grahama1970/analyze-chatterbox-emotions

analyze-chatterbox-emotions 是做什麼的？

將生成的 Chatterbox 渲染視為語音品質製品進行評估，而非關於說話者真實情感的主張。

當 Chatterbox 或 Persona Dream 渲染需要證明情感標籤、停頓、語速及音訊品質如預期運作時，使用此技能。

合約

輸入：

./run.sh analyze --audio path/to/render.wav \
  --expected-text "可選的原始文字" \
  --target-label reassuring \
  --target-arousal 0.35 \
  --target-valence 0.4 \
  --out /tmp/chatterbox_voice_eval.json \
  --report /tmp/chatterbox_voice_eval.md

輸出 JSON 架構：analyze_chatterbox_emotions.voice_eval.v1。

評估器報告以下項目：

• affect：目標標籤加上聲學喚醒/效價代理及相容性評分。
• prosody：時長、估計語速、RMS/響度代理、F0 估計值（如有）。
• pauses：靜音比例、偵測到的停頓區段，以及當提供 Chatterbox 渲染計畫或對話輪次時的計畫與測量停頓比較。
• quality：削波、峰值振幅、不連續性標記及低訊號警告。
• intelligibility：預期文字的詞數及可選轉錄欄位；此技能不會自行發明 ASR。

可選輸入

• --render-plan path.json：Chatterbox render_plan.json、Persona Dream 日誌收據、動態對話收據，或帶有 chatterbox_pause_plan 的對話輪次 JSON。
• --transcript "文字"：呼叫者提供的 ASR 轉錄。若省略，則轉錄相似度為 null，並列為非主張。

判定

• pass：無重大技術失敗且分數 >= 75。
• review：分數 50-74，或缺少重要證據（如無 ASR 轉錄）。
• fail：重大技術問題、音訊無法使用、嚴重削波、缺少音訊，或分數 < 50。

分數是加權評估訊號，非真實值：

0.35 affect_match + 0.25 intelligibility + 0.20 prosody + 0.20 technical_quality

重要界限

• 不要說該人物或角色「是悲傷/生氣/快樂」。應說明波形與可用分類器/代理與請求目標相容或不相容。
• 語音情感辨識模型為可選訊號。若不可用，此技能仍會輸出聲學代理指標，並記錄 emotion_classifier.available=false。
• 確切停頓盡可能從波形驗證；渲染計畫中的 pause_after_ms 僅為請求的停頓。

維護

執行：

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