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/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);