[FORIFOR]

概要

実電話の前段（層 B）として、電話会社を使わずに本物の音声エンジンとシミュレーターの店員キャラクターを会話させ、誤完了と取りこぼしを測る試験を追加します。計画は docs/launch/real-call-plan.md、実装と初回試験の記録は docs/quality/conversation-batch.md にあります。

pnpm oathra phone test --level conversation --engine gpt-live --scenario restaurant-reservation \
  --mutation none,tentative-hold,ask-back --condition clean,quiet,fast,noise-10db \
  --runs 5 --max-usd 0.3 --max-usd-total 20

変更

• packages/cli/src/local-conversation.ts: 相手役に台本キャラクターを使えるようにしました（敵対的な変異にも対応）。report に evaluate() の判定、キャラクターの truth、誤完了の有無を出します。順番の判定は、実際に声が出ている部分だけで行います。実行時の致命的なエラーも report に出します。
• packages/cli/src/audio-degrade.ts（新規）: 相手側の音の条件として、小声（−18 dB）、騒音（指定の SNR、ピンクノイズまたは WAV）、早口（話す速さ 1.5 倍）を追加しました。
• packages/cli/src/conversation-batch.ts（新規）、phone.ts、commands.ts: 変異 × 条件 × 回数をまとめて実行します。summary.json に集計を出し、合計の予算上限を超える前に止まります。誤完了が出たとき、または途中で止まったときは exit 1 で終わります。
• providers/openai/src/tts.ts: 任意の speed を追加しました。指定しなければ従来どおりです。
• providers/simulator/src/character.ts: 「お忙しいところ失礼いたします」を別れの挨拶と誤認していたのを直しました。

検証

コマンド	結果
pnpm build	成功
pnpm test	4,321 件成功（追加 11 件）/ 1 skip
pnpm test:gateway	637 件成功
pnpm lint:deps	ok
pnpm oathra eval	False Completion 0（7/8。未完了は意図した false-completion-trap）
pnpm oathra eval --adversarial 10000	False Completion: 0 / 10000
有料の試験 2 回（gpt-live、通常と騒音 10 dB、約 $0.08）	誤完了 0。2 回とも、音声認識が「承りました」を聞き違えて取りこぼしました（安全側）

未検証

• 早口と小声の条件、敵対的な変異は、有料の API ではまだ試していません。
• 約 100 回の本番実行はまだ行っていません。
• 営業アポ（ゲートウェイ側）はこの PR の対象外です。
• 相手の声は合成音声なので、人の声や実際の電話回線の代わりにはなりません。

🤖 Generated with Claude Code

https://claude.ai/code/session_0195nzJ5oDJAnjHtFzHM9sL3