feat: 完成 P 群組 — 語音子系統

新增 apps/api/src/voice/：Voice Sheet（基礎音色/預設語速/音域幅度/口頭
聲響庫/禁則，依性格原型推導預設值，1:1 掛在 Character，同 EmotionState
的關聯模式）；情緒→韻律對照（六狀態語速/音高/音量/句尾走向），音高變化
依角色音域幅度縮放（三無角色近乎單音），設計原則同 O-4 表情外顯度縮放；
非語言發聲與節奏（依情緒插入聲響、重大情緒延長停頓、禁則過濾候選、
低親密度不打斷、talkative 特徵+親密度門檻才可插話）；TTSProvider 抽象
完全比照 F-1 LLMProvider（MockTTSProvider 輸出韻律標記+佔位音檔，
RealTTSProvider 待人工確認供應商後再接，TTS_PROVIDER=mock|real 切換）；
語音輸入副語言分析（EmotionService 新增 paralinguisticSignal，優先序
排在作息基線之前，讓「文字說沒事但聲音在抖」判為負向）。

修正一個真實 bug：非語言發聲的停頓時長原本直接拿目前主導情緒的數值
當強度訊號，但平靜狀態下 calm 預設就是 100，導致「什麼事都沒發生」被
誤判成「強度最強的重大情緒事件」而觸發不該有的長停頓——修正為 CALM
一律視為強度 0（平靜是情緒事件的缺席，不是訊號）。

刻意簡化：副語言特徵（語速/音量/顫抖/停頓）採結構化輸入，不做真實音訊
分析，比照 M/N 群組「先用結構化輸入代替真實訊號處理」的一貫取捨。

Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>

apps/api/src/app.module.ts

@@ -15,6 +15,7 @@ import { RomanceModule } from "./romance/romance.module.js";
 import { CanonModule } from "./canon/canon.module.js";
 import { EpilogueModule } from "./epilogue/epilogue.module.js";
 import { TachieModule } from "./tachie/tachie.module.js";
+import { VoiceModule } from "./voice/voice.module.js";
 
 @Module({
   imports: [
@@ -33,6 +34,7 @@ import { TachieModule } from "./tachie/tachie.module.js";
     CanonModule,
     EpilogueModule,
     TachieModule,
+    VoiceModule,
   ],
   controllers: [HealthController],
 })

apps/api/src/emotion/emotion.service.ts

@@ -58,6 +58,9 @@ export interface ProcessInputOptions extends TransitionContext {
   now?: Date;
   // I-5：本輪對話沒有明確情緒訊號時，套用作息驅動的基線情緒（不覆蓋文字本身觸發的訊號）。
   baselineSignal?: { tag: EmotionTag; intensity: number };
+  // P-5：語音輸入的副語言特徵（語速/音量/顫抖/停頓）分析出的訊號——文字說「沒事」但聲音在抖，
+  // 優先於作息基線（副語言是這一輪輸入本身的訊號，比時段基線更直接），但仍不覆蓋文字本身觸發的訊號。
+  paralinguisticSignal?: { tag: EmotionTag; intensity: number };
 }
 
 function toDomain(characterId: string, dims: Dimensions, updatedAt: Date): EmotionState {
@@ -108,7 +111,9 @@ export class EmotionService {
     const rawSignal = this.tagger.tag({ text, triggerThreshold });
     // 情緒觸發閾值除了縮放強度，也要能讓「難觸發」原型對弱刺激完全不觸發（而不只是觸發得比較小力）。
     let signal = rawSignal.intensity < MIN_TRIGGER_INTENSITY ? { tag: "CALM" as const, intensity: 0 } : rawSignal;
-    if (signal.tag === "CALM" && options.baselineSignal) {
+    if (signal.tag === "CALM" && options.paralinguisticSignal) {
+      signal = options.paralinguisticSignal;
+    } else if (signal.tag === "CALM" && options.baselineSignal) {
       signal = options.baselineSignal;
     }
     const next = nextEmotionState(currentDominant, signal, options);

