Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAPI / Produto · Pronto p/ usoHabr AI→ original

Rádio de Euro Truck Simulator 2 aprende a ler notícias e a agradecer doações por $1

O autor de um rádio-companheiro para Euro Truck Simulator 2 acrescentou à programação, em um dia de trabalho, notícias, saudações aos espectadores do streamer e agradecimentos em voz por doações. As 23 falas foram dubladas com antecedência e só vão ao ar depois de ouvidas por uma pessoa. O pacote inteiro custou cerca de $1, então reescrever e regravar uma frase não pesa no bolso. Se você quer montar um recurso de voz próprio, use a mesma cadeia: rascunho, revisão humana, síntese, verificação, flag.

Processado por IA de Habr AI; editado por Hamidun News
Rádio de Euro Truck Simulator 2 aprende a ler notícias e a agradecer doações por $1
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Acentuaçãodicionário de 101 palavras; «гудни» vai para a síntese como «гуднии»
Verificação com GigaAM v3limite de correspondência com o texto original de 80%
Consulta à YouTube API~330 unidades de cota por hora, de um total de 10 000 por dia

Personagens de IA com voz costumam falhar nos detalhes, e não na síntese: o sintetizador coloca a sílaba tônica no lugar errado, e uma fala não verificada vai ao ar. O autor do projeto «Канал 15» (“Canal 15”), um programa-companheiro para Euro Truck Simulator 2 em que dezoito caminhoneiros fictícios comandam uma transmissão de rádio, contou como adicionou três mecânicas em um único dia de trabalho: notícias de games do dia, saudações aos espectadores do streamer e agradecimento em voz por doações. Um exemplo é o «гудни» do jargão dos caminhoneiros (de goodnight, o desejo de boa noite), que o sintetizador insiste em ler como «гУдни».

Esse tipo de erro precisa ser pego antes de ir ao ar. No total, 23 falas passaram pelo pipeline, e o pool inteiro custou cerca de $1. Se você trabalha com personagens falados, bots para streams ou qualquer recurso de voz com falas pré-gravadas, pode adotar essa abordagem como um checklist pronto.

O que foi adicionado e quais regras foram definidas

O rádio lê a telemetria do jogo a partir da memória compartilhada e não mexe nos arquivos do jogo. As notícias ficam a cargo do personagem da contabilidade: ele já envia ao jogador mensagens de voz por qualquer «multa», então a voz combina com o papel. Os comentários sobre as notícias vêm dos próprios motoristas. As doações são captadas por um detector separado: um script consulta o DonationAlerts ou similar e, quando ocorre uma doação, dispara um agradecimento previamente aprovado e dublado.

Há três restrições. A primeira: as vozes são sintetizadas com antecedência, sem síntese em tempo real. A transmissão precisa funcionar offline, e a fala seguinte sai de um «baralho». O próprio autor tem dúvidas se essa restrição é realmente necessária, mas admite que ela deixa o projeto mais interessante. A segunda: todo texto passa pelo ouvido de uma pessoa. Assistentes de IA escrevem rascunhos a partir de um briefing, mas só o que foi aprovado e ouvido vai ao ar. A terceira: o novo não pode quebrar a build estável, por isso tudo é liberado atrás de flags.

A cadeia de cada fala é: rascunho do assistente de IA, aprovação humana, síntese no ElevenLabs, verificação por reconhecimento de fala, entrada no baralho, flag piloto, transmissão. O detector de doações não sabe nada sobre a transmissão: recebe o evento e coloca a fala pronta na fila. Os agradecimentos não são gerados em tempo real; a doação apenas escolhe uma frase de um pool preparado.

Flags em vez de branches e dois circuitos de verificação da dublagem

Três flags na configuração, stream_news_pilot, stream_greet_pilot e donation_pilot, vêm desligadas por padrão e são ativadas separadamente para cada stream. As vantagens: não há forks, a bancada de testes roda sempre o mesmo código, e o rollback é uma mudança de configuração, não a reversão de commits. O autor transformou a desvantagem em regra: todo flag piloto precisa passar pela bancada de testes com o flag ligado, senão vira um ramo morto de código que ninguém percebe. A bancada é uma simulação de viagens com seeds fixas, e o critério de aceitação do piloto é 20 execuções verdes em 20, sem novos avisos do linter.

