同步音频文档至 v5 克隆现行状态

更新林夏设计纲要、执行文档与技术报告，对齐 VoxCPM2 8002 端口、v4/v5 流水线、游戏 184 个 MP3 引用及 13 角色参考音色。

Co-authored-by: Cursor <cursoragent@cursor.com>

audio_2/角色语音风格提示词.md

@@ -1,73 +1,74 @@
-# 《林夏》角色 Voice Design 提示词
+# 《林夏》角色语音提示词
 
-> **模式**：VoxCPM2 **Voice Design**（纯提示词，**不使用** `voice/` 参考音频）  
-> **接口**：`POST /v1/speech/styled` — `{ "text": "...", "style": "..." }`（**不传** `voice_id`）  
-> **目的**：每个角色用不同提示词生成**不同音色**；同角色内用表演修饰控制 warm/cold 等分支。
+> **现行生产（v5）**：参考 wav 锚定音色 + `get_clone_style()` 表演修饰 → `04_gen_tts_clone.py`  
+> **试听选音色（v4）**：Voice Design 纯提示词 → `03_gen_voice_samples.py`  
+> **详细状态**：`audio_2/项目状态说明.md`
 
 ---
 
-## 1. 与 v2 的区别
+## 1. 三阶段关系
 
-| | v2 (`v2_styled`) | v3 (`v3_voice_design`) |
-|---|---|---|
-| 音色来源 | `voice/{角色}/` 参考音频克隆 | 提示词描述音色 |
-| API | `voice_id` + `style` | 仅 `style` |
-| 同角色音色 | 与 audio_1 相同 | **全新，各角色互不相同** |
+| 阶段 | 脚本 | 音色来源 | 状态 |
+|------|------|----------|------|
+| v4 试听 | `03_gen_voice_samples.py` | Voice Design 提示词（无参考） | 已选定 13 角色参考 |
+| **v5 克隆** | `04_gen_tts_clone.py` | 选定 wav + 表演修饰 | **游戏正在使用** |
+| v3 纯设计 | `02_gen_tts_voice_design.py` | 仅提示词 | 已废弃 |
+
+v5 克隆时**不再**叠加 `ROLE_VOICE_DESIGN` 音色描述，音色由 `v4_voice_samples/` 中选定 wav 决定。
 
 ---
 
-## 2. 角色音色提示词（Voice Design 核心）
+## 2. 已选定参考音色（v4 试听结果）
 
-| 角色 | 性别 | design 提示词 |
-|------|------|--------------|
-| `linxia` | 女 | 24岁中国女性，中低音女声，声线偏薄但稳定，疲惫但清醒，克制有温度，普通话，像深夜发微信语音 |
-| `mom` | 女 | 52岁中国女性，温厚的中老年女声，音色略哑，轻微西部口音，说话慢而稳，像母亲打电话 |
-| `azhe` | **男** | 27岁中国男性，清朗偏低男声，城市口音，理性偏冷，语速平稳，用词克制，略带距离感 |
-| `xiaomei` | 女 | 24岁中国女性，明亮偏高的女声，语速快，活泼直接，像闺蜜连发语音，能量足 |
-| `xiaomei_drunk` | 女 | 24岁中国女性，同闺蜜音色但喝醉了，口齿略含糊，情绪起伏大，时而哭时而笑 |
-| `zhounan` | **男** | 26岁中国男性，温和偏闷的男中音，略拘谨，语速偏慢，像很久没联系的老同学，真诚不油 |
-| `hr` | 女 | 38岁中国女性，成熟职场女声，中音区，知性干练，疲惫的善意，像HR发工作语音 |
-| `anan` | 女 | 23岁中国女性，甜亮高音女声，语速快，比闺蜜更嗲，像在酒吧里喊，背景略吵 |
-| `dorm_a` | 女 | 22岁中国女性，兴奋尖亮女声，语速很快，像群里报喜，充满喜悦 |
-| `dorm_b` | 女 | 23岁中国女性，普通随和女声，中音，语速正常，像室友起哄 |
-| `dorm_c` | 女 | 23岁中国女性，温柔低声女声，语速略慢，像注意到朋友沉默的室友 |
-| `delivery` | **男** | 30岁中国北方男性，**男声**，偏低略粗，麻利直接，语速快，北方口音，像外卖小哥打电话 |
-| `self_3y` | 女 | 21岁中国女性，比林夏更亮更高的女声，刚来北京，兴奋带紧张，声音更年轻 |
+| 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 |
 
