Fish Speech Drama 3: prévia da edição de diálogos

Fish Speech Drama 3 traz uma pergunta útil para quem cria diálogos: é possível corrigir uma frase sem descartar toda a interpretação? É importante distinguir os níveis de acesso. A Fish anunciou a síntese de voz do Drama 3 para o site, o aplicativo e a API, enquanto descreveu a edição interativa e a reconstrução de trechos de áudio como testes limitados a convidados. Um recurso de pesquisa não é necessariamente uma função que qualquer cliente pode usar hoje.
Consulte também o recurso de fluxo de criação de microdramas.
Prepare uma tomada de diálogo aprovada para uma etapa separada de sincronização labial no APOB.
Esta prévia explica a pesquisa e apresenta uma especificação original de correção. Não participamos de uma sessão de edição por convite, não produzimos áudio corrigido nem medimos a preservação do som ao redor de uma emenda. Se sua conta não tiver acesso à edição, a alternativa prática é regravar a fala inteira com a devida autorização e montá-la em um editor externo. Use esta especificação para avaliar o processo, sem apresentar como disponível uma interface à qual você não tem acesso.
Situe o Drama 3 no projeto Fish Speech
O lançamento oficial de 13 de outubro
O relatório técnico do Drama 3 é datado de 13 de outubro de 2026. Ele descreve pesquisas sobre geração de fala, incluindo revisões entre turnos de conversa e reconstrução de trechos de uma gravação existente. Esses são os conceitos relevantes aqui; este artigo não reproduz uma tabela de resultados comparativos nem conclui que o modelo seja superior a outro serviço.
Confira o anúncio atual da Fish e os recursos da sua conta antes de assumir um compromisso de produção. A disponibilidade pode mudar depois do lançamento. O anúncio de síntese de voz, o experimento de edição por convite e a futura API de edição devem continuar sendo fatos distintos no briefing.
Pesquisa com modelos abertos e interfaces hospedadas
O relatório aponta para o projeto Fish Speech e os recursos do modelo. A distribuição desses materiais de pesquisa é diferente de um editor hospedado para clientes. Um modelo disponível para pesquisa não informa quais controles sua conta do serviço oferece.
Consulte o repositório oficial do Fish Speech para obter informações sobre o projeto. Não presuma que as instruções de instalação, as permissões de uso do modelo ou os requisitos de inferência correspondam ao fluxo de uma conta comercial. O exercício de escrita abaixo não concede autorização de licença.
O que este artigo testou e não testou
Nossos materiais são uma transcrição anotada, três propostas de orientação de direção, uma ficha de escuta vazia e um briefing para uma nova tomada posterior. São recursos originais de planejamento. Não há amostra de áudio, avaliação de um painel, resultado sobre a qualidade da emenda ou correção local bem-sucedida por trás deles.
Esse limite importa ao decidir o que preservar. «Contexto protegido» descreve aqui uma exigência da pessoa responsável pela revisão. Não significa que algum modelo preserve exatamente as amostras de áudio vizinhas. Compare o áudio realmente obtido antes de aceitá-lo.
Explique os termos da pesquisa sem inventar uma interface de edição
Revisão a partir de uma orientação falada
Revisar é pedir outra tentativa em resposta a uma orientação de direção. No nosso exemplo, um diretor de palco adulto informa corretamente o horário do ensaio, mas com ênfase sarcástica. Uma orientação pode pedir uma interpretação sincera sem mudar as palavras. A alteração solicitada diz respeito à interpretação.
A discussão do relatório sobre revisão em vários turnos justifica investigar essa operação. Ela não justifica inventar um botão para «remover o sarcasmo» ou documentar um endpoint que o anúncio não tornou público.
Reconstrução de um trecho dentro de uma fala existente
A reconstrução de áudio, ou infilling, atua sobre uma parte delimitada de uma fala existente. Nosso exemplo propõe trocar «sete» por «oito» em uma orientação de ensaio. As frases ao redor são material que deve ser preservado e comparado, não um preenchimento descartável.
