HEL-879 final closure: integrate preserved HEL-898 rework (b0dcb17->18aef2a ff, zero backend diff), one-pass review of the three fixes passes offline (agent-left teardown via existing fail path incl. DELETE debt; closed set per-call unbounded, seq gate unchanged; speaking-state sentence-granularity display with in-place grow), web 118/118 + typecheck/build/lint(0err/1known) green, req checks 3/3; deliver D1 zero-synthesis audition package (11 reference recordings fetched read-only, sha256 matched per file, offline index.html + manifest; repo keeps manifest/provenance only) and update r5-test-package section 4/8 into the delivered-audition + consolidated request form; zero real calls/downloads/installs/deploy/merge, caps stay 0

Co-authored-by: multica-agent <github@multica.ai>
2026-10-27 07:24:27 +08:00
parent 18aef2a459
commit 8dc84f88e9
5 changed files with 256 additions and 11 deletions
@@ -0,0 +1,39 @@
+# HEL-879 · D1 参考试听包（零合成，已交付）
+
+> 交付时间 2026-10-27。性质：把服务器既有 11 支音色的 zero-shot 参考录音整理成
+> 可离线播放的 HTML 试听页 + 音频包，作为主卡 D1 拍板材料。**零 TTS 合成、零
+> 克隆、零共享音色切换、零下载安装**；对 .12 只做 SSH 只读复制，未改服务器任何
+> 文件与状态。
+
+## 包内容（随本卡评论附件交付，不入仓库大媒体）
+
+`HEL-879-D1-参考试听包.zip`（4.4MB，sha256
+`e20764f9f98cbfac5ef966227540a75c5061cf16d151e5d0c9d86b620e3972f9`）：
+
+- `index.html` —— 离线试听页（自包含，无外部依赖；解压后直接用浏览器打开），
+  逐支列出音色 ID、时长/采样率、参考录音原文、播放器、文件哈希前缀；
+  页首明确注明「参考录音 ≠ 实际合成效果」。
+- `manifest.json` —— 机器可读清单：11 支音色的 id / 文件 / prompt_text /
+  服务器源路径 / sha256 / 字节数 / 秒数 / 采样率 / 声道（本目录留有同内容副本）。
+- `voice_samples/*.wav` —— 11 段参考录音原文件。
+
+## 来源与取回方式（可复核）
+
+- 音色登记：`192.168.200.12:/opt/voice-agent/cosyvoice/voices.json`（实读，
+  11 个 ID：bailu、bajie、default、female_soft、haimianbaobao、jiaojiao、
+  male_warm、nezha、rain、sunwukong、xiaoyun；每项 `prompt_wav` + `prompt_text`）。
+- 音频文件：`prompt_wav` 所指 wav（`voice_samples/<id>.wav` 10 支 +
+  default 用 `CosyVoice/asset/zero_shot_prompt.wav`），`scp` 只读取回。
+- 完整性：每文件本地 sha256 与服务器 `sha256sum` 输出逐一相符（见
+  manifest.json；default 为 IEEE float32/24kHz/3.5s，bailu 为 44.1kHz 立体声
+  10s，其余 16k/32k 单声道 2.4–16.8s）。
+
+## 边界（如实）
+
+- 参考录音是各音色**来源说话人的真实录音**（zero-shot 克隆依据），不是
+  CosyVoice 实际合成产物；实际合成效果与参考录音不同，需在获批测试窗口内
+  真实合成复核（计入 TTS 预算）。
+- 参考录音原文为各来源录音本身的内容，按原样保留，仅作试听对照；其中数支
+  为影视/角色向来源，是否适合「她」由白栖知试听后判断，工程不代选、不预筛。
