diff --git a/README.en.md b/README.en.md
index 6c96d76..145c81a 100644
--- a/README.en.md
+++ b/README.en.md
@@ -6,14 +6,22 @@
*A local LLM and a zero-shot voice-cloning TTS take turns on one 8 GB GPU. Use them as local HTTP services, or as an offline voice server for ESP32 boards running xiaozhi firmware.*
+[Results](#results) · [How it works](#how-it-works) · [Requirements](#requirements) · [Quick start](#quick-start) · [Connect a board](#connect-a-board-mode-b) · [Known limitations](#known-limitations) · [Upstream fixes](#fixes-sent-upstream) · [Docs](#documentation) · [32 pitfalls](docs/pitfalls.md)
+
[](https://github.com/korexil/gpu-duet/actions/workflows/ci.yml)
[](https://github.com/korexil/gpu-duet/releases/latest)
[](LICENSE)
[](https://www.bilibili.com/video/BV15Cpr6eEMx)
-
+| First word | Total gaps | VRAM |
+|:-:|:-:|:-:|
+| 6.2 → **2.1 s** | 4.22 → **0.17 s** | **7.3 GB** / 8 GB |
+
+
+
+Live recording at 2× speed, same laptop and same question; red bars are where the audio stalled. Click for the full video (Bilibili, 3 min 28 s, in Chinese). The questions were asked live and their audio was later replaced with a synthesized voice; the board's answers are the live audio.
-Real-device recording. The questions were asked live; their audio was later replaced with a synthesized voice. The board's answers are the live audio.
+**Try it without a board:** Windows + an 8 GB NVIDIA GPU + a 3–10 s voice recording. Follow [Quick start](#quick-start) steps 1–5; the last step prints the total gap time.
## What it does
@@ -118,7 +126,7 @@ python tools\turn_taking_sim.py --mode turns --question "说说你最喜欢的
At this point you have mode A: your own programs call `http://127.0.0.1:18766/stream` to synthesize speech. API reference: [tts-service/README.md](tts-service/README.md).
-**6. Connect a board (mode B).**
+### Connect a board (mode B)
```powershell
pip install -r standalone\requirements.txt
diff --git a/README.ja.md b/README.ja.md
index 89f5759..33bcc57 100644
--- a/README.ja.md
+++ b/README.ja.md
@@ -6,14 +6,22 @@
*ローカル LLM とゼロショット音声クローン TTS が、8 GB の GPU 1 枚を交代で使います。ローカル HTTP サービスとして使うことも、xiaozhi ファームウェアを載せた ESP32 ボード向けのオフライン音声サーバーとして使うこともできます。*
+[効果](#効果) · [仕組み](#仕組み) · [必要なもの](#必要なもの) · [クイックスタート](#クイックスタート) · [ボードをつなぐ](#ボードをつなぐ使い方-b) · [既知の制限](#既知の制限) · [上流への修正](#上流への修正) · [ドキュメント](#ドキュメント) · [ハマりどころ 32 件](docs/pitfalls.md)
+
[](https://github.com/korexil/gpu-duet/actions/workflows/ci.yml)
[](https://github.com/korexil/gpu-duet/releases/latest)
[](LICENSE)
[](https://www.bilibili.com/video/BV15Cpr6eEMx)
-
+| 最初の一声 | 音切れ合計 | VRAM |
+|:-:|:-:|:-:|
+| 6.2 → **2.1 s** | 4.22 → **0.17 s** | **7.3 GB** / 8 GB |
+
+
+
+実機の録画（2 倍速）、同じノート PC・同じ質問。赤いバーは音が途切れたところです。画像をクリックすると完全版の動画（Bilibili、3 分 28 秒、中国語）。質問はその場でリアルタイムに話したもので、動画では質問の声だけ後から合成音声に差し替えています。ボードの回答はその場の音声そのままです。