-配置文件：`audio_2/voice_style_prompts.py`
+路径：`audio_2/tts/v4_voice_samples/{角色}/` · 副本：`voice/{角色}/{角色}_ref.wav`
 
 ---
 
-## 3. 表演修饰（同角色叠加）
+## 3. 表演修饰（v5 克隆时使用）
 
-林夏等分支台词会在音色描述后追加，例如：
+由 `audio_2/voice_style_prompts.py` → `get_clone_style()` 按文件名返回，例如：
 
-- `_warm` → `，语气温暖开放，柔软但有分寸`
-- `_cold` → `，语气冷淡疏离，短促`
-- 妈妈长语音 seg1–seg8、周南 seg1–seg4、小美醉 seg1–seg4 等见 `voice_style_prompts.py`
+- 林夏 `_warm` / `_cold` / `_curious` / `ending_` / `sys_`
+- 妈妈长语音 `seg1`–`seg8`、周南 `seg1`–`seg4`、小美醉 `seg1`–`seg4`
+- self-3y 三版：`voice_01` 兴奋带紧张 / `voice_02` 疲惫假装坚强 / `voice_03` 平静有力
 
 ---
 
-## 4. 批量生产
+## 4. Voice Design 提示词（v4 试听用）
+
+试听变体配置：`audio_2/voice_sample_prompts.py` → `ROLE_VOICE_VARIANTS`  
+统一试听文本：`AUDITION_TEXT`（每角色约 10 秒）
+
+重新生成某角色试听：
 
 ```bash
-VOXCPM_PORT=8002 bash /home/xsl/tts-server/start-voxcpm.sh
-
-# 全量
-VOXCPM_PORT=8002 python audio_2/scripts/02_gen_tts_voice_design.py --force
-
-# 试听单个角色
-python audio_2/scripts/02_gen_tts_voice_design.py --role delivery --test --force
-python audio_2/scripts/02_gen_tts_voice_design.py --role linxia --test --force
+VOXCPM_PORT=8002 python audio_2/scripts/03_gen_voice_samples.py --role delivery --force
 ```
 
-输出：`audio_2/tts/v3_voice_design/*_wav_v3.mp3`  
-清单：`audio_2/tts/v3_voice_design/voice_design_manifest.tsv`
+选定后替换 `v4_voice_samples/{role}/` 中 wav，再跑：
+
+```bash
+VOXCPM_PORT=8002 python audio_2/scripts/04_gen_tts_clone.py --role delivery --force
+```
 
 ---
 
 ## 5. 注意事项
 
-1. **Voice Design 同角色各条之间音色可能略有漂移**——无参考音频锚定。若某角色不稳定，可挑一条满意的音频注册为参考，改回 Style Control。
-2. **调整音色**：改 `ROLE_VOICE_DESIGN` 里对应角色的描述，重跑该角色即可。
-3. **外卖小哥必须是男声**——已在 `delivery` 提示词中写明「中国北方男性，男声」。
+1. **Voice Design 音色会漂移**——因此正式版必须「试听选定 → 克隆锚定」。
+2. **男声角色**：`azhe`、`zhounan`、`delivery`（delivery 语速已调慢，后处理倍率 1.00）。
+3. **游戏仅加载** `audio/mp3/tts/*_wav_v1.mp3`。

audio_2/项目状态说明.md

@@ -18,7 +18,7 @@
 
 ```
 ../audio/mp3/
-├── tts/        对白（177 条）
+├── tts/        对白（169 条，游戏引用）
 ├── music/      BGM、铃声
 ├── sfx/        音效
 └── ambience/   环境音
@@ -120,7 +120,7 @@ blind/
 ├── audio/
 │   ├── batch_tts_voxcpm.py   台词表 LINES + 角色语速 ROLES
 │   └── mp3/                  游戏运行时音频（184 文件，已清理）
-│       ├── tts/              177 条对白
+│       ├── tts/              169 条对白（游戏引用）
 │       ├── music/
 │       ├── sfx/
 │       └── ambience/
@@ -208,7 +208,6 @@ VoxCPM2 **不能**用提示词生成敲门、心跳等 SFX，只能做人声 TTS
 - [ ] 实机/playtest 听一遍各角色，标记需重跑的台词或角色
 - [ ] 若某角色不满意：改 `voice_sample_prompts.py` → 重跑 `03` 挑选 → 替换 `v4_voice_samples/{role}/` → 重跑 `04`
 - [ ] 微调单条表演：改 `voice_style_prompts.py` 中 `_performance` 规则 → `--role xxx --force`
-- [ ] 设计文档：`林夏.md`、`执行文档_音频素材制作.md`
 
 ---