+- 通用演示当前 `voice_state.json` = rain 是共享演示状态，不是本用户的选择依据。
+- 克隆新音色需写共享 `voices.json` 并触发共享 TTS 热加载，**需单独授权**，本包未做。
@@ -0,0 +1,135 @@
+{
+ "package": "HEL-879 D1 参考试听包（零合成）",
+ "generated": "2026-10-27",
+ "source_server": "192.168.200.12 (SSH 只读取回，未改服务器任何文件)",
+ "source_registry": "/opt/voice-agent/cosyvoice/voices.json",
+ "count": 11,
+ "notes": [
+  "参考录音 = 该音色 zero-shot 克隆的来源录音（音色来源说话人的真实录音），不是 CosyVoice 实际合成产物；实际合成效果与参考录音不同，需在获批测试窗口内真实合成复核（计入 TTS 预算）。",
+  "通用演示当前使用 rain，是共享演示状态，不是本用户的选择依据。",
+  "本包只读取得，未切换/修改任何共享音色状态；克隆需另行单独授权。"
+ ],
+ "voices": [
+  {
+   "id": "default",
+   "file": "voice_samples/zero_shot_prompt.wav",
+   "prompt_text": "希望你以后能够做的比我还好呦。",
+   "server_prompt_wav": "/opt/voice-agent/cosyvoice/CosyVoice/asset/zero_shot_prompt.wav",
+   "sha256": "c7b31d6dbe7cc6a716dded00550db5b50940bf209e424e4ad207b12e657c8ff6",
+   "bytes": 334138,
+   "seconds": 3.5,
+   "sample_rate": 24000,
+   "channels": 1
+  },
+  {
+   "id": "sunwukong",
+   "file": "voice_samples/sunwukong.wav",
+   "prompt_text": "俺老孙来也，俺乃500年前大闹天宫的齐天大圣孙悟空，这里山势险峻，只怕藏有妖精妖怪，哪里逃吃？俺老孙吧。",
+   "server_prompt_wav": "/opt/voice-agent/cosyvoice/voice_samples/sunwukong.wav",
+   "sha256": "a0cf44a8ab659ebddb8bc4faffe88f717d14d2c66c09bc5ea657212826806e68",
+   "bytes": 429746,
+   "seconds": 13.4,
+   "sample_rate": 16000,
+   "channels": 1
+  },
+  {
+   "id": "nezha",
+   "file": "voice_samples/nezha.wav",
+   "prompt_text": "天雷滚滚，我好怕怕劈的我浑身掉渣渣，突破天劫，我笑，哈哈逆天改命。我吹喇叭滴答滴答，滴滴答。",
+   "server_prompt_wav": "/opt/voice-agent/cosyvoice/voice_samples/nezha.wav",
+   "sha256": "9911a73e3f54c235dedb05c18f29356f41ba3b1e1b58811c4f766897f0fe1d10",
+   "bytes": 305196,
+   "seconds": 9.5,
+   "sample_rate": 16000,
+   "channels": 1
+  },
+  {
+   "id": "bajie",
+   "file": "voice_samples/bajie.wav",
+   "prompt_text": "师傅，哎，这取经路比高，老庄种地还苦，俺老猪饿的能吞下石龙素包子，猴哥，你筋斗云块，要不先去画个圆。",
+   "server_prompt_wav": "/opt/voice-agent/cosyvoice/voice_samples/bajie.wav",
+   "sha256": "1f9c84ce8c10145ace5f615a428a08e2482f322363f037245878068aa95ed98a",
+   "bytes": 424320,
+   "seconds": 13.3,
+   "sample_rate": 16000,
+   "channels": 1
+  },
+  {
+   "id": "haimianbaobao",
+   "file": "voice_samples/haimianbaobao.wav",
+   "prompt_text": "没错，我就是个笨蛋派大星，我们一起去抓水母吧，我们一起度过快乐的一天。",