Operação proposta | Exemplo original | Pergunta para um futuro teste autorizado |
|---|---|---|
Revisão | Mesmas palavras, menos ênfase sarcástica | A nova interpretação combina com a relação pretendida? |
Reconstrução de um trecho | O horário do ensaio muda das sete para as oito | As palavras e transições são aceitáveis em torno da mudança? |
O que um resultado de pesquisa não estabelece sobre o acesso à conta
Nenhuma das duas linhas descreve um procedimento de interface. Antes de um teste, registre o serviço, o modelo, o nível de acesso e a operação que sua conta realmente oferece. Se o editor não estiver acessível, não descreva a correção como algo já realizado.
Uma regravação convencional também pode resolver o problema de produção. A comparação relevante é entre uma correção local realmente obtida e revisada e uma nova tomada completa também obtida e revisada. Um experimento inacessível não pode vencer essa comparação com base apenas em uma descrição de pesquisa.
Delimite a frase editável com um contexto protegido
A última palavra inalterada antes da edição
Transcrição original em inglês com tradução para o português; falam dois adultos fictícios:
Diretor de palco, exemplo original em inglês: “I checked the room. Rehearsal starts at [CHANGE: seven → eight]. Please use the side entrance.” Tradução: “Conferi a sala. O ensaio começa às [ALTERAÇÃO: sete → oito]. Por favor, usem a entrada lateral.” As palavras em inglês são mantidas para identificar os limites do exemplo de edição.
Intérprete, original: “Eight, then. I'll tell the others.” Tradução: “Às oito, então. Vou avisar os outros.”
No original em inglês, a última palavra mantida antes do trecho é «at». Guarde o áudio original e a transcrição juntos para que a revisão permita ouvir a transição, em vez de avaliar a palavra substituída isoladamente.
A primeira palavra inalterada depois dela
No original em inglês, «Please» («por favor») inicia a frase seguinte. Isso importa porque corrigir o horário pode alterar a pausa antes dessa instrução. Mesmo com o número correto na transcrição, o áudio pode continuar parecendo a junção de duas gravações sem relação.
Esses colchetes são uma anotação editorial, não sintaxe de API. Não os cole em uma interface supondo que ativarão alguma proteção. Adapte a exigência aos controles realmente disponíveis em um teste autorizado ou use-a para orientar uma regravação com uma pessoa.
Identidade da voz, som ambiente da sala e continuidade emocional
Registre quem deve falar e qual autorização permite esse uso, as características do som ambiente e a direção emocional da cena. Aqui, o diretor de palco está corrigindo um horário, não agravando um conflito. Um «oito» mais alto ou acusatório mudaria a conversa, mesmo que fosse compreensível.
O guia de interpretação de voz existente trata de outra tarefa: preparar a atuação. Este artigo se concentra em especificar e revisar uma alteração proposta para uma tomada já escolhida.
Escreva uma nota que altere apenas a dimensão pretendida
Corrija o horário sem aumentar o volume da fala
Nota de direção A: “Substitua o horário do ensaio por ‘eight’, isto é, oito horas. Mantenha o tom de conversa da instrução ao redor. Rejeite uma versão em que a palavra corrigida vire uma repreensão enfática.” Mudança permitida: o horário informado. Requisito preservado: a intenção calma do diretor de palco.
Não acrescente «deixe mais emotivo» à mesma orientação. Isso introduz uma segunda variável e dificulta identificar o que mudou. Se o fato e a interpretação precisarem de correção, formule os dois pedidos separadamente e compare cada um com o original.
Mantenha o pedido de desculpas, mas remova a ênfase sarcástica
Orientação de direção B: «Preserve “Sinto muito pela mudança” e seu significado. Peça uma leitura sincera e contida. Rejeite uma versão que omita o pedido de desculpas ou o transforme em piada». É uma proposta de revisão, não uma afirmação de que contas comuns possam editar hoje uma tomada existente da Fish.
O relatório descreve pesquisas relevantes para a direção por orientações sucessivas. Diferencie essa afirmação da disponibilidade no serviço hospedado. O relatório técnico fundamenta a primeira, não comprova a segunda.
Rejeite um reparo que adicione uma respiração improvisada
Orientação de direção C: «Deixe discreta a transição para a próxima frase. Rejeite uma respiração acrescentada que faça o diretor de palco parecer hesitante antes da instrução sobre a entrada». Esse critério de rejeição permite avaliar a orientação.
