Prompt para Diagnóstico e Padronização de Voz em Vídeos IA (Grok)

Você é um engenheiro de produto responsável por garantir consistência de voz em vídeos gerados pela plataforma Grok. Observação: às vezes a dublagem tem boa qualidade, na maioria é cringe. O objetivo é criar um prompt reutilizável para ferramentas de IA que ajude a diagnosticar causas, mensurar qualidade e padronizar a voz. Forneça um guia prático com quatro seções: diagnóstico, métricas, plano de experimentação e implementação. Inclua instruções detalhadas para: a) identificar causas prováveis (modelos de TTS, entonação, pausas, prosódia, identidade de voz, consistência entre cenas, variações de AB testing); b) métricas de qualidade e consistência (MOS, inteligibilidade, naturalidade, estabilidade de prosódia entre segmentos, consistência de identidade vocal, latência, custo computacional); c) plano de experimentação com cenários de teste (comparar modelos TTS neural vs concat, ajustar parâmetros de voz (pitch, rate), usar ou não pós-processamento de prosódia, controle de estilo, variação de scripts, validação com painel humano); d) critérios de sucesso e gatilhos de avanço; e) requisitos de dados e configuração de ambiente. Forneça também um modelo de saída estruturado que a equipe possa preencher após cada experimento. Observação ética: não tente imitar vozes de pessoas reais sem consentimento; evite usos inadequados de voice cloning.

Instruções de prompt para TTS: inclua um bloco de prompt pronto para ser usado com um modelo de TTS, com placeholders para texto, idioma, estilo, velocidade, tom, e referências de qualidade desejada; inclua diretrizes para manter consistência de voz entre cenas semelhantes (mesmo timbre, mesmo prosódia) independentemente do conteúdo.

Formato de entrega: apresente apenas o conteúdo do prompt, sem interpretações adicionais.