O primeiro circuito atua antes da síntese e trata da acentuação. O projeto tem um dicionário de 101 palavras, atualizado a cada incidente. O script passa a fala pelo ruaccent e compara com o dicionário; em caso de divergência, a fala volta para correção. O texto chega à síntese com uma substituição rudimentar, mas confiável: a vogal tônica é duplicada («гуднии»). Quem sugere candidatos ao dicionário é o GigaChat (pacotes gratuitos do Sber), mas a fonte da verdade é o dicionário, e a marcação feita pelo modelo é confirmada por uma pessoa.

O segundo circuito vem depois da síntese. A faixa pronta é ouvida pelo GigaAM v3, um modelo aberto de reconhecimento de fala do Sber que roda localmente, de graça e sem rede. O texto reconhecido é comparado com o original, com limite de correspondência de 80%. Uma palavra perdida ou uma tônica errada aparece de imediato, e as falas suspeitas vão para escuta manual. Ouvir cada frase pessoalmente sai mais caro, e a automação pega os mesmos defeitos típicos.

Circuito do YouTube, cotas e custo

O rádio obtém as métricas do stream (espectadores, mensagens do chat, inscritos, Super Chat) pela API oficial YouTube Data API v3, sem scraping. O método liveBroadcasts.list encontra a transmissão ativa e devolve o liveChatId, que fica em cache durante a sessão. Em seguida vem a consulta periódica com liveChatMessages.list, de até 200 mensagens por chamada. Essa consulta consome cerca de 330 unidades de cota por hora, para um limite diário de 10 000. Até uma transmissão de três horas gasta, portanto, aproximadamente um décimo do orçamento diário.

A dependência é rígida: é preciso um token OAuth do dono do canal, com acesso somente de leitura. Por isso o circuito fica atrelado a um canal e a uma máquina específicos do streamer. Um jogador comum não tem o token, e o piloto se desliga silenciosamente, enquanto a transmissão continua funcionando. Outro problema: em um aplicativo OAuth com status «Testing», o refresh token dura sete dias, e a autorização cai toda semana, no meio do trabalho. A solução é colocar o aplicativo em production com o botão «Publish app»; a verificação não é necessária para um aplicativo de um único usuário.

A síntese de uma fala custa alguns centavos. O pool do dia, com 23 falas e cerca de 3,8 mil caracteres, saiu por aproximadamente um dólar, menos que uma xícara de café, então o ciclo «reescrever e regravar» não dói. O que pesa mais é o tempo e os limites dos assistentes de IA: eles precisam entrar no planejamento do dia, e não ser descobertos à noite.

Conclusão prática: para conteúdo de voz pré-gravado, a combinação de rascunho, aprovação humana obrigatória, síntese, verificação por reconhecimento de fala e feature flag permite lançar uma nova mecânica em um dia sem mexer na build estável. O essencial é rodar os testes com o flag ligado, senão o piloto vira código morto.

História

Perguntas frequentes sobre a notícia

O que foi adicionado e quais regras foram definidas?

O rádio lê a telemetria do jogo a partir da memória compartilhada e não mexe nos arquivos do jogo. As notícias ficam a cargo do personagem da contabilidade: ele já envia ao jogador mensagens de voz por qualquer «multa», então a voz combina com o papel. Os comentários sobre as notícias vêm dos próprios motoristas. As doações são captadas por um detector separado: um script consulta o DonationAlerts ou similar e, quando ocorre uma doação, dispara um agradecimento previamente aprovado e dublado. Há três restrições.

O que se sabe sobre Flags em vez de branches e dois circuitos de verificação da dublagem?

Três flags na configuração, stream_news_pilot, stream_greet_pilot e donation_pilot, vêm desligadas por padrão e são ativadas separadamente para cada stream. As vantagens: não há forks, a bancada de testes roda sempre o mesmo código, e o rollback é uma mudança de configuração, não a reversão de commits. O autor transformou a desvantagem em regra: todo flag piloto precisa passar pela bancada de testes com o flag ligado, senão vira um ramo morto de código que ninguém percebe.

O que se sabe sobre Circuito do YouTube, cotas e custo?

O rádio obtém as métricas do stream (espectadores, mensagens do chat, inscritos, Super Chat) pela API oficial YouTube Data API v3, sem scraping. O método liveBroadcasts.list encontra a transmissão ativa e devolve o liveChatId, que fica em cache durante a sessão. Em seguida vem a consulta periódica com liveChatMessages.list, de até 200 mensagens por chamada. Essa consulta consome cerca de 330 unidades de cota por hora, para um limite diário de 10 000.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…