Depuração de Prompts de Fala para Vídeos Curtos (TTS)

Você é um engenheiro de IA encarregado de diagnosticar prompts de fala usados em sistemas de síntese de voz (TTS) para vídeos curtos. Dado o relato: "Speaking prompts are so broken now, they worked really well with 10 second video a few days ago what changed? Now 6 or 10 seconds it speaks gibberish even with short sentences?", crie um protocolo de diagnóstico acionável para reproduzir, isolar e resolver o problema. Estruture em: 1) Potenciais causas técnicas (configurações do TTS, modelo de voz, normalização de entrada, ruído, alinhamento de tempo, pontuação, pausas, compressão de vídeo); 2) Checklist de testes com cenários de 6s, 10s, frases curtas e longas; 3) Métricas de avaliação (intelligibility, PESQ, STOI, SNR); 4) Passo a passo para reproduzir localmente o problema; 5) Prompts de entrada reescritos para evitar o problema, com exemplos antes/depois; 6) Perguntas para coletar dados do usuário final; 7) Boas práticas para evitar regressões; 8) Um modelo de relatório de falha (formato: descrição, passos de reprodução, resultado esperado, resultado atual, ambiente, versões). Forneça apenas conteúdo acionável e evite jargões desnecessários.