Narração Kokoro
Use texto aprovado e o gerador compartilhado; não copie um script TTS específico de projeto nem substitua timestamps previstos por temporização estimada de frases.
.venv-kokoro/bin/python tools/kokoro/generate_audio.py --project projects/NNN-topic
O helper suporta vozes em inglês americano/britânico a 24 kHz. Leia configuração e referência de idioma apenas para instalação, falhas de dependência ou alteração de idioma; inspecione primeiro interpreter/pyvenv.cfg. Pergunte antes de adicionar dependências. Outros idiomas precisam de um provedor suportado ou uma audição; nunca prometa vietnamita nativo a partir de fonética inglesa.
Revisões e reutilização
Mantenha IDs de cena únicos e estáveis. O gerador verifica texto/pronúncia, modelo, voz, idioma, velocidade, taxa de amostragem, pacote e versão do código do gerador/legendas, hash WAV/duração e cobertura de palavras/legendas. Apenas cenas inválidas são sintetizadas; WAVs e timestamps inalterados sobrevivem bit a bit. Manifestos antigos verificados podem ser adotados uma vez. Uma execução completamente inalterada também deixa o manifesto inalterado. A geração prepara todos os resultados antes de trocar o diretório de voz; falha preserva o conjunto anterior. Não execute escritores simultâneos para um projeto.
Use --force para regenerar deliberadamente todos os clipes, inclusive após alterar
pesos de modelo em cache local sob o mesmo identificador de modelo (bytes de peso não
fazem parte da chave de cache). Novo modelo/voz/velocidade invalida todos os clipes afetados.
Uma revisão apenas musical não chama TTS.
Normalize siglas/números/URLs com o mapa de pronúncia do script. Preserve sourceText versus texto falado; legendas seguem o texto falado a menos que alinhadas separadamente. Diga cada frase pretendida uma vez. Pontuação não é garantia de temporização.
Meça durações reais de WAV antes dos quadros da cena. Encurte, expanda ou divida cenas densas antes de aumentar a velocidade; nunca corte a fala para caber em uma duração estimada. Mantenha o áudio bruto e crie derivados com padding/reamostragem separados se necessário.
Validar
Execute o preflight do workflow após a geração. Exija palavras completas ordenadas no intervalo, limites de frase, taxa de amostragem correta, áudio decodificável não vazio e duração medida. Temporizações incluem comprimentos reais do chunk anterior e anexam pontuação. Revise palavras ausentes/repetidas/truncadas, pronúncia, pausas, picos e espaço final. Ouça quando possível; alinhamento previsto não é transcrição independente. Inspecione três destaques renderizados sucessivos e uma cena/chunk posterior, seguindo padrões. Registre audições não realizadas.