候，知道有人也曾这样难过、并且活下来的游戏。"