apps/api/src/voice/constants.ts

@@ -0,0 +1,63 @@
+import type { EmotionTag } from "@kokorone/shared";
+import type { Archetype } from "../personality/archetype-params.js";
+
+export type SentenceEndContour = "RISING" | "FALLING" | "FLAT";
+
+export interface ProsodyTemplate {
+  rateDeltaPercent: number; // 語速變化百分比，正值變快
+  pitchDeltaSemitones: number; // 音高變化（半音），正值變高
+  volumeDeltaPercent: number; // 音量變化百分比，正值變大
+  contour: SentenceEndContour;
+  characteristic: string; // 描述性文字，供除錯/前端顯示
+}
+
+// P-3 情緒 → 韻律對照：情緒狀態機的輸出直接驅動韻律參數。
+export const EMOTION_PROSODY_TABLE: Record<EmotionTag, ProsodyTemplate> = {
+  CALM: { rateDeltaPercent: 0, pitchDeltaSemitones: 0, volumeDeltaPercent: 0, contour: "FLAT", characteristic: "角色預設值" },
+  JOY: { rateDeltaPercent: 15, pitchDeltaSemitones: 1.5, volumeDeltaPercent: 10, contour: "RISING", characteristic: "句尾上揚、偶爾帶笑聲" },
+  SAD: { rateDeltaPercent: -20, pitchDeltaSemitones: -1.5, volumeDeltaPercent: -15, contour: "FALLING", characteristic: "句間停頓變長、句尾下沉" },
+  ALERT: { rateDeltaPercent: 5, pitchDeltaSemitones: 0, volumeDeltaPercent: 0, contour: "FLAT", characteristic: "語調變平、字句變短" },
+  SHY: { rateDeltaPercent: -5, pitchDeltaSemitones: 2, volumeDeltaPercent: -10, contour: "FLAT", characteristic: "結巴、語尾變小聲，忽快忽慢" },
+  GRUMPY: { rateDeltaPercent: 10, pitchDeltaSemitones: 1, volumeDeltaPercent: -5, contour: "FALLING", characteristic: "「哼」開頭，先大後小" },
+};
+
+// P-1 Voice Sheet 預設值：依性格原型推導基準語速與音域幅度（同 G-5「原型 → 種子預設」的作法）。
+export const DEFAULT_VOICE_SHEET_BY_ARCHETYPE: Record<Archetype, { baseTimbre: string; baseRate: number; pitchRangeSemitones: number }> = {
+  傲嬌: { baseTimbre: "清亮少女音", baseRate: 1.05, pitchRangeSemitones: 5 },
+  冷淡: { baseTimbre: "低沉平穩音", baseRate: 0.85, pitchRangeSemitones: 1.5 },
+  天然呆: { baseTimbre: "軟糯蘿莉音", baseRate: 0.95, pitchRangeSemitones: 4 },
+  元氣: { baseTimbre: "清亮少女音", baseRate: 1.2, pitchRangeSemitones: 6 },
+  大小姐: { baseTimbre: "低沉御姐音", baseRate: 0.95, pitchRangeSemitones: 3.5 },
+  三無: { baseTimbre: "軟糯蘿莉音", baseRate: 0.8, pitchRangeSemitones: 0.5 },
+};
+const DEFAULT_VOICE_SHEET_FALLBACK = { baseTimbre: "清亮少女音", baseRate: 1.0, pitchRangeSemitones: 3 };
+export function defaultVoiceSheetFor(archetype: string) {
+  return DEFAULT_VOICE_SHEET_BY_ARCHETYPE[archetype as Archetype] ?? DEFAULT_VOICE_SHEET_FALLBACK;
+}
+
+// P-2 非語言發聲庫：依情緒狀態的預設候選詞，角色的 Voice Sheet 口頭聲響庫可補充、禁則可過濾排除。
+export const DEFAULT_INTERJECTIONS_BY_EMOTION: Record<EmotionTag, string[]> = {
+  CALM: ["嗯"],
+  JOY: ["欸嘿嘿", "呵呵"],
+  SAD: ["唔……", "……"],
+  ALERT: ["嗯？", "欸？！"],
+  SHY: ["那個……就是……", "唔……"],
+  GRUMPY: ["哼！", "哼……"],
+};
+
+// P-2 停頓：情緒強度達門檻（沿用 C-4 高情緒事件的判斷門檻）且屬於重大話題時，回答前故意停頓 1~2 秒。
+export const SIGNIFICANT_PAUSE_THRESHOLD = 0.6;
+export const SIGNIFICANT_PAUSE_SECONDS = [1, 2];
+export const DEFAULT_PAUSE_SECONDS = 0.2;
+
+// P-2 打斷與搶話：需要「talkative」特徵（見 archetype-params.ts）且親密度達朋友分層以上才可能插話。
+export const INTERRUPT_MIN_INTIMACY = 40;
+
+// P-2 親密度影響音量與氣音比例：對陌生人聲音端正清晰，對摯友放鬆、氣音比例上升。
+export function intimacyVoiceModifiers(intimacy: number): { volumeMultiplier: number; breathinessRatio: number } {
+  const clamped = Math.max(0, Math.min(100, intimacy));
+  return {
+    volumeMultiplier: 1 - (clamped / 100) * 0.15, // 端正清晰(1.0) → 放鬆慵懶(0.85)
+    breathinessRatio: clamped / 100,
+  };
+}

apps/api/src/voice/mock-tts-provider.service.ts

@@ -0,0 +1,32 @@
+import { Injectable } from "@nestjs/common";
+import type { TTSProvider, TTSSynthesisInput, SynthesizedAudio } from "./tts-provider.js";
+import { hashToSeed } from "../llm/seeded-random.js";
+
+const CHARS_PER_SECOND_AT_NORMAL_RATE = 6; // Mock 階段的粗略估算，不代表真實語速
+
+// P-4 MockTTSProvider：輸出韻律標記與佔位音檔參照，不呼叫任何真實語音服務——
+// 讓語音管線的其他機制（韻律解析、非語言發聲、副語言分析）都能在沒有真實 TTS 供應商的情況下完整測試。
+@Injectable()
+export class MockTTSProvider implements TTSProvider {
+  async synthesize(input: TTSSynthesisInput): Promise<SynthesizedAudio> {
+    const seed = input.seed ?? hashToSeed(input.text);
+    const { prosody, nonverbalCue, voiceSheet } = input;
+
+    const spokenText = nonverbalCue.interjection ? `${nonverbalCue.interjection} ${input.text}` : input.text;
+    const durationEstimateMs =
+      nonverbalCue.pauseSeconds * 1000 + (spokenText.length / CHARS_PER_SECOND_AT_NORMAL_RATE / prosody.rateMultiplier) * 1000;
+
+    const prosodyMarkup =
+      `<voice timbre="${voiceSheet.baseTimbre}">` +
+      `<break time="${nonverbalCue.pauseSeconds.toFixed(1)}s"/>` +
+      `<prosody rate="${prosody.rateMultiplier.toFixed(2)}" pitch="${prosody.pitchShiftSemitones >= 0 ? "+" : ""}${prosody.pitchShiftSemitones.toFixed(1)}st" volume="${prosody.volumeMultiplier.toFixed(2)}" contour="${prosody.contour}">` +
+      spokenText +
+      `</prosody></voice>`;
+
+    return {
+      audioRef: `mock://tts/${seed}`,
+      prosodyMarkup,
+      durationEstimateMs: Math.round(durationEstimateMs),
+    };
+  }
+}

