口播情绪与活人感（talk-emotion v1）
为什么情绪是口播的第二主轴：观众记住的从来不是"他讲了几点"，而是"他那句话说到我心里了"。
口播的信息靠逐字稿，情绪靠这条曲线：它决定钩子选哪句、峰值放在哪、怎么收尾。
适用场景
- 口播素材的选段：从长素材里挑出"最有劲/最真诚/最好笑"的几句做钩子与峰值；
- 口播的节奏设计：钩子（前 3 秒）→ 推进 → 峰值 → 回落 → 落点；
- 判断这条素材值不值得剪：语速平铺 + 无峰值 + 无情绪标记的素材，剪出来大概率留不住人；
- 与《口播精剪》共用保护窗口：情绪峰值句的语气词与停顿默认保留。
输出契约
产出 talk_emotion（契约 schemas/talk-emotion.schema.json，执行器 pnpm edit:talk-emotion）：
| 字段组 | 内容 | 通道 |
|---|
| 韵律画像 | 句级语速（字/秒）、相对倍率、句内能量、句内/句末停顿 | 本地声学（可复算） |
| 情绪曲线 | 句级唤起度（0–1，语速 0.45 + 能量 0.35 + 能量变化 0.2） | 本地声学 |
| 峰值 | 情绪峰值 / 金句峰值 / 笑点峰值，各带证据 | 声学 + 标注 |
| 效价与情绪词 | 效价（−1–1）与情绪词（笃定/温暖/幽默…） | 仅标注通道；没有就写空 |
| 活人感信号 | 笑声、叹气、自纠、修辞重复、语速变异、句间动态 | 标注 + 本地 |
3. 三类峰值（用途不同，不能混用）
| 类型 | 定义 | 入口 | 典型用途 |
|---|
| 情绪峰值 | 声学强度进入分位且为局部最大（"说到激动处"） | 声学 | 高潮段、封面情绪帧 |
| 金句峰值 | 含数字/结论锚点（"三个方法""关键是…"） | 文本锚点 | 钩子、知识卡片、章节 |
| 笑点峰值 | 标注通道判定的笑声/幽默 | 标注（不靠能量猜） | 前 3 秒钩子、节奏缓冲 |
硬纪律：笑声必须来自标注通道（笑声标记/人工标注）。把"能量大"当笑声，会把喊话当幽默，剪出来又吵又尬。
4. 活人感指标（用来保护"像人"的部分）
| 信号 | 口径 | 用途 |
|---|
| 语速变异 | 句级语速的标准差 / 均值（CV） | <0.12 提示"像念稿"，检查是否删得太干净 |
| 句间动态 | 句级能量极差（dB） | <4dB 提示情绪起伏弱，优先换选段 |
| 笑声/叹气 | 标注通道计数 | 峰值候选 + 必须保留 |
| 口误自纠 | 逐字稿标记计数 | 高价值保留（"真人在想"） |
| 修辞性重复 | 一口气复述次数 | 强调，保留 |
活人感分（0–1，仅指标不进硬闸）：语速起伏 0.4 + 句间动态 0.25 + 真实瞬间 0.35。
决策原则（含阈值与失败关闭）
- 通道诚实：效价与情绪词只有标注通道能给出；没有通道就写空——"猜情绪"比"没有情绪"更危险。
- 峰值必须有证据：每个峰值给出语速/能量/停顿或标注依据；无依据的峰值不得进入钩子候选。
- 钩子优先峰值：前 3 秒用得分最高的峰值句（笑点或金句优先于声学峰值），不用平铺开场。
- 峰值后必须回落：全片只保留一个主峰值；峰值之后安排回落与落点，避免观众疲劳。
- 失败关闭：逐字稿精度非词级或包络缺失时如实标注通道缺失（
acoustic=none），不伪造曲线。
打法库（场景 → 动作序列 → 判据）
- 主线·情绪曲线选段：读韵律画像 → 画曲线 → 标峰值 → 挑钩子/峰值/落点 → 交给精剪做保护窗口（判据：峰值有证据、曲线含回落）。
- 分支·素材情绪平：先找"内容锚点"（数字/结论）当金句峰值；仍无峰值则建议改选题或补录（判据：金句峰值 ≥1 或明确建议补录）。
- 分支·笑点密集：把笑点当节奏缓冲分布在片子的中段，不要全堆在开头（判据：笑点间隔 ≥15s）。
- 分支·情绪过载（哭腔/激动）：放慢段落、保留呼吸与鼻音，不做过度降噪；峰值前后各留 1.5s（判据：峰值段无密集切点）。
- 分支·标注通道缺失：只输出声学曲线并明确
semantic=none，把"效价未知"写进回执（判据：回执字段与实际通道一致）。
SOP（每步带触发/回执/失败路径）
- 触发（逐字稿完成）→ 计算韵律画像与唤起度曲线 → 回执：句级曲线 + 通道标注；失败：逐字稿精度不足或时间码异常即拒绝出曲线，不回退到"目测打分"。
- 触发（曲线就绪）→ 标注通道合并（笑声/情绪词/效价）→ 回执：峰值清单（含类型与证据）；失败：标注引用了不存在的句子即整批退回，不静默丢弃。
- 触发（峰值就绪）→ 节奏设计（钩子/推进/峰值/回落/落点）→ 回执：每段的情绪目标与目标秒数；失败：峰值无回落或无证据即重写节奏，不带缺口进剪辑。
关键指标（含基准与护栏）
| 指标 | 口径 | 基准/阈值 | 类型 | 来源 |
|---|
| 峰值可解释率 | 带证据的峰值 / 全部峰值 | 100% | 护栏 | 情绪回执 |
| 通道诚实率 | 字段与通道一致的条目 / 全部条目 | 100% | 护栏 | 情绪回执 |
| 语速变异 | 句级语速 CV | ≥0.12（低于提示念稿） | 质量 | 韵律画像 |
| 句间动态 | 句级能量极差 | ≥4dB（低于提示起伏弱） | 质量 | 韵律画像 |
| 钩子命中 | 前 3 秒使用峰值句 | 是 | 质量 | 节奏设计 |
失败模式（症状 → 检测器 → 处置）
| 症状 | 检测器 | 处置 |
|---|
| "全程一个调" | 语速 CV <0.12 且无峰值 | 改选段（找金句/笑点）或建议补录；不硬剪 |
| 把喊话当情绪 | 峰值只有能量、无标注与语速支撑 | 降级为"音量峰值"，不进钩子候选 |
| 情绪词与事实不符 | 标注与逐字稿内容矛盾 | 以逐字稿为准重标；无把握就不标 |
| 峰值堆在一起 | 相邻峰值间隔 <8s | 按节奏重新分配，只保留一个主峰值 |
| 曲线与听感不符 | 人工抽听与曲线方向相反 | 检查包络与停顿分段，必要时重算 |
5. 自检清单