Enseñaron a la radio de Euro Truck Simulator 2 a leer noticias y a agradecer donaciones por $1
El autor de la radio acompañante de Euro Truck Simulator 2 añadió en una jornada de trabajo noticias, saludos a los espectadores del streamer y agradecimientos de voz por donaciones. Las 23 frases están locutadas de antemano y solo salen al aire después de que una persona las escucha. Todo el conjunto costó unos $1, así que reescribir y volver a locutar una frase no duele. Si vas a montar una función de voz propia, puedes usar la misma cadena: borrador, persona, síntesis, verificación, flag.
Procesado por IA desde Habr AI; editado por Hamidun News
Un personaje de IA con voz suele fallar no en la síntesis, sino en los detalles: el sintetizador pone mal el acento y una frase sin revisar sale al aire. El autor de «Канал 15», un programa acompañante de Euro Truck Simulator 2 en el que dieciocho camioneros ficticios llevan una emisión de radio, contó cómo añadió en una sola jornada de trabajo tres mecánicas: las noticias del día sobre el juego, los saludos a los espectadores del streamer y un agradecimiento de voz por las donaciones. Por ejemplo, el «гудни» de los camioneros (de goodnight, el deseo de buenas noches) el sintetizador lo lee obstinadamente como «гУдни», y eso hay que detectarlo antes de la emisión.
En total pasaron por el pipeline 23 frases, y todo el conjunto salió por aproximadamente $1. Si haces personajes con voz, bots para streams o cualquier función de voz con frases grabadas de antemano, este enfoque te sirve como lista de comprobación lista para usar.
Qué se añadió y qué reglas se fijaron
La radio lee la telemetría del juego desde la memoria compartida y no toca los archivos del propio juego. Las noticias las lee el personaje de contabilidad: ya envía al jugador mensajes de voz por cada «multa», así que su voz encaja con el papel. Los comentarios a las noticias los reparten los propios conductores. Las donaciones las capta un detector aparte: un script consulta DonationAlerts o un servicio equivalente y, cuando llega una donación, lanza un agradecimiento previamente aprobado y locutado.
Hay tres restricciones. La primera: las voces se sintetizan de antemano, sin síntesis sobre la marcha. La emisión debe funcionar sin conexión y la siguiente frase se toma de un «mazo». El propio autor duda de lo necesaria que es esta restricción, pero admite que añade interés. La segunda: todo texto pasa por el oído de una persona. Los asistentes de IA escriben borradores a partir de un brief, pero al aire solo llega lo aprobado y escuchado. La tercera: lo nuevo no debe romper la compilación estable, por eso todo se despliega detrás de flags.
La cadena de una frase es esta: borrador del asistente de IA, aprobación humana, síntesis en ElevenLabs, verificación mediante reconocimiento de voz, registro en el mazo, flag piloto, emisión. El detector de donaciones no sabe nada de la emisión: recibe el evento y pone en cola una frase ya preparada. Los agradecimientos no se generan sobre la marcha; la donación solo elige una frase de un conjunto preparado.
Flags en lugar de ramas y dos circuitos de verificación de la voz
Tres flags en la configuración (stream_news_pilot, stream_greet_pilot y donation_pilot) están desactivados por defecto y se activan por separado para cada stream. Ventajas: no hay forks, el banco de pruebas ejecuta siempre el mismo código y revertir es cambiar la configuración, no deshacer commits. El inconveniente lo convirtió el autor en regla: cada flag piloto debe pasar el banco de pruebas con el flag activado; de lo contrario, se acaba con una rama de código muerta e invisible. El banco de pruebas es una simulación de viajes con semillas fijas, y el criterio de aceptación de un piloto es 20 ejecuciones en verde de 20, sin nuevas advertencias del linter.
El primer circuito actúa antes de la síntesis y se ocupa de los acentos. El proyecto tiene un diccionario de 101 palabras que se amplía a raíz de incidentes. El script pasa la frase por ruaccent y la compara con el diccionario; si hay discrepancia, la frase vuelve a revisión. Al sintetizador el texto llega con una sustitución tosca pero fiable: la vocal tónica se duplica («гуднии»). Los candidatos para el diccionario los propone GigaChat (paquetes gratuitos de Sber), pero la fuente de verdad es el diccionario, y el marcado del modelo lo confirma una persona.