apps/api/src/voice/nonverbal.service.ts

@@ -0,0 +1,60 @@
+import { Injectable } from "@nestjs/common";
+import type { EmotionTag } from "@kokorone/shared";
+import { PrismaService } from "../prisma/prisma.service.js";
+import { EmotionService, dominantState } from "../emotion/emotion.service.js";
+import { RelationshipService } from "../relationship/relationship.service.js";
+import { getArchetypeParams } from "../personality/archetype-params.js";
+import { VoiceSheetService } from "./voice-sheet.service.js";
+import {
+  DEFAULT_INTERJECTIONS_BY_EMOTION,
+  SIGNIFICANT_PAUSE_THRESHOLD,
+  SIGNIFICANT_PAUSE_SECONDS,
+  DEFAULT_PAUSE_SECONDS,
+  INTERRUPT_MIN_INTIMACY,
+} from "./constants.js";
+
+export interface NonverbalCue {
+  interjection: string | null;
+  pauseSeconds: number;
+  canInterrupt: boolean;
+}
+
+function fieldFor(tag: EmotionTag): "calm" | "joy" | "sad" | "alert" | "shy" | "grumpy" {
+  return tag.toLowerCase() as "calm" | "joy" | "sad" | "alert" | "shy" | "grumpy";
+}
+
+// P-2 對話節奏與非語言發聲：依情緒插入「嗯？」「唔……」等聲響與停頓，親密度與性格決定能不能插話。
+@Injectable()
+export class NonverbalService {
+  constructor(
+    private readonly prisma: PrismaService,
+    private readonly emotion: EmotionService,
+    private readonly relationship: RelationshipService,
+    private readonly voiceSheet: VoiceSheetService,
+  ) {}
+
+  async resolveCue(characterId: string, userId: string, now: Date = new Date()): Promise<NonverbalCue> {
+    const character = await this.prisma.client.character.findUniqueOrThrow({ where: { id: characterId } });
+    const sheet = await this.voiceSheet.getOrSeedDefault(characterId);
+    const emotionState = await this.emotion.getState(characterId, now);
+    const emotionTag = dominantState(emotionState);
+    // 平靜本身不是「重大情緒事件」——calm 的數值代表「沒有明顯情緒」，不能當成訊號強度，
+    // 否則平靜時 calm=100 會被誤判成最強訊號，反而觸發本該只留給強烈情緒的長停頓。
+    const intensity = emotionTag === "CALM" ? 0 : (emotionState[fieldFor(emotionTag)] as number) / 100;
+
+    const candidates = [...DEFAULT_INTERJECTIONS_BY_EMOTION[emotionTag], ...sheet.verbalTics];
+    const allowed = candidates.filter((phrase) => !sheet.forbiddenSounds.includes(phrase));
+    const interjection = allowed.length > 0 ? allowed[0] : null;
+
+    const pauseSeconds =
+      intensity >= SIGNIFICANT_PAUSE_THRESHOLD
+        ? SIGNIFICANT_PAUSE_SECONDS[0] + (SIGNIFICANT_PAUSE_SECONDS[1] - SIGNIFICANT_PAUSE_SECONDS[0]) * intensity
+        : DEFAULT_PAUSE_SECONDS;
+
+    const { relationship } = await this.relationship.getState(characterId, userId, now);
+    const archetypeParams = getArchetypeParams(character.personalityArchetype);
+    const canInterrupt = archetypeParams.traits.includes("talkative") && relationship.intimacy >= INTERRUPT_MIN_INTIMACY;
+
+    return { interjection, pauseSeconds, canInterrupt };
+  }
+}

apps/api/src/voice/paralinguistic.service.ts

@@ -0,0 +1,31 @@
+import { Injectable } from "@nestjs/common";
+import type { EmotionTag } from "@kokorone/shared";
+
+export interface ParalinguisticFeatures {
+  rate: number; // 相對語速，1.0 為正常，<1 變慢、>1 變快
+  volume: number; // 0~1，音量大小
+  tremor: number; // 0~1，聲音顫抖程度
+  pauseCount: number; // 這段話裡的停頓次數
+}
+
+function clamp01(value: number): number {
+  return Math.max(0, Math.min(1, value));
+}
+
+// P-5 副語言分析：STT 轉出文字之外，語速/音量/顫抖/停頓等特徵也送入情緒標記器——
+// 「文字說沒事但聲音在抖」應被偵測為負向情緒，即使文字本身沒有任何負向關鍵字。
+@Injectable()
+export class ParalinguisticService {
+  deriveSignal(features: ParalinguisticFeatures): { tag: EmotionTag; intensity: number } | null {
+    const slowAndQuiet = features.rate <= 0.75 && features.volume <= 0.45;
+    if (features.tremor >= 0.4 || slowAndQuiet) {
+      const intensity = clamp01(features.tremor * 0.6 + (1 - features.rate) * 0.25 + (1 - features.volume) * 0.25);
+      return { tag: "SAD", intensity: Math.max(intensity, 0.3) };
+    }
+    if (features.rate >= 1.3 && features.volume >= 0.7 && features.tremor < 0.2) {
+      const intensity = clamp01((features.rate - 1) * 0.6 + features.volume * 0.3);
+      return { tag: "JOY", intensity: Math.max(intensity, 0.3) };
+    }
+    return null; // 沒有明顯的副語言訊號，交給文字本身的情緒標記結果決定。
+  }
+}

apps/api/src/voice/prosody.service.ts

@@ -0,0 +1,54 @@
+import { Injectable } from "@nestjs/common";
+import { EmotionService, dominantState } from "../emotion/emotion.service.js";
+import { RelationshipService } from "../relationship/relationship.service.js";
+import { VoiceSheetService } from "./voice-sheet.service.js";
+import { EMOTION_PROSODY_TABLE, intimacyVoiceModifiers, type SentenceEndContour } from "./constants.js";
+import type { EmotionTag } from "@kokorone/shared";
+
+const REFERENCE_PITCH_RANGE = 4; // 對應 constants.ts 的通用預設音域幅度，作為縮放基準
+
+export interface ResolvedProsody {
+  emotionTag: EmotionTag;
+  rateMultiplier: number; // 相對 1.0 的語速倍率（已套入角色基準語速）
+  pitchShiftSemitones: number; // 已依角色音域幅度縮放的音高變化
+  volumeMultiplier: number; // 已套入親密度調整的音量倍率
+  breathinessRatio: number; // 氣音比例（親密度越高越高）
+  contour: SentenceEndContour;
+  characteristic: string;
+}
+
+// P-3 語音標記層：情緒狀態機輸出直接驅動韻律參數，與韻律驅動同源（跟 O 群組表情解析同一批輸入）。
+@Injectable()
+export class ProsodyService {
+  constructor(
+    private readonly emotion: EmotionService,
+    private readonly relationship: RelationshipService,
+    private readonly voiceSheet: VoiceSheetService,
+  ) {}
+
+  async resolveProsody(characterId: string, userId: string, now: Date = new Date()): Promise<ResolvedProsody> {
+    const emotionState = await this.emotion.getState(characterId, now);
+    const emotionTag = dominantState(emotionState);
+    const template = EMOTION_PROSODY_TABLE[emotionTag];
+
+    const sheet = await this.voiceSheet.getOrSeedDefault(characterId);
+    const { relationship } = await this.relationship.getState(characterId, userId, now);
+    const { volumeMultiplier: intimacyVolume, breathinessRatio } = intimacyVoiceModifiers(relationship.intimacy);
+
+    const rateMultiplier = sheet.baseRate * (1 + template.rateDeltaPercent / 100);
+    // 音域幅度縮放：跟 O-4 表情外顯度縮放同一個設計原則——角色的音域幅度越窄（三無），
+    // 同一個情緒帶來的音高變化就越不明顯（近乎單音）。
+    const pitchShiftSemitones = template.pitchDeltaSemitones * (sheet.pitchRangeSemitones / REFERENCE_PITCH_RANGE);
+    const volumeMultiplier = intimacyVolume * (1 + template.volumeDeltaPercent / 100);
+
+    return {
+      emotionTag,
+      rateMultiplier,
+      pitchShiftSemitones,
+      volumeMultiplier,
+      breathinessRatio,
+      contour: template.contour,
+      characteristic: template.characteristic,
+    };
+  }
+}