+   "server_prompt_wav": "/opt/voice-agent/cosyvoice/voice_samples/haimianbaobao.wav",
+   "sha256": "c60912dfccd76390baa921d4c99b0120f528837608964290e96cad1221da9c9d",
+   "bytes": 228726,
+   "seconds": 7.1,
+   "sample_rate": 16000,
+   "channels": 1
+  },
+  {
+   "id": "female_soft",
+   "file": "voice_samples/female_soft.wav",
+   "prompt_text": "这点我说一下，就是因为那个就是摩根豪泽尔这本儿金钱心理学。其实在我们这行业里也算一本很有名名的书了。就我之前也读过。然后你说到这点啊，让我想起来他这本书里还挺。",
+   "server_prompt_wav": "/opt/voice-agent/cosyvoice/voice_samples/female_soft.wav",
+   "sha256": "4a65d17099239711601cb17e28b7aa7b6149acd153b92fd0366c23902bd4f687",
+   "bytes": 341192,
+   "seconds": 10.7,
+   "sample_rate": 16000,
+   "channels": 1
+  },
+  {
+   "id": "male_warm",
+   "file": "voice_samples/male_warm.wav",
+   "prompt_text": "um a while we built eight hype looe test track adjacent to space acts just for a student competition。 um to encourage intiative ideas in transport and actually ends up being the the biggest um vacuum chamber in the world after the launch。 haveringcollider。",
+   "server_prompt_wav": "/opt/voice-agent/cosyvoice/voice_samples/male_warm.wav",
+   "sha256": "2c4109b2d685e1923ed66433eb08c92047a1f67510629a27edf49af4e5c606dd",
+   "bytes": 539032,
+   "seconds": 16.8,
+   "sample_rate": 16000,
+   "channels": 1
+  },
+  {
+   "id": "xiaoyun",
+   "file": "voice_samples/xiaoyun.wav",
+   "prompt_text": "盯着你看怎么啦，难得看你这么有意思的样子嘛",
+   "server_prompt_wav": "/opt/voice-agent/web/../cosyvoice/voice_samples/xiaoyun.wav",
+   "sha256": "6ad3ca7a6f1d9ddd10c5647338200fc9913f7adc71d8495a61b6b8e18eadc87e",
+   "bytes": 297004,
+   "seconds": 4.6,
+   "sample_rate": 32000,
+   "channels": 1
+  },
+  {
+   "id": "rain",
+   "file": "voice_samples/rain.wav",
+   "prompt_text": "你是不是早就想睡我了呀",
+   "server_prompt_wav": "/opt/voice-agent/web/../cosyvoice/voice_samples/rain.wav",
+   "sha256": "37db24611b999f2f2328fa19c5c6e26117b5ec5d3d2037068af2fc12c6ad25ba",
+   "bytes": 152364,
+   "seconds": 2.4,
+   "sample_rate": 32000,
+   "channels": 1
+  },
+  {
+   "id": "jiaojiao",
+   "file": "voice_samples/jiaojiao.wav",
+   "prompt_text": "怎么还有没射的啊，是我不够努力吗",
+   "server_prompt_wav": "/opt/voice-agent/web/../cosyvoice/voice_samples/jiaojiao.wav",
+   "sha256": "6db2b2de2d59e22bb0badbb1a6325d68885eda409ad63f5941e5ccad6486fc9f",
