docs: guía de autoservicio TTS para Inma/Mixbot (#222) #223

Merged
rafa merged 4 commits from docs/tts-audio-inma-222 into main 2026-08-31 11:39:04 +00:00
3 changed files with 442 additions and 0 deletions
@@ -0,0 +1,161 @@
# Guía de traducción (EN/FR/IT/PT) en autoservicio — para Inma / Mixbot
> **Para quién es este documento:** para Inma y Mixbot, a partir de la conversación del
> 2026-08-31 en Buzz: además del audio ([#222](https://gitea.feadulta.com/rafa/feadulta/issues/222),
> ver `docs/guia-tts-audio-autoservicio-inma-mixbot.md`), Rafa quiere traspasar también la
> traducción. A diferencia del audio, hoy **no hay un issue abierto pidiéndolo** — este
> documento adelanta el trabajo para cuando se dispare.
>
> **Motores autorizados por Rafa (2026-08-31):** un agente local con Haiku desde el propio
> Claude/Cowork de Inma (no la API de pago de Rafa — es otra cuenta, otro caso), o MiniMax
> con el mismo token ya compartido para el audio. **Gemma queda fuera para vosotros**: es un
> modelo local que corre en la GPU del PC de Rafa, no accesible desde fuera.
---
## 0. Antes de nada: esto también tiene un tope bloqueante
Igual que pasaba con el audio, **hoy no hay forma de decirle a WordPress "esta traducción
va en inglés y es la versión de este post en español"** desde fuera. Ese enlace (idioma +
grupo de traducción) lo gestiona Polylang con dos funciones PHP internas
(`pll_set_post_language`, `pll_save_post_translations`) que **no están expuestas por REST**
ni siquiera de lectura (el único endpoint que hay, `fea/v1/lang/{id}`, solo lee el idioma, no
permite fijarlo ni enlazar grupos).
Podéis crear el post traducido por `POST /wp/v2/posts` sin problema (igual que cualquier
artículo), pero **quedaría suelto**: sin idioma asignado y sin enlace Polylang al original en
español, así que el selector de idioma del sitio no lo encontraría y no contaría como "la
traducción EN de este artículo".
**Esto necesita el mismo tipo de solución que el audio**: un endpoint `fea/v1/crear-traduccion`
(o registrar la taxonomía `language` de Polylang en REST con permisos de administrador) que
haga internamente lo mismo que ya hace `scripts/fea_translate_helper.php::create` en local:
crear el post, `pll_set_post_language($id, $lang)`, y `pll_save_post_translations($grupo)`
enlazándolo con el ES. No lo he encargado todavía — es una pieza más grande que la del audio
(toca la lógica central de multiidioma del sitio) y prefiero que Rafa decida el momento y el
alcance antes de que Codix la construya. Documento aquí el resto del proceso para que, en
cuanto ese hueco se cierre, solo falte la llamada final.
---
## 1. Las reglas de traducción (igual las use vuestro Claude/Haiku o MiniMax)
Esto es el prompt real que usa el pipeline de Rafa (`scripts/translate_post.py`), verificado
palabra por palabra el 2026-08-31 contra el código — usadlo tal cual, no lo resumáis:
> Eres un traductor profesional de textos religiosos cristianos (espiritualidad y teología
> católica). Traduce del español al {idioma destino}. REGLAS ESTRICTAS:
> 1. Conserva EXACTAMENTE el marcado HTML (etiquetas y atributos) y los shortcodes entre `[ ]`
> y `{ }`. No los traduzcas ni los reordenes.
> 2. NO traduzcas las referencias bíblicas ni sus abreviaturas (p. ej. "Jn 3, 16", "Isaías 5,
> 1-7", "Mt 5"). Déjalas idénticas.
> 3. Conserva los nombres propios de persona y lugar (salvo exónimos establecidos).
> 4. Glosario fijo: "Fe Adulta" → "Fe Adulta" (en/fr/it/pt, no se traduce); "EFFA" → "EFFA"
> (igual, en los 4 idiomas).
> 5. Traducción FIEL: no resumas, no añadas, no comentes.
Para el **título**, además: que quede natural en el idioma destino (no lo dejéis en español
salvo que sea un nombre propio o una marca), y si es un modismo, traducid el sentido, no lo
calquéis literal.