apps/api/src/voice/real-tts-provider.service.ts

@@ -0,0 +1,11 @@
+import { Injectable } from "@nestjs/common";
+import type { TTSProvider, TTSSynthesisInput, SynthesizedAudio } from "./tts-provider.js";
+
+// P-4 真實 TTS 供應商：待人工確認要接哪一家服務（技術選型文件尚未拍板），先留下同介面的空殼，
+// 呼叫到才報錯，不在啟動時就讓整個服務炸掉——跟 F 群組 ClaudeProvider 的處理方式一致。
+@Injectable()
+export class RealTTSProvider implements TTSProvider {
+  async synthesize(_input: TTSSynthesisInput): Promise<SynthesizedAudio> {
+    throw new Error("RealTTSProvider 尚未實作：真實語音供應商待人工確認後再接（見技術選型「TTS 服務」）");
+  }
+}

apps/api/src/voice/tts-provider.ts

@@ -0,0 +1,24 @@
+import type { ResolvedProsody } from "./prosody.service.js";
+import type { NonverbalCue } from "./nonverbal.service.js";
+import type { VoiceSheetView } from "./voice-sheet.service.js";
+
+export interface TTSSynthesisInput {
+  text: string;
+  voiceSheet: VoiceSheetView;
+  prosody: ResolvedProsody;
+  nonverbalCue: NonverbalCue;
+  seed?: number;
+}
+
+export interface SynthesizedAudio {
+  audioRef: string; // 音檔參照（Mock 階段是佔位字串，不是真的音檔）
+  prosodyMarkup: string; // 類 SSML 的除錯用韻律標記字串
+  durationEstimateMs: number;
+}
+
+// P-4 TTSProvider 抽象：比照 F-1 LLMProvider 的介面設計，切換 Provider 不動呼叫端任何一行。
+export interface TTSProvider {
+  synthesize(input: TTSSynthesisInput): Promise<SynthesizedAudio>;
+}
+
+export const TTS_PROVIDER = Symbol("TTS_PROVIDER");

apps/api/src/voice/voice-sheet.service.ts

@@ -0,0 +1,77 @@
+import { Injectable } from "@nestjs/common";
+import { PrismaService } from "../prisma/prisma.service.js";
+import { defaultVoiceSheetFor } from "./constants.js";
+
+export interface VoiceSheetView {
+  characterId: string;
+  baseTimbre: string;
+  baseRate: number;
+  pitchRangeSemitones: number;
+  verbalTics: string[];
+  forbiddenSounds: string[];
+}
+
+function toView(row: {
+  characterId: string;
+  baseTimbre: string;
+  baseRate: number;
+  pitchRangeSemitones: number;
+  verbalTicsJson: string;
+  forbiddenSoundsJson: string;
+}): VoiceSheetView {
+  return {
+    characterId: row.characterId,
+    baseTimbre: row.baseTimbre,
+    baseRate: row.baseRate,
+    pitchRangeSemitones: row.pitchRangeSemitones,
+    verbalTics: JSON.parse(row.verbalTicsJson),
+    forbiddenSounds: JSON.parse(row.forbiddenSoundsJson),
+  };
+}
+
+// P-1 角色音色設定：定義基礎音色、預設語速、音域幅度、口頭聲響庫與禁則，掛在 Character 上。
+@Injectable()
+export class VoiceSheetService {
+  constructor(private readonly prisma: PrismaService) {}
+
+  // 依性格原型推導預設值後寫入（同 G-5「原型 → 種子預設」的作法），可重複執行（upsert）。
+  async seedDefault(
+    characterId: string,
+    overrides: { verbalTics?: string[]; forbiddenSounds?: string[] } = {},
+  ): Promise<VoiceSheetView> {
+    const character = await this.prisma.client.character.findUniqueOrThrow({ where: { id: characterId } });
+    const defaults = defaultVoiceSheetFor(character.personalityArchetype);
+    const row = await this.prisma.client.voiceSheet.upsert({
+      where: { characterId },
+      update: {
+        baseTimbre: defaults.baseTimbre,
+        baseRate: defaults.baseRate,
+        pitchRangeSemitones: defaults.pitchRangeSemitones,
+        verbalTicsJson: JSON.stringify(overrides.verbalTics ?? []),
+        forbiddenSoundsJson: JSON.stringify(overrides.forbiddenSounds ?? []),
+      },
+      create: {
+        characterId,
+        baseTimbre: defaults.baseTimbre,
+        baseRate: defaults.baseRate,
+        pitchRangeSemitones: defaults.pitchRangeSemitones,
+        verbalTicsJson: JSON.stringify(overrides.verbalTics ?? []),
+        forbiddenSoundsJson: JSON.stringify(overrides.forbiddenSounds ?? []),
+      },
+    });
+    return toView(row);
+  }
+
+  async get(characterId: string): Promise<VoiceSheetView | null> {
+    const row = await this.prisma.client.voiceSheet.findUnique({ where: { characterId } });
+    return row ? toView(row) : null;
+  }
+
+  async getOrSeedDefault(characterId: string): Promise<VoiceSheetView> {
+    const existing = await this.get(characterId);
+    if (existing) {
+      return existing;
+    }
+    return this.seedDefault(characterId);
+  }
+}