+   "bytes": 301484,
+   "seconds": 4.7,
+   "sample_rate": 32000,
+   "channels": 1
+  },
+  {
+   "id": "bailu",
+   "file": "voice_samples/bailu.wav",
+   "prompt_text": "烈火军校啊，招摇啊这种类型，我都是那种比较……呃……豪爽，比较开朗的那种类型，阳光大女孩儿，那种感觉",
+   "server_prompt_wav": "/opt/voice-agent/web/../cosyvoice/voice_samples/bailu.wav",
+   "sha256": "3fbc0aff09118a9bc10bae87a837e6a3de6a30268c6ee01c727b56c49aecd26d",
+   "bytes": 1769550,
+   "seconds": 10.0,
+   "sample_rate": 44100,
+   "channels": 2
+  }
+ ]
+}
@@ -0,0 +1,60 @@
+# HEL-879 · 统一候选一次复审收口（总工，2026-10-27）
+
+> 范围：按总管 2026-10-27 交接，把 HEL-898 三项返修的隔离保全候选
+> （`origin/hel-898-preserved` @ `18aef2a`：9254c17 = 作者 12 文件逐字节保全，
+> 父 b0dcb17；18aef2a = 仅记录/证据）**正常快进纳入** `hel-879-assembly`，
+> 对这三项做最后一次复审收口。不开新审核串、不重审已过后台/预算/备份/receipt
+> 时机内核、不替原作者改视觉。零真实调用、零下载/安装/部署/合并，真实 cap 仍 0。
+
+## 一、整合事实
+
+- 快进前远端：`hel-879-assembly` @ `b0dcb17`（11fd0e2/9756db3/b0dcb17 材料成果
+  全保留，未退回 f92a86f）。快进后 head **`18aef2a`**，无冲突、无强推；
+  PR#11 与 `hel-870-assembly`（c121c42）未动。
+- 9254c17 恰为 12 文件（`web/src` 6 + `web/tests` 5 + `handoff-HEL-898.json`），
+  与总管 preservation-review.md 记录的作者交付逐字节保全一致；18aef2a 仅新增
+  `docs/rework/hel898/f92a86f-rework/` 记录与证据（31 文件）。
+- **b0dcb17→18aef2a 对 `src/`、`tests/`、`tools/`、`deploy/` 零 diff**
+  （实跑 `git diff --stat` 为空）——后端/协议/预算/备份/receipt 时机零改动成立。
+
+## 二、三项返修复审（源码级 + 测试级，均通过）
+
+1. **agent 离场僵尸界面/麦克风不停**（`web/src/voice/livekit.ts` +
+   `session.ts`）：transport 按 identity 记录已见 agent（连接事件与初始
+   remoteParticipants 扫描都入 Set）；`ParticipantDisconnected` 仅当离场者是
+   该 agent 且房内再无其它 agent 时触发 `agentLeft`；控制器走**既有** `fail()`
+   路径（mic 先停 → room 关闭 → 服务器 DELETE，离线欠账照常补发）。普通参与者
+   离场、旧房间迟到事件、自己挂断、重复第二 worker 均不误触发——
+   `web/tests/hel898_agent_left.test.ts` 7 例（含 DELETE 欠账重发与 stale 负例）。
+2. **closed 64 挤出复活**（`session.ts`）：退休 speech 集合由 64 上限环形数组
+   改为**每通话 `Set<string>` 全程保留、随代次整体释放**；seq 高水位门不变，
+   未以放宽乱序保护换修复。f92a86f 审核所记 DOCUMENTED GAP 就此关闭。
+3. **播放中短回复被压到 final**（`reading.ts` + `lineStage.ts` +
+   `ChatPanel.tsx` + `voiceLine`）：语音打开的她的行改 `live: 'speaking'`，
+   末块只显示**已成句**部分（`said()` 截到句末标点+引号括号），文字 generating
+   原持有规则不变；同键行 `grow()` 原位增长（保留 DOM/已演字，非续写才整段
+   置换），签名纳入语音行文本驱动重呈现；阅读时钟对增长行只增不减时长。
+   落库接替沿用同键（turn:mi:index），不重播、不重复演字。
+
