## Цель

Создать новый визуальный интерфейс не для косметического редактирования уже готового `VoiceScenario`, а как **экспериментальную лабораторию синтеза речи**.

Основная задача интерфейса — дать возможность вручную исследовать:

- какие параметры синтезатора;
- в какой последовательности;
- в какие моменты времени;
- с какими значениями и законами изменения

дают тот или иной слышимый результат.

Мы заранее НЕ предполагаем, что знаем правильный сценарий для конкретного звука. Интерфейс нужен именно для поиска: пользователь двигает временные точки и параметры, слушает результат, а найденные интересные звучания затем можно сохранять и отдавать вместе с логами/сценарием на последующий анализ.

---

## Общая модель интерфейса

Интерфейс должен быть организован как многодорожечная временная диаграмма, логически похожая одновременно на:

- automation lanes в DAW;
- keyframe editor;
- диаграмму Ганта только в смысле общей временной оси и синхронизации событий.

Это НЕ классический Gantt и не список `set/animate` команд.

### Координаты

Для каждой дорожки:

- горизонтальная ось = время;
- вертикальная ось = значение параметра;
- параметр задаётся набором редактируемых точек `(time, value)`;
- точку можно перетаскивать горизонтально, меняя момент события;
- точку можно перетаскивать вертикально, меняя значение;
- между точками задаётся закон перехода.

UI может нормализовать вертикальную шкалу к `0..1`, но физическое значение параметра должно сохранять собственный диапазон и единицы (`Hz`, gain и т.п.).

---

## Отдельная общая длительность звучания

Нужен независимый параметр **общей длительности сценария**.

Это принципиально: управляющие параметры могут быть выставлены или изменены только в начале, но полученное состояние должно продолжать звучать долго.

Примеры смысловой модели:

- коротко выставили состояние и держим длинное `ААААА`;
- ранние события формируют `МА`, а затем состояние долго удерживает `ААААААА`;
- после последней keyframe-точки значение каждого control продолжает удерживаться до общей длительности сценария.

Длительность не должна автоматически обрезаться по последней управляющей точке.

---

## Циклическое воспроизведение

Обязательно предусмотреть переключатель **«Циклично»**.

В циклическом режиме:

- сценарий проигрывается снова сразу после окончания;
- пользователю не нужно каждый раз нажимать Play;
- изменения параметров/точек должны попадать в следующий цикл воспроизведения;
- пользователь может двигать точку или значение и за несколько повторов подряд услышать несколько вариантов результата.

Это ключевой режим именно для ручного поиска звучаний.

---

## Дорожки параметров

На первом этапе редактор должен работать со всеми существующими параметрами `VoiceControlState`.

Для каждой дорожки нужно видеть:

- имя control;
- его физическое значение;
- нормализованное положение в вертикальной шкале;
- keyframe-точки;
- удержание значения между событиями;
- форму перехода между точками.

Редактор должен показывать фактическую временную траекторию параметра, а не только активные участки `animate`.

---

## Типы переходов и преобразователей

Архитектуру сразу проектировать так, чтобы между точками существовал не только один вид `animate`.

Нужна расширяемая модель **преобразователя/модулятора** временного участка.

Минимально предусмотреть возможность в дальнейшем иметь разные типы:

- hold / постоянное значение;
- linear transition;
- bezier transition;
- периодический модуль;
- синусоидальная модуляция по формуле;
- импульс / burst;
- повторяющееся биение;
- шумовая или иная стохастическая модуляция;
- другие функции времени.

То есть на временную ленту в перспективе должен помещаться не только keyframe, но и **преобразователь**, который на заданном интервале формирует сложную траекторию параметра.

Пример смысла: параметр может иметь стабильную базу, но поверх неё на участке времени работает периодическая модуляция.

---

## Связь с физиологией речи

Архитектуру редактора нельзя проектировать так, будто каждый control полностью независим физически.