apps/api/src/voice/voice.controller.ts

@@ -0,0 +1,95 @@
+import { Body, Controller, Get, Inject, Param, Post, Query } from "@nestjs/common";
+import { VoiceSheetService } from "./voice-sheet.service.js";
+import { ProsodyService } from "./prosody.service.js";
+import { NonverbalService } from "./nonverbal.service.js";
+import { ParalinguisticService, type ParalinguisticFeatures } from "./paralinguistic.service.js";
+import { TTS_PROVIDER, type TTSProvider } from "./tts-provider.js";
+import { EmotionService } from "../emotion/emotion.service.js";
+
+interface SeedVoiceSheetBody {
+  verbalTics?: string[];
+  forbiddenSounds?: string[];
+}
+
+interface SynthesizeBody {
+  text: string;
+  now?: string;
+  seed?: number;
+}
+
+interface AnalyzeInputBody {
+  userId: string;
+  text: string;
+  paralinguistic: ParalinguisticFeatures;
+  now?: string;
+}
+
+@Controller("voice")
+export class VoiceController {
+  constructor(
+    private readonly voiceSheet: VoiceSheetService,
+    private readonly prosody: ProsodyService,
+    private readonly nonverbal: NonverbalService,
+    private readonly paralinguistic: ParalinguisticService,
+    private readonly emotion: EmotionService,
+    @Inject(TTS_PROVIDER) private readonly ttsProvider: TTSProvider,
+  ) {}
+
+  @Post(":characterId/voice-sheet/seed-default")
+  async seedVoiceSheet(@Param("characterId") characterId: string, @Body() body: SeedVoiceSheetBody) {
+    return this.voiceSheet.seedDefault(characterId, body);
+  }
+
+  @Get(":characterId/voice-sheet")
+  async getVoiceSheet(@Param("characterId") characterId: string) {
+    return this.voiceSheet.get(characterId);
+  }
+
+  @Get(":characterId/:userId/prosody")
+  async getProsody(
+    @Param("characterId") characterId: string,
+    @Param("userId") userId: string,
+    @Query("now") now?: string,
+  ) {
+    return this.prosody.resolveProsody(characterId, userId, now ? new Date(now) : undefined);
+  }
+
+  @Get(":characterId/:userId/nonverbal-cue")
+  async getNonverbalCue(
+    @Param("characterId") characterId: string,
+    @Param("userId") userId: string,
+    @Query("now") now?: string,
+  ) {
+    return this.nonverbal.resolveCue(characterId, userId, now ? new Date(now) : undefined);
+  }
+
+  @Post(":characterId/:userId/synthesize")
+  async synthesize(
+    @Param("characterId") characterId: string,
+    @Param("userId") userId: string,
+    @Body() body: SynthesizeBody,
+  ) {
+    const now = body.now ? new Date(body.now) : undefined;
+    const [voiceSheet, resolvedProsody, nonverbalCue] = await Promise.all([
+      this.voiceSheet.getOrSeedDefault(characterId),
+      this.prosody.resolveProsody(characterId, userId, now),
+      this.nonverbal.resolveCue(characterId, userId, now),
+    ]);
+    return this.ttsProvider.synthesize({
+      text: body.text,
+      voiceSheet,
+      prosody: resolvedProsody,
+      nonverbalCue,
+      seed: body.seed,
+    });
+  }
+
+  // P-5 驗收用端點：同一段文字配不同副語言特徵，應該得到不同的情緒標記結果。
+  @Post(":characterId/analyze-input")
+  async analyzeInput(@Param("characterId") characterId: string, @Body() body: AnalyzeInputBody) {
+    const now = body.now ? new Date(body.now) : new Date();
+    const paralinguisticSignal = this.paralinguistic.deriveSignal(body.paralinguistic) ?? undefined;
+    const result = await this.emotion.processInput(characterId, body.text, { now, paralinguisticSignal });
+    return { ...result, paralinguisticSignal: paralinguisticSignal ?? null };
+  }
+}

apps/api/src/voice/voice.module.ts

@@ -0,0 +1,39 @@
+import { Module } from "@nestjs/common";
+import { log } from "@kokorone/shared";
+import { PrismaModule } from "../prisma/prisma.module.js";
+import { EmotionModule } from "../emotion/emotion.module.js";
+import { RelationshipModule } from "../relationship/relationship.module.js";
+import { VoiceSheetService } from "./voice-sheet.service.js";
+import { ProsodyService } from "./prosody.service.js";
+import { NonverbalService } from "./nonverbal.service.js";
+import { ParalinguisticService } from "./paralinguistic.service.js";
+import { MockTTSProvider } from "./mock-tts-provider.service.js";
+import { RealTTSProvider } from "./real-tts-provider.service.js";
+import { TTS_PROVIDER } from "./tts-provider.js";
+import { VoiceController } from "./voice.controller.js";
+
+// P-4 Provider 切換：TTS_PROVIDER=mock|real 決定注入哪個實作，比照 F-2 LLM_PROVIDER 的作法。
+function ttsProviderFactory(mock: MockTTSProvider, real: RealTTSProvider) {
+  const providerName = process.env.TTS_PROVIDER ?? "mock";
+  if (providerName === "real") {
+    log("啟動", "ERR", "TTS_PROVIDER=real 但 RealTTSProvider 尚未實作，語音合成呼叫時會拋出例外");
+    return real;
+  }
+  return mock;
+}
+
+@Module({
+  imports: [PrismaModule, EmotionModule, RelationshipModule],
+  controllers: [VoiceController],
+  providers: [
+    VoiceSheetService,
+    ProsodyService,
+    NonverbalService,
+    ParalinguisticService,
+    MockTTSProvider,
+    RealTTSProvider,
+    { provide: TTS_PROVIDER, useFactory: ttsProviderFactory, inject: [MockTTSProvider, RealTTSProvider] },
+  ],
+  exports: [VoiceSheetService, ProsodyService, NonverbalService, ParalinguisticService, TTS_PROVIDER],
+})
+export class VoiceModule {}

prisma/migrations/20260813095700_add_voice_sheet/migration.sql

@@ -0,0 +1,16 @@
+-- CreateTable
+CREATE TABLE "voice_sheets" (
+    "id" TEXT NOT NULL PRIMARY KEY,
+    "characterId" TEXT NOT NULL,
+    "baseTimbre" TEXT NOT NULL,
+    "baseRate" REAL NOT NULL DEFAULT 1.0,
+    "pitchRangeSemitones" REAL NOT NULL DEFAULT 4,
+    "verbalTicsJson" TEXT NOT NULL DEFAULT '[]',
+    "forbiddenSoundsJson" TEXT NOT NULL DEFAULT '[]',
+    "createdAt" DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP,
+    "updatedAt" DATETIME NOT NULL,
+    CONSTRAINT "voice_sheets_characterId_fkey" FOREIGN KEY ("characterId") REFERENCES "characters" ("id") ON DELETE CASCADE ON UPDATE CASCADE
+);
+
+-- CreateIndex
+CREATE UNIQUE INDEX "voice_sheets_characterId_key" ON "voice_sheets"("characterId");

prisma/schema.prisma

@@ -193,10 +193,27 @@ model Character {
   relationshipEventLogsFrom CharacterRelationshipEventLog[] @relation("EventLogFrom")
   relationshipEventLogsTo   CharacterRelationshipEventLog[] @relation("EventLogTo")
   epilogueMilestoneLogs     EpilogueMilestoneLog[]
+  voiceSheet                VoiceSheet?
 