+## 三、独立检查（针对本次真实变更，均实跑）
+
+- `web` vitest **118/118**（10 文件，含 hel898_agent_left 7 例、hel879_frames
+  10 例、voice 45 例）；typecheck 0 错；lint 0 错/1 既有 fullButton ref 警告；
+  build 通过（CSS 哈希 `index-BpZaybfD.css` 与既认可视觉一致，JS 因本次修复
+  变更为 `index-C23OdPgW.js`，属预期）。
+- 需求结构检查 3/3 通过：`--base-ref origin/main`、`--base-ref b0dcb17`、
+  `--base-ref b0dcb17 --handoff docs/requirements/handoff-HEL-898.json`；
+  本轮结束后再以 origin/main ± 本卡 handoff 复跑（见提交说明）。
+- 浏览器统一回放（两主题电脑/手机、减少动态、worker 实际录制帧、8 段 WebM）
+  **不重复复跑**：总管已在 18aef2a 记录 53/53 与媒体证据
+  （manager-checks/browser.log），本轮零安装策略下不重开。
+
+## 四、结论与边界
+
+- 三项返修**离线通过**，与后台 v2 契约无冲突；统一候选当前准确 head
+  `18aef2a`（本轮复审与 D1 试听材料另追加提交，见分支历史）。
+- 仍不冒充的部分：以上全部是假 LiveKit/假媒体的离线回放与单测；真实
+  WebRTC/麦克风/ASR/TTS、三轮/1 秒打断停声停麦、可信 HTTPS+WSS 设备路径、
+  iOS/Android、API 重启真实释放**均未测**，待主卡批准后 R5 真机窗口执行。
+  完整 CG-011 会话中主动表达、完整 mem0 统一体验/R6/R7 继续承接。
+- v1.11/60 项无变更；冻结账/权威账未写；既有五实例与共享服务零接触。
@@ -122,9 +122,11 @@ GPU RTX 5090D 空闲 30520MiB（ComfyUI 仍处已授权暂停）；内存 94GB/
 - **已证**：8090 面板**没有既有音色试听播放**（只有列表/切换/克隆上传/删除），
  且切换/上传写**共享** `voices.json`/`voice_state.json`、影响通用演示——v1
  「试听入口=8090 面板」勘误删除，未经授权不用它给本用户做试听。
- **拟议试听方案（零合成、零 GPU、零下载）**：部署时把 11 段参考 wav 以只读静态
-    目录提供（随 8361 静态路径或离线打包随材料交付），白栖知听参考音频初选；
-    音色效果以参考音频为准 + 获批测试窗口内真实合成复核（计入 §6 TTS 计数）。
+- **试听已交付（2026-10-27，零合成、零 GPU、零下载）**：`HEL-879-D1-参考试听包.zip`
+  随 HEL-879 评论附件交付——自包含离线 `index.html` + 11 段参考 wav + `manifest.json`
+  （逐文件 sha256 与服务器一致；来源与边界见 `docs/rework/hel879/d1-audition/`）。
+  白栖知解压后用浏览器直接打开试听初选；音色效果以参考音频为初感 + 获批测试窗口内
+  真实合成复核（计入 §6 TTS 计数）。参考录音原文按来源原样保留，不预筛。
 - 可选：克隆（录 5–20s 中文参考）需写共享 `voices.json`（新增条目为增量，但会触
  共享 TTS 热加载）→ **需单独授权**，默认不启。
 - worker 缺省回落 `default`（代码已证）；专属 worker 用独立
@@ -184,11 +186,17 @@ TTS 分段、φ 播报、打断重合成、主动 say、闲置通话都**不等

 ## 8. 真正待白栖知拍板的项（工程项已移出，见 §10）

-1. D1 音色（§4 参考试听后选，或另行授权克隆）。
+1. D1 音色：听 `HEL-879-D1-参考试听包.zip` 后选 1 支（或另行授权克隆）。
 2. 有限真实用量与新增费用上限确认/调整（§6 各值；R5 专项嵌入 0）。
 3. 测试窗口与共享 TTS 重启授权（占 GPU ~5.6GB；ComfyUI 保持暂停到测试后与否）。
 4. 1b 完整统一体验的当前 37 项待准备依赖下载授权（目标 cp311 解析后核定实际
-   产物清单，可与 R5 专项分开批；已有成品/缓存不重复下载）。
+   产物清单，可与 R5 专项分开批；已有成品/缓存不重复下载；hatchling 已解决
+   不再申请）。
+
+> 集中请求口径（总管在主卡一次发出）：试听包 + §6 逐类上限/费用 + §5 部署与
+> 回滚 + §1b 下载授权，四项一次说清，批准后按 §5 顺序执行；R5 语音专项
+> （stub、嵌入 0）与完整统一体验分开批、分开验，ASR/TTS/建房只有操作停机
+> 无代码硬闸，均如实表述。

 ## 9. 本包不做