grahama1970/analyze-chatterbox-emotions

O que analyze-chatterbox-emotions faz?

Avalie uma renderização gerada pelo Chatterbox como um artefato de qualidade de voz, não como uma afirmação sobre a emoção real do falante.

Use isto quando uma renderização do Chatterbox ou do Persona Dream precisar de comprovação de que tags emocionais, pausas, ritmo e qualidade de áudio se comportaram conforme solicitado.

Contrato

Entrada:

./run.sh analyze --audio caminho/para/render.wav \
  --expected-text "texto fonte opcional" \
  --target-label reconfortante \
  --target-arousal 0.35 \
  --target-valence 0.4 \
  --out /tmp/chatterbox_voice_eval.json \
  --report /tmp/chatterbox_voice_eval.md

Esquema JSON de saída: analyze_chatterbox_emotions.voice_eval.v1.

O avaliador relata:

• affect: rótulo alvo mais proxies acústicas de excitação/valência e uma pontuação de compatibilidade.
• prosody: duração, taxa de fala estimada, proxy de RMS/volume, estimativas de F0 quando disponíveis.
• pauses: razão de silêncio, intervalos de pausa detectados e comparação de pausas planejadas vs. medidas quando um plano de renderização do Chatterbox ou turno de conversa é fornecido.
• quality: clipping, amplitude de pico, flags de descontinuidade e avisos de sinal baixo.
• intelligibility: contagem de palavras do texto esperado e campos de transcrição opcionais; esta skill não inventa ASR silenciosamente.

Entradas opcionais

• --render-plan caminho.json: render_plan.json do Chatterbox, recibo de diário do Persona Dream, recibo de conversa dinâmica ou um JSON de turno de conversa contendo chatterbox_pause_plan.
• --transcript "texto": transcrição ASR fornecida pelo chamador. Se omitido, a similaridade da transcrição é null e listada como não-afirmação.

Vereditos

• pass: nenhuma falha técnica grave e pontuação >= 75.
• review: pontuação 50-74 ou evidência importante faltando, como nenhuma transcrição ASR.
• fail: problema técnico grave, áudio inutilizável, clipping severo, áudio ausente ou pontuação < 50.

A pontuação é um sinal de avaliação ponderado, não uma verdade absoluta:

0.35 correspondência_afeto + 0.25 inteligibilidade + 0.20 prosódia + 0.20 qualidade_técnica

Limites importantes

• Não diga que a pessoa ou persona "está triste/com raiva/feliz". Diga que a forma de onda e os classificadores/proxies disponíveis são compatíveis ou incompatíveis com o alvo solicitado.
• Modelos de reconhecimento de emoção na fala são sinais opcionais. Se indisponíveis, esta skill ainda emite métricas de proxy acústico e registra emotion_classifier.available=false.
• Pausas exatas são verificadas a partir da forma de onda quando possível; pause_after_ms em um plano de renderização é apenas a pausa solicitada.

Manutenção

Execute:

./sanity.sh
../agentic-evals/run.sh run fixtures/agentic_eval.json --output /tmp/analyze-chatterbox-emotions-agentic-eval.json