Uma respiração acrescentada não é sempre um erro. Ela é inadequada para esta intenção específica se muda o que o ouvinte entende. Guarde a tentativa rejeitada como evidência dessa diferença, em vez de mudar discretamente a instrução depois de ouvir o resultado.
Ouça a emenda antes de confiar nas palavras corrigidas
Uma consoante cortada no início do trecho
Ouça em contexto a palavra anterior, o trecho a corrigir e a frase seguinte. Uma falha hipotética cortaria o final de «at» no original inglês, mesmo produzindo um «eight» («oito») claro. Este é um exemplo inventado do que verificar, não um defeito observado em uma saída do Drama 3.
Use fones de ouvido e condições habituais de reprodução adequadas à publicação prevista. Anote o que realmente ouve; uma escuta informal ou uma transcrição igual não provam preservação exata do áudio, amostra por amostra.
Uma mudança brusca no som ambiente da sala
Campo de registro de escuta | Preencha somente após um teste real |
|---|---|
Tomada original e registro de autorização | ___ |
Serviço, modelo e interface de acesso | ___ |
Trecho ou mudança de interpretação solicitados | ___ |
Observação de transição de entrada/saída | ___ |
Som ambiente e continuidade da voz | ___ |
Aceito, rejeitado ou incerto; razão | ___ |
As células vazias são intencionais. Uma lista de verificação não é um resultado. Se não houver uma saída autorizada, mantenha as células vazias e descreva o item como pendente.
A resposta do próximo personagem não combina com a emoção
Reproduza a resposta do intérprete depois da correção candidata. Uma nova tomada sarcástica do diretor de palco poderia fazer uma resposta calma parecer inverossímil. É um desajuste da cena, mesmo que as duas gravações soem limpas separadamente.
Aceite o áudio somente se a correção factual, as transições e a relação combinarem com o briefing aprovado. Se uma nova tomada completa trouxer um resultado mais útil, use-a. A edição local é uma possível ferramenta de produção, não uma obrigação de preservar uma interpretação original inadequada.
Reabra a sincronização labial apenas onde o áudio aceito foi alterado
Uma nova sincronização da boca para o plano afetado
Briefing de substituição: plano afetado ___; áudio original ___; substituição aceita ___; referência aprovada do personagem fictício ___; fala necessária ___; verificação visual pendente ___. Preserve o original e identifique claramente a tomada aceita.
A sincronização labial do APOB é uma etapa posterior opcional para entradas de áudio e imagem compatíveis que você tenha autorização para usar. Sua função prática é gerar uma nova interpretação falada para revisão. Não é um conector automático de correção da Fish e não garante quadros vizinhos idênticos.
Um plano de reação inalterado que pode continuar utilizável
Um plano de escuta não afetado pela correção pode continuar servindo se a ação, a direção do olhar e a duração ainda forem adequadas. Confira, em vez de substituir todos os materiais por padrão. Manter um plano é uma decisão de produção, não uma prova de um sistema de dependências entre ferramentas.
Se precisar de uma nova fonte visual, examine a função de imagem para vídeo do APOB e quais modelos ela realmente admite. Separe a criação de materiais das afirmações sobre o acesso à edição de fala.
Uma verificação separada do tempo de edição final
A pessoa responsável pela montagem em um editor externo deve revisar em conjunto o áudio aceito, o plano de quem fala, a reação e a sincronização das legendas. A nova frase pode mudar a duração aproveitável. A coincidência das palavras, por si só, não valida a cena montada.
Em 2 de novembro de 2026, este artigo continua sendo uma prévia de pesquisa que distingue os níveis de acesso e uma especificação original de correção. Confira a disponibilidade atual da Fish antes de testar. Sem acesso por convite, use uma regravação completa autorizada; não invente a interface que falta nem apresente estas verificações pendentes como testes concluídos.
Fontes
Equipe Fish Audio, relatório técnico do Fish Audio Drama 3, 13 de outubro de 2026; consultado em 2 de novembro de 2026
Fish Audio, anúncio do Drama 3, 13 de outubro de 2026; consultado em 2 de novembro de 2026
Fish Audio, repositório oficial do Fish Speech
APOB, gerador gratuito de vídeos com sincronização labial por IA; consultado em 2 de novembro de 2026























