blind/audio_2/项目状态说明.md

《林夏》音频制作 — 当前状态说明

更新日期：2026-05-23
本文档记录 TTS 音色选型、全量生成、游戏部署的现行状态，便于下次继续迭代。

---

1. 一句话总结

游戏当前使用的是 v5 克隆音色：从 Voice Design 试听样本中选定参考音频 → VoxCPM2 Style Control 克隆 → 部署到 audio/mp3/tts/*_wav_v1.mp3。
audio/mp3/ 已清理，仅保留游戏引用的 184 个文件。

---

2. 游戏实际加载哪些音频

游戏代码在 game/js/story.js、game/js/engine.js，根路径：

../audio/mp3/
├── tts/        对白（169 条，游戏引用）
├── music/      BGM、铃声
├── sfx/        音效
└── ambience/   环境音

命名规则（重要）

文件名	游戏是否使用
*_wav_v1.mp3	是 — 全部对白、系统语音都用这种
*_mp3_v1.mp3	否 — 旧流水线遗留，已全部删除

后缀里的 wav 表示「用 WAV 参考音色生成的 v1 版」，文件格式仍是 MP3。

示例

game/js/story.js → npc('lv11_0015_mom_call_01_wav_v1.mp3')
实际文件         → audio/mp3/tts/lv11_0015_mom_call_01_wav_v1.mp3

不需要改 story.js，只要更新 audio/mp3/tts/ 里对应的 *_wav_v1.mp3 即可。

---

3. TTS 服务

项目	路径 / 值
服务目录	/home/xsl/tts-server/
启动脚本	VOXCPM_PORT=8002 VOXCPM_ENABLE_DENOISER=0 bash /home/xsl/tts-server/start-voxcpm.sh
端口	8002（8000 被 head3d 占用）
健康检查	curl http://127.0.0.1:8002/health
主要接口	POST /v1/voices 注册参考音频
	POST /v1/speech/styled 合成（voice_id + style = 克隆；无 voice_id = Voice Design）

---

4. 音色演进（v1 → v5）

版本	目录	方式	状态
v1	audio_1/tts/v1_voxcpm2/	旧参考音频直接克隆，无 style	已被 v5 替代
v2	audio_2/tts/v2_styled/（已不在磁盘）	旧参考 + Style Control 表演	已废弃
v3	audio_2/tts/v3_voice_design/（已不在磁盘）	纯 Voice Design，无参考	已废弃
v4	audio_2/tts/v4_voice_samples/	每角色 5 条试听，用户挑选	保留选定样本
v5	audio_2/tts/v5_cloned/	选定样本克隆 + 表演修饰	当前正式版
游戏	audio/mp3/tts/*_wav_v1.mp3	v5 自动部署副本	游戏正在使用

---

5. 各角色选定的参考音色（v4 试听挑选）

参考文件位于 audio_2/tts/v4_voice_samples/{角色}/，每角色仅保留 1 条 .wav：

角色	选定文件	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	dorm_a_v03.wav	女
dorm_b	dorm_b_v02.wav	女
dorm_c	dorm_c_v03.wav	女
delivery	delivery_v04.wav	男
self_3y	self_3y_v03.wav	女

副本已同步到 voice/{角色}/{角色}_ref.wav（xiaomei_drunk → voice/xiaomei/xiaomei_drunk_ref.wav，self_3y → voice/linxia/self_3y_ref.wav）。

---

6. v5 全量生成结果

• 177 条 MP3：audio_2/tts/v5_cloned/*_wav_v5.mp3
• 177 条已部署：audio/mp3/tts/*_wav_v1.mp3
• 生成清单：audio_2/tts/v5_cloned/clone_manifest.tsv

来源台词表：audio/batch_tts_voxcpm.py 中 LINES（173 条）+ 脚本内 EXTRA_LINES（4 条）：

额外文件	角色	说明
lv11_0030_self3y_voice_01/02/03	self_3y	三年前录音三版
lv11_sys_memo_01	linxia	系统提示「三年前今天…」

克隆时只用表演修饰（warm/cold/分段等），音色完全由参考 wav 决定。配置见 audio_2/voice_style_prompts.py 中 get_clone_style()。

