blind/林夏.md

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 16 个人会发来电话和语音。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 六种手势——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
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。

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"                  │
 └──────────┬──────────────────────────────────────┘
            ▼
 ┌─────────────────────────────────────────────────┐
 │  [三音上行提示音 · 等待选择]                        │
 │  玩家操作：右滑 / 左滑 / 上滑 / 下滑 / 单击         │
 └──────────┬──────────────────────────────────────┘
            ▼
 ┌─────────────────────────────────────────────────┐
 │  [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	"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。

---

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。TTS 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。"	妈妈发文字："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] 妈妈发文字："看到了回一下。"	avoidance+2
单击	"嗯。"	妈妈发文字："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？" → [可继续展开]

---

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。"	继续选择
下滑	[沉默 → 挂断音]	[电话断了]	HE_BACK=false
单击	"不了。"	"好。" → [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。"
• 如果 MOM_LINK=false："你今天怎么都不理妈妈？出什么事了吗？" → 可选择回应

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。"
6. "她不说什么，就问我今天吃饭了没。"
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。

---

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）	决定结局字幕 + 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

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

• 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。
• 字幕："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

• 林夏给阿哲发了文字"我寄给你，地址发我"。
• 字幕："寄出。"
• 一个"清醒地走"的结局。

结局 C · "全部已读"

触发：未读数=0 且回复≤2 条

• TTS："今晚共 16 条新消息，已读 16，未回复 14。"
• 长沉默。字幕："今晚就这样。"

结局 D · "明天再开机"

触发：未读数≥8

• 系统提示电量 1%。触感震动 + 白噪 → 彻底黑。
• 第二天清晨鸟叫。字幕："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

• 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。
• 字幕："好。"

---

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（linxia 音色）
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 段	Suno / Udio 生成
环境音	卧室夜噪、酒吧、街声	4-5 段	Freesound (CC0/CC-BY)
角色铃声	来电铃声	3-4 段	简单合成或 Suno 短旋律

7.2 TTS 方案：VoxCPM2 本地声音克隆

所有角色语音使用 VoxCPM2（本地部署，无需外部 API），通过声音克隆实现一致的角色音色。

服务启动：

bash /home/xsl/AutoVideo/start-voxcpm.sh
# uvicorn 服务: http://127.0.0.1:8000

API 接口：

• POST /v1/voices — 注册参考音频（wav_base64）→ 返回 voice_id
• POST /v1/speech — 合成语音（text + voice_id）→ 返回 WAV
• 输出格式：48kHz 16-bit PCM WAV
• 参数：cfg_value（默认 2.0）、inference_timesteps（默认 10）

声音克隆流程：

参考音频 (voice/{角色}/*.wav)
  → 转换为 16kHz mono WAV
  → POST /v1/voices 注册 → voice_id
  → POST /v1/speech 合成台词 → WAV
  → ffmpeg atempo 调速 → 最终音频

7.3 角色音色配置

角色	参考音频目录	语速	音色描述
林夏	voice/linxia/	1.00	24 岁女生，疲惫但清醒，克制但有温度
妈妈	voice/mom/	0.92	50 上下，温柔不黏腻，西部口音轻微
阿哲	voice/azhe/	1.05	27 岁，城市男生，理性偏冷
小美	voice/xiaomei/	1.10	24 岁，活泼，语速快
小美（醉）	voice/xiaomei/	0.95	同音色，降速模拟醉态
周南	voice/zhounan/	0.95	26 岁，温和略拘谨
HR 王姐	voice/hr/	1.00	38 岁，职场化，疲惫的善意
安安	voice/anan/	1.15	23 岁，活泼，比小美更嗲
室友 A	voice/dorm_a/	1.10	年轻女声，兴奋
室友 B	voice/dorm_b/	1.00	年轻女声，随和
室友 C	voice/dorm_c/	0.95	年轻女声，温柔
外卖小哥	voice/delivery/	1.20	30 岁，麻利
self-3y	voice/linxia/	1.15	3 年前的林夏，更明朗（同一音色，不同语速）

7.4 批量合成脚本

# 启动 VoxCPM2 服务
bash /home/xsl/AutoVideo/start-voxcpm.sh

# 使用 WAV 参考音色，批量合成所有台词
python audio/batch_tts_voxcpm.py --source voice

# 只合成特定角色
python audio/batch_tts_voxcpm.py --source voice --role linxia

# 干跑查看任务列表
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
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 — 6 种手势（单击、双击、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
• 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
idle	等待消息	—
notification	消息到达提示中	单击（播放）、双击（跳过）
ringing	来电铃声中	单击（接听）、左滑（拒接）
playing	NPC 语音播放中	双击（跳过语音）
choosing	等待玩家选择	右滑、左滑、上滑、下滑、单击
responding	林夏语音播放中	双击（跳过）
reacting	NPC 反应播放中	双击（跳过）
ending	结局播放中	—

8.3 异步对话流程

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 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

• 林夏 ~55 条，~100 秒
• NPC ~90 条，~835 秒
• 总语音约 145 条，约 15.5 分钟
• UI 音效：12 种，全部 Web Audio 合成
• BGM：4 段
• 环境音：4-5 段

---

10. 项目文件结构

blind/
├── game/
│   ├── index.html          # 入口
│   └── js/
│       ├── main.js         # 启动 + 事件绑定
│       ├── gestures.js     # 6 种手势识别
│       ├── haptics.js      # 触觉反馈
│       ├── audio.js        # 音频管理 + UI 合成音效
│       ├── story.js        # 16 条消息剧情数据
│       ├── engine.js       # 游戏引擎（状态机 + 对话流程）
│       ├── profile.js      # 行为画像 + 状态变量
│       └── utils.js        # 工具函数（sleep, dbg 等）
├── audio/
│   ├── mp3/
│   │   ├── linxia/         # 林夏语音（当前 edge-tts 版本）
│   │   └── react/          # NPC 反应语音（当前 edge-tts 版本）
│   ├── 00_raw/tts/         # VoxCPM2 生成原始 WAV
│   └── batch_tts_voxcpm.py # VoxCPM2 批量合成脚本
├── voice/                   # VoxCPM2 参考音色（WAV）
│   ├── linxia/             # 林夏
│   ├── mom/                # 妈妈
│   ├── azhe/               # 阿哲
│   ├── xiaomei/            # 小美
│   ├── zhounan/            # 周南
│   ├── hr/                 # HR 王姐
│   ├── anan/               # 安安
│   ├── dorm_a/             # 室友 A
│   ├── dorm_b/             # 室友 B
│   ├── dorm_c/             # 室友 C
│   └── delivery/           # 外卖小哥
├── gdd/
│   └── redesign_v2.md      # v2 重构设计文档
└── 林夏.md                  # 本文档（总设计纲要）

---

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	每角色选择差异大的参考音频 + 调速区分
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	开场加心理预警 + 提供试玩版

---

12. 制作流程

阶段	关键交付
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	voice/ 下 12 个角色参考音频确认
VoxCPM2 批量合成	~145 条语音 + 语速调整 + 质检
BGM + 环境音	4 段 BGM + 环境采样
程序集成	story.js 对接最终音频路径 + 全流程调试
测试	全 5 结局通关测试 + 分支覆盖

---

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。"