   @@map("characters")
 }
 
+// P-1 角色音色設定：語音子系統的角色專屬設定，同 EmotionState 走 1:1 關聯。
+model VoiceSheet {
+  id                  String   @id @default(cuid())
+  characterId         String   @unique
+  character           Character @relation(fields: [characterId], references: [id], onDelete: Cascade)
+  baseTimbre          String // 基礎音色描述，例如「清亮少女音」「低沉御姐音」「軟糯蘿莉音」
+  baseRate            Float    @default(1.0) // 預設語速倍率：性格決定的基準（元氣快、冷淡慢）
+  pitchRangeSemitones Float    @default(4) // 音域幅度（半音數）：語調起伏大小，元氣大、三無近乎單音
+  verbalTicsJson      String   @default("[]") // 口頭聲響庫（JSON 字串陣列）：SQLite 不支援原生字串陣列欄位
+  forbiddenSoundsJson String   @default("[]") // 禁則（JSON 字串陣列）：此角色不會有的聲音表現
+  createdAt           DateTime @default(now())
+  updatedAt           DateTime @updatedAt
+
+  @@map("voice_sheets")
+}
+
 // L-6 角色年齡判定的原始證據登錄；由 AgeDeterminationService 依證據優先序算出年齡狀態，不直接存最終結論
 // ——結論永遠是「依目前登錄的證據重新算出來」，避免證據更新後忘記同步結論欄位。
 model CharacterAgeEvidence {

scripts/smoke/P.mjs

@@ -0,0 +1,160 @@
+import { prisma } from "@kokorone/db";
+
+const API_PORT = process.env.PORT_API ?? "3001";
+const USER_ID = "seed-user-primary";
+const GENKI_ID = "smoke-p-genki"; // 元氣：talkative、音域幅度大
+const COOL_ID = "smoke-p-cool"; // 三無：非 talkative、音域幅度極小
+
+async function post(path, body) {
+  const res = await fetch(`http://localhost:${API_PORT}${path}`, {
+    method: "POST",
+    headers: { "Content-Type": "application/json" },
+    body: JSON.stringify(body ?? {}),
+  });
+  if (!res.ok) {
+    throw new Error(`POST ${path} 回傳 ${res.status}：${await res.text()}`);
+  }
+  return res.json();
+}
+
+async function get(path) {
+  const res = await fetch(`http://localhost:${API_PORT}${path}`);
+  if (!res.ok) {
+    throw new Error(`GET ${path} 回傳 ${res.status}`);
+  }
+  return res.json();
+}
+
+async function createCharacter(id, archetype, intimacy) {
+  await post("/personality/characters", {
+    id,
+    source: "ORIGINAL",
+    buildStatus: "BUILT",
+    formalName: id,
+    basicInfo: "測試角色",
+    backgroundStory: "測試",
+    personalityArchetype: archetype,
+    likesDislikes: "測試",
+    goalsObsessions: "測試",
+    speechStyle: "第一人稱「我」",
+    initialRelationship: { userId: USER_ID, intimacy, trust: intimacy },
+  });
+}
+
+async function setEmotion(characterId, tag, value) {
+  const dims = { calm: 0, joy: 0, sad: 0, alert: 0, shy: 0, grumpy: 0 };
+  dims[tag.toLowerCase()] = value;
+  await prisma.emotionState.update({ where: { characterId }, data: dims });
+}
+
+export default async function smokeP() {
+  await prisma.character.deleteMany({ where: { id: { in: [GENKI_ID, COOL_ID] } } });
+  await createCharacter(GENKI_ID, "元氣", 10);
+  await createCharacter(COOL_ID, "三無", 10);
+
+  // P-1 Voice Sheet：可為種子角色寫入完整 Voice Sheet，且預設值依性格原型推導。
+  const genkiSheet = await post(`/voice/${GENKI_ID}/voice-sheet/seed-default`, { verbalTics: ["嘿嘿"], forbiddenSounds: ["欸嘿嘿"] });
+  const coolSheet = await post(`/voice/${COOL_ID}/voice-sheet/seed-default`, {});
+  if (!genkiSheet.baseTimbre || !genkiSheet.baseRate || genkiSheet.pitchRangeSemitones <= 0) {
+    throw new Error("Voice Sheet 應該包含基礎音色、預設語速、音域幅度");
+  }
+  if (!(genkiSheet.baseRate > coolSheet.baseRate) || !(genkiSheet.pitchRangeSemitones > coolSheet.pitchRangeSemitones)) {
+    throw new Error("元氣角色的預設語速與音域幅度應該大於三無角色（性格決定基準）");
+  }
+
+  // P-3 情緒 → 韻律對照：六種情緒狀態應該產生不同的韻律組合。
+  const emotionTags = ["CALM", "JOY", "SAD", "ALERT", "SHY", "GRUMPY"];
+  const prosodySignatures = new Set();
+  for (const tag of emotionTags) {
+    await setEmotion(GENKI_ID, tag, 80);
+    const prosody = await get(`/voice/${GENKI_ID}/${USER_ID}/prosody`);
+    if (prosody.emotionTag !== tag) {
+      throw new Error(`情緒設為 ${tag} 時，韻律解析應該反映相同的情緒`);