---

7. 目录结构速查

blind/
├── game/js/story.js          游戏剧情 + 音频引用
├── game/js/engine.js         系统语音、结局、BGM
├── 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/              169 条对白（游戏引用）
│       ├── music/
│       ├── sfx/
│       └── ambience/
├── voice/                    各角色参考音频（含 v5 选定副本）
└── audio_2/
    ├── 项目状态说明.md        ← 本文档
    ├── 角色语音风格提示词.md   Voice Design 说明（历史参考）
    ├── voice_style_prompts.py  表演修饰 + Voice Design 提示词
    ├── voice_sample_prompts.py v4 试听：5 变体/角色 + 统一试听文本
    ├── scripts/
    │   ├── 01_gen_tts_styled.py       v2 Style Control（旧）
    │   ├── 02_gen_tts_voice_design.py v3 Voice Design（旧）
    │   ├── 03_gen_voice_samples.py    v4 生成试听样本
    │   └── 04_gen_tts_clone.py        v5 克隆 + 部署游戏 ★
    └── tts/
        ├── v4_voice_samples/   选定参考音色（每角色 1 wav + mp3）
        └── v5_cloned/          正式产物 + clone_manifest.tsv

---

8. 常用命令

启动 TTS

VOXCPM_PORT=8002 VOXCPM_ENABLE_DENOISER=0 bash /home/xsl/tts-server/start-voxcpm.sh
curl http://127.0.0.1:8002/health

重跑全量克隆（改参考音频或提示词后）

cd /home/xsl/blind
VOXCPM_PORT=8002 python audio_2/scripts/04_gen_tts_clone.py --force

• 输出：audio_2/tts/v5_cloned/*_wav_v5.mp3
• 自动覆盖：audio/mp3/tts/*_wav_v1.mp3

只重跑某角色

VOXCPM_PORT=8002 python audio_2/scripts/04_gen_tts_clone.py --role mom --force

重新生成某角色试听（换提示词挑音色）

VOXCPM_PORT=8002 python audio_2/scripts/03_gen_voice_samples.py --role delivery --force

预览任务不合成

python audio_2/scripts/04_gen_tts_clone.py --dry-run

---

9. 其他音频服务（非 TTS）

用途	位置
音乐 / 音效生成	/home/xsl/tools/ACE-Step-1.5
Stable Audio	/home/xsl/tools/stable-audio-tools
UI 短音效	Web Audio（浏览器内合成）

VoxCPM2 不能用提示词生成敲门、心跳等 SFX，只能做人声 TTS。

---

10. 已知注意点

1. Voice Design 音色不稳定：同角色各条可能漂移，因此最终方案是「试听选定 → 克隆锚定」。
2. 外卖小哥语速：delivery 提示词已调慢，ROLES["delivery"]["speed"] 已从 1.20 改为 1.00。
3. 男声角色：azhe、zhounan、delivery。
4. 重新清理未使用音频：扫描 game/js/*.js 与 audio/mp3/ 对比删除；当前已对齐（184 = 184）。
5. 改游戏引用：若将来改用 _wav_v5.mp3 等新后缀，需批量改 story.js / engine.js；目前无需改动。

---

11. 下次可继续的事

• 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

---

12. 快速验证游戏音频是否正常

# 游戏引用的文件是否都存在
python3 - <<'PY'
import re
from pathlib import Path
root = Path("/home/xsl/blind")
text = "".join((root/"game/js/story.js").read_text() + (root/"game/js/engine.js").read_text())
refs = set()
for m in re.finditer(r'\$\{(MUS|SFX|AMB|T)\}/([^`\']+\.mp3)', text):
    sub = {'MUS':'music','SFX':'sfx','AMB':'ambience','T':'tts'}[m.group(1)]
    refs.add(root/f"audio/mp3/{sub}/{m.group(2)}")
for m in re.finditer(r"(?:npc|lx|rx)\('([^']+\.mp3)'\)", text):
    refs.add(root/f"audio/mp3/tts/{m.group(1)}")
missing = [r for r in refs if not r.exists()]
print(f"引用 {len(refs)}  缺失 {len(missing)}")
for p in sorted(missing): print(" MISSING:", p.relative_to(root))
PY

预期输出：缺失 0。