El segundo circuito actúa después de la síntesis. La pista terminada la escucha GigaAM v3, un modelo abierto de reconocimiento de voz de Sber que funciona en local, gratis y sin red. El texto reconocido se compara con el de referencia, con un umbral de coincidencia del 80%. Una palabra perdida o un acento equivocado salen a la luz de inmediato, y las frases sospechosas pasan a escucha manual. Escuchar cada frase uno mismo es más caro, y la automatización detecta los mismos defectos típicos.
El circuito de YouTube, las cuotas y el coste
Las métricas del stream (espectadores, mensajes del chat, suscriptores, Super Chat) la radio las obtiene mediante la API oficial YouTube Data API v3, sin scraping. El método liveBroadcasts.list encuentra la emisión activa y devuelve el liveChatId, que se guarda en caché durante la sesión. Después se consulta liveChatMessages.list, hasta 200 mensajes por llamada. La consulta consume unas 330 unidades de cuota por hora con un límite diario de 10 000, de modo que incluso una emisión de tres horas gasta aproximadamente una décima parte del presupuesto diario.
La dependencia es estricta: hace falta un token OAuth del propietario del canal con acceso solo de lectura, por lo que el circuito queda ligado a un canal concreto y a la máquina del streamer. Un jugador normal no tiene ese token, y el piloto se desactiva en silencio mientras la emisión sigue funcionando. Hay además un escollo aparte: en una aplicación OAuth en estado «Testing», el refresh token dura siete días y la autorización caduca cada semana en pleno trabajo. Se soluciona pasando la aplicación a producción con el botón «Publish app»; para una aplicación de un solo usuario no hace falta verificación.
La síntesis de una frase cuesta unos pocos centavos. El conjunto del día, 23 frases y unos 3,8 mil caracteres, costó aproximadamente un dólar, menos que una taza de café, de modo que las iteraciones de «reescribir y volver a locutar» no resultan dolorosas. Cuestan más el tiempo y los límites de los asistentes de IA: conviene incluirlos en el plan del día y no descubrirlos por la tarde.
Conclusión práctica: para contenido de voz grabado de antemano, la cadena «borrador, aprobación humana obligatoria, síntesis, verificación por reconocimiento de voz, feature flag» permite sacar una mecánica nueva en un día sin tocar la compilación estable. Lo esencial es ejecutar las pruebas con el flag activado; de lo contrario, el piloto se convierte en código muerto.
- 22 abr 2026Ford lanza un asistente de IA para flotas que vigila los cinturones de seguridad de los conductores
- 12 nov 2026Nuance Labs lanza Emma, un avatar que asiente y reacciona mientras usted todavía habla
- 30 abr 2026Nvidia presenta el primer conjunto de datos abierto y modelos de IA base para robots médicos
- 27 abr 2026Sereact capta 110 millones de dólares para una IA que permite a los robots calcular las consecuencias de sus acciones
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué se añadió y qué reglas se fijaron?
La radio lee la telemetría del juego desde la memoria compartida y no toca los archivos del propio juego. Las noticias las lee el personaje de contabilidad: ya envía al jugador mensajes de voz por cada «multa», así que su voz encaja con el papel. Los comentarios a las noticias los reparten los propios conductores. Las donaciones las capta un detector aparte: un script consulta DonationAlerts o un servicio equivalente y, cuando llega una donación, lanza un agradecimiento previamente aprobado y locutado.
¿Qué se sabe sobre Flags en lugar de ramas y dos circuitos de verificación de la voz?
Tres flags en la configuración (stream_news_pilot, stream_greet_pilot y donation_pilot) están desactivados por defecto y se activan por separado para cada stream. Ventajas: no hay forks, el banco de pruebas ejecuta siempre el mismo código y revertir es cambiar la configuración, no deshacer commits. El inconveniente lo convirtió el autor en regla: cada flag piloto debe pasar el banco de pruebas con el flag activado; de lo contrario, se acaba con una rama de código muerta e invisible.
¿Qué se sabe sobre El circuito de YouTube, las cuotas y el coste?
Las métricas del stream (espectadores, mensajes del chat, suscriptores, Super Chat) la radio las obtiene mediante la API oficial YouTube Data API v3, sin scraping. El método liveBroadcasts.list encuentra la emisión activa y devuelve el liveChatId, que se guarda en caché durante la sesión. Después se consulta liveChatMessages.list, hasta 200 mensajes por llamada.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.