Auditoría conversacional Codex GPT y pipeline Fish Audio

<!-- ESTADO-VIVO:INICIO -->

⚡ ÚLTIMO ESTADO VIVO (Actualizado: 2026-10-31 10:01 · Orden Cronológico Inverso: Más Nuevo Arriba)

• Entrada (wacli · 𝗘𝗟𝗘𝗩𝗔𝗥 𝗖𝗢𝗡𝗖𝗜𝗘𝗡𝗖𝗜𝗔 · Niké): 📌 *REVISANDO ALINEACIÓN CON PULSO Y VOZ CONVERSACIONAL PARA AUDIOS LARGOS* ━━━━━━━━━━━━━━ *1. Cruce exacto contra pulso.plantinterno.com* • Ya mismo comparo los números que toma Pulso en vivo contra los que leyó el brief para ver si había alguna diferencia de sincronización y dejar que el brief lea *exacta...

<!-- ESTADO-VIVO:FIN -->

Auditoría estática del 11-oct-2026 solicitada por Gabriel. Fuentes revisadas: baileys-mcp/src/services/bridge.service.ts, transcription.service.ts, tts.service.ts; plant-interno/scripts/voz.sh, fish_tts.py, cerebro.py; server/copiloto_voz.py; config/estilo-gabriel.md; tests/evals_cerebro.py. Hallazgos comprobados en código: audio sólo por pedido explícito; entrega de respaldo usa responseText completo como voz y saltea voiceNoteText; instrucciones compiten entre un mensaje final y uno por tarea; TTS normal limpia markdown pero no adapta el discurso; Fish HTTP selecciona s1 o drama-3-preview salvo override mientras Copiloto WS usa s2.1-pro; FISH_SPEED queda sobrescrito para una voz especial; fallback exterior en TtsService puede intentar Gemini tras falla total de plant-voz contradiciendo política interna Fish-Edge-texto; memoria reciente limitada a 48h/60 mensajes/12000 caracteres; filtros grupo y visibilidad de cerebro.buscar son opcionales y ver no los aplica, por lo que no constituyen autorización obligatoria; suite evals existe pero replica funciones y no mide conversación real. STT tiene deduplicación en vuelo y mutex local, con subprocess por audio y fallback Gemini condicionado a clave real. Propuesta pendiente, no implementada: GPT como responsable de continuidad y redacción final; Opus diseño de producto; Antigravity integración y multimodalidad; contrato único de respuesta, outbox con idempotencia y revisión de turno, worker STT persistente, compilador oral por intención, perfiles Fish versionados y pruebas A/B humanas, Cerebro con evidencia/estado/ACL obligatoria y actualizaciones por revisión. No se modificó ni desplegó runtime, no se enviaron mensajes, no se midió ni escuchó audio en esta sesión. Dictamen y prioridades entregados en chat; todas las cifras de latencia y calidad propuestas son objetivos experimentales, no resultados medidos.

Decidido

Lo que sabemos

• 2026-10-31 09:59 — Interacción con Niké: 📌 *REVISANDO ALINEACIÓN CON PULSO Y VOZ CONVERSACIONAL PARA AUDIOS LARGOS*

━━━━━━━━━━━━━━

*1. Cruce exacto contra pulso.plantinterno.com*

• Ya mismo comparo los números que toma Pulso en vivo contra los que leyó el brief para ver si había alguna diferencia de sincronización y dejar que el brief lea *exactamente la misma fuente de Pulso*.

*2. Por qué sonó monótono el audio largo y cómo lo mejoramos ahora mismo*

• Cuando a Fish Audio se le manda un bloque único de 2 minutos con oraciones largas de 40 palabras, después de los primeros 20 segundos aplana la entonación como locutor leyendo de corrido.

• *Solución técnica que ya estoy aplicando*:

1. *Síntesis por bloques cortos con pausas de respiración reales (350ms)* en lugar de 1 solo bloque gigante.
2. *Guion hablado real*: Oraciones cortas de 8 a 14 palabras, cambios de ritmo, preguntas y énfasis naturales en vez de texto redactado como informe.

En unos minutos te paso el cruce exacto con *Pulso* y una muestra del audio largo con la nueva cadencia humana. · 🔗 monitores-plantinterno, radar-marketing, flujo-multicanal-super-cerebro · 2026-10-31

Falta

• Entrada (wacli · 𝗘𝗟𝗘𝗩𝗔𝗥 𝗖𝗢𝗡𝗖𝗜𝗘𝗡𝗖𝗜𝗔 · Niké): 📌 *REVISANDO ALINEACIÓN CON PULSO Y VOZ CONVERSACIONAL PARA AUDIOS LARGOS* ━━━━━━━━━━━━━━ *1. Cruce exacto contra pulso.plantinterno.com* • Ya mismo comparo los números que toma Pulso en vivo contra los que leyó el brief para ver si había alguna diferencia de sincronización y dejar que el brief lea *exactamente la misma fuente de Pulso*. *2. Por qué sonó monótono el audio largo y cómo lo mejoramos ahora mismo* • Cuando a Fish Audio se le manda un bloque único de 2 minutos con oraciones largas de 40 palabras, después de los primeros 20 segundos aplana la entonación como locutor leyendo de c · 2026-10-31 09:59

Temas/auditoria-conversacional-codex-gpt-y-pipeline-fish-audio