train_v7 构成：v6 全量 36,529 行 + FLORAS 新增 12,518 行（6,385 整段 + 6,133 中途起步副本）
一条行：一段连续语音切成多轮 (文本, 音频)；训练=给定之前所有轮 + voice prompt，生成本轮音频
interleave 形状：[T,17] 网格 = 1 文本通道 + 16 RVQ 音频通道，音频延迟 12 位，轮末 EOS
FLORAS 整段行：0.96s 增量切片，边界常落词中（刻意——学会从任意边界接着说）
中途起步副本：同一行从中间轮开训，对应推理的不完整窗口
v6 沿用行：文学长段落、~1.92s 粗粒度，作对照
表：时间=该轮在整段中的位置（点击跳播）；(N帧)=音频帧数，12.5 帧/秒
训练音频本身连贯；推理的断续来自逐轮独立生成