-実機での録画です。質問はその場でリアルタイムに話したもので、動画では質問の声だけ後から合成音声に差し替えています。ボードの回答はその場の音声そのままです。
+**ボードなしで試す：** Windows + NVIDIA 8 GB GPU + 3～10 秒の録音があれば、[クイックスタート](#クイックスタート)の手順 1～5 で動きます。最後の手順で音切れの合計が表示されます。
## できること
@@ -118,7 +126,7 @@ python tools\turn_taking_sim.py --mode turns --question "说说你最喜欢的
ここまでで使い方 A の状態です。自作プログラムから `http://127.0.0.1:18766/stream` を呼べば音声を合成できます。API は [tts-service/README.md](tts-service/README.md) を参照してください。
-**6. ボードをつなぐ（使い方 B）。**
+### ボードをつなぐ（使い方 B）
```powershell
pip install -r standalone\requirements.txt
diff --git a/README.md b/README.md
index d504a7a..cd543b7 100644
--- a/README.md
+++ b/README.md
@@ -6,14 +6,22 @@
*A local LLM and a zero-shot voice-cloning TTS take turns on one 8 GB GPU. Use them as local HTTP services, or as an offline voice server for ESP32 boards running xiaozhi firmware.*
+[效果](#效果) · [原理](#原理) · [需要什么](#需要什么) · [快速开始](#快速开始) · [接板子](#接板子用法-b) · [已知限制](#已知限制) · [上游修复](#提给上游的修复) · [文档](#文档) · [32 条踩坑](docs/pitfalls.md)
+
[](https://github.com/korexil/gpu-duet/actions/workflows/ci.yml)
[](https://github.com/korexil/gpu-duet/releases/latest)
[](LICENSE)
[](https://www.bilibili.com/video/BV15Cpr6eEMx)
-
+| 首声 | 断音合计 | 显存 |
+|:-:|:-:|:-:|
+| 6.2 → **2.1 s** | 4.22 → **0.17 s** | **7.3 GB** / 8 GB |
+
+
+
+实机录像，2 倍速，红色竖条是声音断掉的地方。点图看完整视频（B 站 3 分 28 秒）：提问是现场实时问的，视频里的提问声后来换成了合成声；板子的回答是现场原声。
-实机录像。提问是现场实时问的，视频里的提问声后来换成了合成声；板子的回答是现场原声。
+**不接板子先试一下：** Windows + NVIDIA 8 GB 显卡 + 一段 3～10 秒的录音，按[快速开始](#快速开始)第 1～5 步走，最后一步直接打印断音合计。
## 能做什么
@@ -117,7 +125,7 @@ python tools\turn_taking_sim.py --mode turns --question "说说你最喜欢的
到这一步就是用法 A：自己的程序调 `http://127.0.0.1:18766/stream` 合成语音，接口见 [tts-service/README.md](tts-service/README.md)。
-**6. 接板子（用法 B）。**
+### 接板子（用法 B）
```powershell
pip install -r standalone\requirements.txt
diff --git a/docs/img/before-after.en.webp b/docs/img/before-after.en.webp
new file mode 100644
index 0000000..0dbf250
Binary files /dev/null and b/docs/img/before-after.en.webp differ
diff --git a/docs/img/before-after.ja.webp b/docs/img/before-after.ja.webp
new file mode 100644
index 0000000..b5a512e
Binary files /dev/null and b/docs/img/before-after.ja.webp differ
diff --git a/docs/img/before-after.webp b/docs/img/before-after.webp
new file mode 100644
index 0000000..e34eb8b
Binary files /dev/null and b/docs/img/before-after.webp differ
diff --git a/docs/img/demo-video.jpg b/docs/img/demo-video.jpg
deleted file mode 100644
index e62dcc3..0000000
Binary files a/docs/img/demo-video.jpg and /dev/null differ
diff --git a/docs/img/social-preview.png b/docs/img/social-preview.png
new file mode 100644
index 0000000..f924d20
Binary files /dev/null and b/docs/img/social-preview.png differ