+    }
+    prosodySignatures.add(`${prosody.rateMultiplier.toFixed(3)}/${prosody.pitchShiftSemitones.toFixed(3)}/${prosody.contour}`);
+  }
+  if (prosodySignatures.size !== emotionTags.length) {
+    throw new Error("六種情緒狀態應該產生彼此不同的韻律標記組合");
+  }
+
+  // P-4 韻律 × 外顯度縮放：同一句話在不同角色身上，音域幅度小的角色音高變化幅度應該遠小於音域幅度大的角色。
+  await setEmotion(GENKI_ID, "JOY", 90);
+  await setEmotion(COOL_ID, "JOY", 90);
+  const genkiProsody = await get(`/voice/${GENKI_ID}/${USER_ID}/prosody`);
+  const coolProsody = await get(`/voice/${COOL_ID}/${USER_ID}/prosody`);
+  if (!(Math.abs(genkiProsody.pitchShiftSemitones) > Math.abs(coolProsody.pitchShiftSemitones) * 5)) {
+    throw new Error("三無角色（音域幅度窄）的音高變化應該遠小於元氣角色——近乎單音");
+  }
+
+  // P-4 TTS Provider 抽象：Mock 供應商應該輸出韻律標記與佔位音檔參照。
+  const synthesized = await post(`/voice/${GENKI_ID}/${USER_ID}/synthesize`, { text: "謝謝你！" });
+  if (!synthesized.audioRef?.startsWith("mock://") || !synthesized.prosodyMarkup || synthesized.durationEstimateMs <= 0) {
+    throw new Error("MockTTSProvider 應該輸出佔位音檔參照、韻律標記字串與時長估算");
+  }
+
+  // P-2 非語言發聲與節奏：不同情緒下插入的聲響與停頓應該不同；重大情緒（高強度）停頓應明顯變長。
+  await setEmotion(GENKI_ID, "CALM", 100);
+  const calmCue = await get(`/voice/${GENKI_ID}/${USER_ID}/nonverbal-cue`);
+  await setEmotion(GENKI_ID, "SAD", 90);
+  const sadCue = await get(`/voice/${GENKI_ID}/${USER_ID}/nonverbal-cue`);
+  if (calmCue.interjection === sadCue.interjection) {
+    throw new Error("不同情緒狀態插入的非語言發聲應該不同");
+  }
+  if (!(sadCue.pauseSeconds > calmCue.pauseSeconds + 1)) {
+    throw new Error("高強度的重大情緒，回答前的停頓應該明顯變長（1~2 秒等級）");
+  }
+
+  // P-1 禁則：標記為禁則的口頭聲響不應該出現在候選結果中。
+  await setEmotion(GENKI_ID, "JOY", 90);
+  const cueWithForbidden = await get(`/voice/${GENKI_ID}/${USER_ID}/nonverbal-cue`);
+  if (cueWithForbidden.interjection === "欸嘿嘿") {
+    throw new Error("已標記為禁則的口頭聲響不應該被選中");
+  }
+
+  // P-2 打斷與搶話：低親密度時絕不打斷；需要 talkative 特徵＋親密度達門檻才可能插話。
+  const lowIntimacyCue = await get(`/voice/${GENKI_ID}/${USER_ID}/nonverbal-cue`);
+  if (lowIntimacyCue.canInterrupt) {
+    throw new Error("低親密度時不應該允許打斷使用者");
+  }
+  await prisma.relationship.update({
+    where: { characterId_userId: { characterId: GENKI_ID, userId: USER_ID } },
+    data: { intimacy: 60 },
+  });
+  const highIntimacyCue = await get(`/voice/${GENKI_ID}/${USER_ID}/nonverbal-cue`);
+  if (!highIntimacyCue.canInterrupt) {
+    throw new Error("高親密度＋talkative 特徵（元氣）時應該允許打斷");
+  }
+  await prisma.relationship.update({
+    where: { characterId_userId: { characterId: COOL_ID, userId: USER_ID } },
+    data: { intimacy: 60 },
+  });
+  const coolHighIntimacyCue = await get(`/voice/${COOL_ID}/${USER_ID}/nonverbal-cue`);
+  if (coolHighIntimacyCue.canInterrupt) {
+    throw new Error("三無角色沒有 talkative 特徵，即使高親密度也不應該允許打斷");
+  }
+
+  // P-5 語音輸入與副語言分析：同一段文字配不同副語言特徵，應該得到不同的情緒標記——
+  // 「文字說沒事但聲音在抖」要判為負向，即使文字本身沒有任何負向關鍵字。
+  await setEmotion(GENKI_ID, "CALM", 100);
+  const trembling = await post(`/voice/${GENKI_ID}/analyze-input`, {
+    userId: USER_ID,
+    text: "我沒事，真的沒事。",
+    paralinguistic: { rate: 0.6, volume: 0.3, tremor: 0.7, pauseCount: 3 },
+  });
+  if (trembling.state.sad <= trembling.state.calm) {
+    throw new Error("文字沒有負向關鍵字，但聲音顫抖時應該被判為低落情緒");
+  }
+
+  await setEmotion(GENKI_ID, "CALM", 100);
+  const steady = await post(`/voice/${GENKI_ID}/analyze-input`, {
+    userId: USER_ID,
+    text: "我沒事，真的沒事。",
+    paralinguistic: { rate: 1.0, volume: 0.6, tremor: 0.05, pauseCount: 0 },
+  });
+  if (steady.state.sad > steady.state.calm) {
+    throw new Error("同樣的文字，聲音平穩時不應該被誤判為低落情緒");
+  }
+
+  // 清理本次測試建立的角色（cascade 會一併清掉 Voice Sheet、關係、情緒狀態等）。
+  await prisma.character.deleteMany({ where: { id: { in: [GENKI_ID, COOL_ID] } } });
+}