У человека один речевой аппарат:

- один язык;
- одна конфигурация губ;
- один рот/ротовая полость;
- один голосовой тракт;
- одна система голосовых связок и воздушного потока.

Нельзя одновременно задать взаимоисключающие артикуляционные состояния так, словно существуют два независимых языка или две независимые формы рта.

Пока текущий DSP работает в акустическом пространстве (`f0`, periodicity, noise, resonances, gains и т.д.), но редактор должен быть спроектирован так, чтобы в будущем можно было вводить **связанные физиологические/артикуляционные преобразователи**, которые управляют сразу несколькими DSP controls согласованно.

Примеры смысловых преобразователей, которые могут появиться позже:

- открытие/закрытие рта;
- изменение положения языка;
- накопление и release давления;
- краткий взрывной burst;
- устойчивый поток воздуха;
- дрожание/биение артикулятора для `Р`;
- переход между артикуляционными состояниями.

Важно: это не требование немедленно реализовать полноценную физиологическую модель. Требование — **не закрыть архитектурой такую возможность**.

---

## Особый смысл временной структуры

Редактор должен исходить из того, что звук имеет смысл только во времени.

Например, взрывной согласный — это не одно значение параметра, а последовательность фаз:

- подготовка/закрытие;
- накопление;
- release;
- burst;
- шумовой или голосовой хвост;
- переход в следующий звук.

А устойчивый звук может быть результатом стабильного состояния, которое после короткого входного перехода удерживается долго.

Поэтому пользователь должен видеть и редактировать **композицию фаз во времени**, а не только список чисел.

---

## Что сохранять

Найденный эксперимент должен быть воспроизводимым.

Нужно уметь сохранить:

- общую длительность;
- все дорожки и keyframes;
- типы переходов/преобразователей;
- их параметры;
- итоговый `VoiceScenario` или компилируемое представление;
- при необходимости метаданные эксперимента.

Существующий `VoiceScenario` можно использовать как runtime/формат исполнения, но UI не должен быть ограничен его текущей command-centric формой. Допустим отдельный экспериментальный/keyframe-формат, который компилируется в runtime-представление.

---

## Связь с существующим runtime

Редактор должен использовать тот же общий runtime `VoiceScenario`, который используется синтезатором и визуализатором, после соответствующего рефакторинга.

Нельзя иметь отдельную семантику исполнения параметров только внутри UI.

Фактическое звучание и фактически отображаемые траектории должны происходить из одной state machine.

---

## Что НЕ является целью первого этапа

Сейчас не требуется:

- автоматически угадать правильный звук;
- автоматически построить фонему;
- добавить новые акустические метрики только ради визуализации;
- сразу построить полноценную физиологическую модель речевого аппарата;
- заменить decoder.

Первая прикладная цель — **максимально упростить ручное экспериментирование**:

1. быстро расставить временные точки;
2. менять значения;
3. слышать результат в цикле;
4. понимать последовательность собственных действий;
5. сохранять удачные варианты;
6. отдавать найденный сценарий и его логи на дальнейший анализ.

---

## Критерий результата

Пользователь может открыть лабораторию, задать общую длительность, включить `Циклично`, расставлять и двигать keyframe-точки нескольких параметров по общей временной шкале и непрерывно слышать, как изменения влияют на звучание.

Интерфейс должен помогать именно **искать неизвестные заранее звучания**, а не требовать заранее понимать, какой JSON нужно написать.

Интерактивный многодорожечный редактор для ручного экспериментирования с параметрами синтезатора во времени, циклического прослушивания и поиска интересных звучаний.

Создать визуальную лабораторию временных сценариев VoiceSynthesizer

![](</images/resized/middle/cmkppub1z0002mu0z427kxsay/1789428405800-Screenshot From 2026-09-15 02-21-05.png>)

Ворклог по задаче "Создать визуальную лабораторию временных сценариев VoiceSynthesizer"

Задача: Создать визуальную лабораторию временных сценариев VoiceSynthesizer