feat(audio): 使用 Windowed Sinc 高质量重采样器替代线性插值

统一音频输出采样率为 44100Hz，使用 go-audio-resampler 库实现
Windowed Sinc + Polyphase FIR 算法（VeryHigh 28-bit 精度），
替代原有的线性插值透传方案。

主要变更：
- 新增 sincResampler：三阶段 Read 循环（填充→处理→Flush）
- 双缓冲区架构避免输出样本丢失，复用内存减少 GC 压力
- WAV/MP3/BGM 播放管线全部接入 Sinc 重采样器
- 移除旧的 linearResampler 和透传模式

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

pkg/audio/sinc_resampler.go

@@ -0,0 +1,148 @@
+package audio
+
+import (
+	"io"
+
+	resampling "github.com/tphakala/go-audio-resampler"
+	"go.uber.org/zap"
+)
+
+// minProcessSamples 是 FIR 滤波器产生可靠输出所需的最小输入样本数
+const minProcessSamples = 64
+
+// needsResampling 检查是否需要重采样
+func needsResampling(sourceRate int) bool {
+	return sourceRate != UniversalSampleRate
+}
+
+// sincResampler 基于 go-audio-resampler 的高质量重采样器
+// 使用 Windowed Sinc + Polyphase FIR 算法，专业级音质
+type sincResampler struct {
+	decoder    io.Reader
+	resampler  resampling.Resampler
+	inputBuf   []float64 // 输入缓冲区：int16→float64 转换后暂存
+	outputBuf  []float64 // 输出缓冲区：Process/Flush 产出但未消费的样本
+	inputBytes []byte    // 复用的字节读取缓冲区
+	flushed    bool      // 是否已完成 Flush
+	eof        bool      // 上游是否已返回 EOF
+}
+
+// newSincResampler 创建高质量 Sinc 重采样器
+// 使用场景：大广场音效、高保真音乐
+func newSincResampler(src io.Reader, inRate, outRate, channels int) io.Reader {
+	if inRate == outRate {
+		return src
+	}
+
+	config := &resampling.Config{
+		InputRate:  float64(inRate),
+		OutputRate: float64(outRate),
+		Channels:   channels,
+		Quality: resampling.QualitySpec{
+			Preset: resampling.QualityVeryHigh,
+		},
+	}
+
+	r, err := resampling.New(config)
+	if err != nil {
+		zap.S().Warnf("Sinc 重采样器创建失败，降级为透传: %v", err)
+		return src
+	}
+
+	return &sincResampler{
+		decoder:    src,
+		resampler:  r,
+		inputBuf:   make([]float64, 0, 4096),
+		outputBuf:  make([]float64, 0, 4096),
+		inputBytes: make([]byte, 1024),
+	}
+}
+
+func (r *sincResampler) Read(p []byte) (int, error) {
+	if len(p) < 2 {
+		return 0, io.ErrShortBuffer
+	}
+	maxSamples := len(p) / 2
+
+	// 主循环：直到有足够输出数据或 EOF
+	for len(r.outputBuf) < maxSamples {
+		// 阶段1：从上游读取数据，累积到 inputBuf
+		for len(r.inputBuf) < minProcessSamples && !r.eof {
+			nn, readErr := r.decoder.Read(r.inputBytes)
+			if readErr != nil && readErr != io.EOF {
+				return 0, readErr
+			}
+			if readErr == io.EOF || nn == 0 {
+				r.eof = true
+				break
+			}
+
+			sampleCount := nn / 2
+			for i := range sampleCount {
+				sample := int16(r.inputBytes[i*2]) | int16(r.inputBytes[i*2+1])<<8
+				r.inputBuf = append(r.inputBuf, float64(sample)/32768.0)
+			}
+		}
+
+		// 阶段2：处理输入数据
+		if len(r.inputBuf) > 0 {
+			output, err := r.resampler.Process(r.inputBuf)
+			if err != nil {
+				return 0, err
+			}
+			r.inputBuf = r.inputBuf[:0]
+			if len(output) > 0 {
+				r.outputBuf = append(r.outputBuf, output...)
+			}
+			continue
+		}
+
+		// 阶段3：EOF 且 inputBuf 为空，调用 Flush 获取尾部残留
+		if r.eof && !r.flushed {
+			r.flushed = true
+			flushed, err := r.resampler.Flush()
+			if err != nil {
+				return 0, err
+			}
+			if len(flushed) > 0 {
+				r.outputBuf = append(r.outputBuf, flushed...)
+			}
+			continue
+		}
+
+		// 无更多数据可获取
+		break
+	}
+
+	if len(r.outputBuf) == 0 {
+		return 0, io.EOF
+	}
+
+	// 写入输出
+	n := min(len(r.outputBuf), maxSamples)
+	writeFloat64ToLE16(p, r.outputBuf[:n])
+	if n < len(r.outputBuf) {
+		r.outputBuf = r.outputBuf[n:]
+	} else {
+		r.outputBuf = r.outputBuf[:0]
+	}
+
+	return n * 2, nil
+}
+
+// writeFloat64ToLE16 将 float64 样本转换为 int16 LE 写入 buf
+func writeFloat64ToLE16(buf []byte, samples []float64) {
+	for i, s := range samples {
+		if s > 1.0 {
+			s = 1.0
+		} else if s < -1.0 {
+			s = -1.0
+		}
+		v := int32(s * 32768.0)
+		if v > 32767 {
+			v = 32767
+		}
+		buf[i*2] = byte(v)
+		buf[i*2+1] = byte(v >> 8)
+	}
+}