todo.md

@@ -387,12 +387,21 @@ flowchart TB
 
 ### P. 語音子系統
 
-- [ ] **P-1 Voice Sheet（S）**：定義角色音色設定（基礎音色、預設語速、音域幅度、口頭聲響庫、禁則）並掛到 `Character`。驗收：可為種子角色寫入完整 Voice Sheet。依據：§角色音色設定（Voice Sheet）。
-- [ ] **P-2 非語言發聲與節奏（S）**：依情緒自動插入「嗯？」「唔……」嘆氣、輕笑等非語言發聲與停頓（重大話題前停 1~2 秒）；親密度影響音量與氣音比例；低親密度不打斷使用者。驗收：不同情緒下插入的聲響與停頓不同。依據：§對話節奏與非語言發聲。
-- [ ] **P-3 語音標記層（M）**：情緒狀態機輸出直接驅動韻律參數（語速、音高、音量、句尾走向），實作 wiki§情緒 → 韻律對照 的六種情緒設定。驗收：同一句話在不同情緒下產生不同韻律標記。依據：§情緒 → 韻律對照。
-- [ ] **P-4 TTS Provider 抽象（M）**：比照 `LLMProvider` 定義 `TTSProvider`，先實作 Mock（輸出韻律標記與佔位音檔），真實供應商待人工確認後再接。驗收：切換 Provider 不動呼叫端。依據：技術選型「TTS 服務：情緒韻律語音」。
-- [ ] **P-5 語音輸入與副語言分析（M）**：STT 轉文字之外，另抽取語速、音量、顫抖、停頓等副語言特徵送入情緒標記器（「文字說沒事但聲音在抖」判為負向）。驗收：同一段文字配不同副語言特徵得到不同情緒標記。依據：§語音管線架構「雙向都有語音」。
-- [ ] **P-V 階段驗證（XS）**：`npm run restart && npm run smoke -- P`（P.mjs：韻律對照、非語言發聲插入、副語言特徵影響情緒標記）。
+- [x] **P-1 Voice Sheet（S）**：定義角色音色設定（基礎音色、預設語速、音域幅度、口頭聲響庫、禁則）並掛到 `Character`。驗收：可為種子角色寫入完整 Voice Sheet。依據：§角色音色設定（Voice Sheet）。
+- [x] **P-2 非語言發聲與節奏（S）**：依情緒自動插入「嗯？」「唔……」嘆氣、輕笑等非語言發聲與停頓（重大話題前停 1~2 秒）；親密度影響音量與氣音比例；低親密度不打斷使用者。驗收：不同情緒下插入的聲響與停頓不同。依據：§對話節奏與非語言發聲。
+- [x] **P-3 語音標記層（M）**：情緒狀態機輸出直接驅動韻律參數（語速、音高、音量、句尾走向），實作 wiki§情緒 → 韻律對照 的六種情緒設定。驗收：同一句話在不同情緒下產生不同韻律標記。依據：§情緒 → 韻律對照。
+- [x] **P-4 TTS Provider 抽象（M）**：比照 `LLMProvider` 定義 `TTSProvider`，先實作 Mock（輸出韻律標記與佔位音檔），真實供應商待人工確認後再接。驗收：切換 Provider 不動呼叫端。依據：技術選型「TTS 服務：情緒韻律語音」。
+- [x] **P-5 語音輸入與副語言分析（M）**：STT 轉文字之外，另抽取語速、音量、顫抖、停頓等副語言特徵送入情緒標記器（「文字說沒事但聲音在抖」判為負向）。驗收：同一段文字配不同副語言特徵得到不同情緒標記。依據：§語音管線架構「雙向都有語音」。
+- [x] **P-V 階段驗證（XS）**：`npm run restart && npm run smoke -- P`（P.mjs：韻律對照、非語言發聲插入、副語言特徵影響情緒標記）。
+
+> **實作記錄（P 群組）**：
+> - 新模組放在 `apps/api/src/voice/`，架構完全比照 F 群組：`TTSProvider`／`TTS_PROVIDER` token／`MockTTSProvider`／`RealTTSProvider`（尚未實作、被呼叫才丟例外）／`TTS_PROVIDER=mock|real` 環境變數切換工廠函式，逐一對應 `LLMProvider`／`LLM_PROVIDER`／`MockProvider`／`ClaudeProvider`／`LLM_PROVIDER=mock|claude`。**這組抽象本身沒有新設計，純粹是同一個模式的第二次套用**，這正是 F-1 當初把 Provider 抽出介面的目的：之後任何生成式外部服務要接進來，都走同一套「先做 Mock、真的供應商待人工確認、環境變數切換」的節奏。
+> - **P-1 Voice Sheet 用獨立資料表（同 EmotionState 的 1:1 關聯），不是塞進 `Character` 本體**——口頭聲響庫／禁則是字串陣列，但 SQLite 的 Prisma connector 不支援原生字串陣列欄位，改用 JSON 字串欄位（`verbalTicsJson`／`forbiddenSoundsJson`）＋ service 層 `JSON.parse`/`JSON.stringify`，對外一律回傳／接收真正的 `string[]`，呼叫端不需要知道底層是 JSON 字串。預設值依性格原型推導（`defaultVoiceSheetFor`），跟 G-5「原型 → 種子預設」、I-1「原型 → 作息表種子」是同一個模式的第三次套用。
+> - **P-3/P-4 的韻律縮放沿用 O-4 的設計原則，但縮放的依據換成 Voice Sheet 的音域幅度而不是外顯度**：`pitchShiftSemitones = 情緒對照表的基準音高變化 × (角色音域幅度 / 4)`——三無角色音域幅度只有 0.5（對照組的通用預設是 4），同樣的情緒事件換算出來的音高變化只有基準值的 1/8，具體實現「三無角色近乎單音」。**這裡刻意不重複使用 `expressiveness`**（那是表情/情緒外顯度，跟音域幅度是概念上不同的兩個原型參數，各自獨立設定，即使數值上有意的相關性）。
+> - **P-2 停頓機制踩到一個實際的 bug**：一開始用「目前主導情緒的數值 / 100」當作停頓長度的訊號強度，但完全沒考慮到「平靜」狀態下 `calm` 欄位預設就是 100——導致角色明明什麼事都沒發生（平靜狀態），卻被誤判成「強度 1.0 的重大情緒事件」，觸發本該只留給強烈情緒的 1~2 秒長停頓。**平靜不是情緒事件，是情緒事件的缺席**，修正方式是讓 `emotionTag === "CALM"` 時強制把訊號強度視為 0，只有真正的六種「有事發生」情緒（愉悅/低落/警戒/害羞/彆扭）才會依強度觸發長停頓——這個坑跟 G-4 早期「情緒觸發閾值只縮放強度、沒縮放要不要觸發」是同一類錯誤（把「數值存在」跟「訊號有意義」搞混），值得記錄成通用提醒：**任何用「情緒維度數值」當強度訊號的地方，都要先排除 CALM 這個「預設/缺席」維度，不能直接套用同一個公式**。
+> - **P-5 副語言訊號的優先序刻意排在 I-5 作息基線之前**：`EmotionService.processInput` 現在的訊號決定順序是「文字本身觸發 → 副語言訊號（P-5）→ 作息基線（I-5）→ 維持平靜」——副語言是「這一輪輸入本身」的直接訊號，理應比「這個時段通常會怎樣」的基線更優先，但兩者都只在文字沒有觸發任何訊號（CALM）時才會生效，不會蓋掉文字本身已經觸發的訊號。**手動測試時發現一個容易踩的陷阱**：如果角色當下已經有一個很強的主導情緒（例如 JOY 90），副語言訊號算出來的 SAD 不一定能立刻蓋過去（情緒狀態機本身的轉移規則決定要不要真的切換主導情緒，跟訊號有沒有正確算出來是兩件事）——寫測試時要先把情緒重置到 CALM 基準，才能乾淨地驗證副語言訊號本身有沒有被正確送進情緒標記器，不要跟情緒狀態機的轉移阻力混在一起判斷。
+> - **P-5 沒有做真正的語速/音量/顫抖偵測**——副語言特徵目前是結構化輸入（呼叫端直接給數值），跟 M 群組「場景切分」、N 群組「互動正負權重」是同一種「先用結構化輸入代替真實訊號處理」的簡化，理由相同：真正的音訊特徵抽取需要處理實際音訊串流，超出目前系統的 Mock 階段範疇，機制（訊號合成規則、與文字訊號的優先序、餵進情緒標記器）先做對，之後接上真的語音辨識/音訊分析只需要替換這個輸入來源。
+> - **全量回歸執行到 O 群組時出現一次 `fetch failed`，重新單獨執行 O 群組立刻全綠**——跟 J 群組踩過的「重啟瞬間 keep-alive socket 失效」是類似的環境性瞬斷（這次沒有服務重啟動作，單純是連續執行 15 個群組、主機負載升高時的暫態網路錯誤），不是 P 群組程式碼引入的迴歸；已重新單獨驗證 O 群組與完整 A~P 序列（除了這次瞬斷）皆為全綠，記錄於此供之後遇到類似狀況時參考，不需要當成真的 bug 去追。
 
 ### Q. APP（React Native + Expo）