## 2. El "learning" del título — dadle el primer párrafo como contexto
Esto es lo que pedía Rafa explícitamente documentar. **Aviso de precisión:** este cambio
existe como commit (`4475ebb`, rama `feat/issue-200-title-context`) pero **no está fusionado
a `main`** — verificado el 2026-08-31 comparando el histórico. O sea: si alguna vez volvéis a
usar `scripts/translate_post.py` tal cual desde main, el título se traduce SIN este contexto.
Para vuestro proceso propio (agente Haiku o llamada directa a MiniMax) aplicad la técnica de
todas formas, es la que ya dio mejor resultado en pruebas:
- **Traducid primero el cuerpo del artículo, el título al final** — necesitáis el cuerpo ya
traducido (o al menos leído) para poder darle contexto al título.
- Al traducir el título, añadid al prompt el **primer párrafo del cuerpo en español**
(recortado a 2000 caracteres), como contexto de significado — no se traduce ni se incluye
literal en la salida, solo ayuda al modelo a entender modismos o dobles sentidos del
título que sin ese contexto salen mal traducidos.
- Instrucción exacta añadida al prompt del título: *"Si es un modismo, interpreta su sentido
según el contexto, no lo calques."*
## 3. Troceo de artículos largos
Si usáis MiniMax para traducir (no Haiku, que admite el artículo entero de una vez gracias a
su contexto de 200k), trocead el HTML por párrafos completos (nunca a mitad de una etiqueta)
en bloques de ~5.000 caracteres, y unid las traducciones de cada trozo en el mismo orden.
## 4. QA — checklist antes de dar una traducción por buena
Reformulado en REST puro (el script original, `gate_mec2.php`, corre dentro de WP y usa
funciones de Polylang no disponibles desde fuera — pero las comprobaciones sí son igual de
válidas mirando el JSON de cada post por la API):
Para cada origen ES y cada idioma que hayáis traducido, comparad contra el post ES:
1. **Cobertura**: los 4 idiomas presentes (o los que toque — Pagola nunca lleva traducción
automática, ver §5).
2. **Estado**: la traducción en `draft` hasta que se revise (salvo que el ES ya esté
`publish` y la carta lo pida — ver `docs/guia-publicacion-carta-inma.md`).
3. **Sin residuos de generación**: buscar literalmente en el `content` devuelto por la API
cadenas como `</strong>**`, `</strong></strong>`, `&lt;&gt;`, `<<<INI>>>`, `<<<FIN>>>`,
`|||FIN`, o cualquier resto de las marcas del prompt.
4. **Sin alfabetos ajenos**: ningún carácter árabe/cirílico/CJK en el resultado (residuo
típico de generación que se cuela cuando el modelo "piensa" en otro idioma).
5. **Mismo nº de párrafos** que el ES (contar apariciones de `<p` en el HTML). Un desajuste
suele significar que el modelo se comió contenido en el troceado.
6. **Mismo nº de enlaces `<a href>`** que el ES — **es el check que más falla y el más
importante**: en la carta 739, el italiano perdió 15 de 39 enlaces en uno de los trozos
troceados mientras EN/FR salieron bien, y nada posterior lo detecta si no lo comprobáis
aquí. Si hay menos enlaces en la traducción que en el ES, **no la deis por buena**.
7. **Referencias bíblicas equivalentes**: extraer patrones tipo `capítulo,versículo` de
ambos textos y comparar solo capítulo:versículo, **no la abreviatura del libro completa**
(el inglés cambia la coma por dos puntos y traduce el nombre: `Mt 15,21-28` en ES pasa a
`Matthew 15:21-28` en EN — comparar literal daría un falso positivo de "referencia
perdida").
8. **Título distinto del ES** (salvo portugués, donde algunos nombres propios/citas
coinciden de forma legítima).
Capa editorial adicional si tenéis acceso a un modelo capaz de juzgar fidelidad (vuestro
Claude/Haiku local sirve para esto): pedidle que lea origen y traducción y devuelva un
veredicto `approve` / `needs_review` / `rewrite` con la cita exacta del problema — descartad
cualquier hallazgo cuya cita no aparezca literal en el texto (evita ediciones basadas en
alucinaciones del propio revisor).
## 5. Excepciones que no lleváis por la vía automática
- **Autores que aportan su propia traducción humana** (hoy, Pagola: 4 DOCX por carta,
adjuntos en el issue de la semana) — nunca generéis fallback automático para ellos aunque
falte alguno de los 4 idiomas.
- **Textos litúrgicos enlazados desde la carta** (evangelio, lecturas) — confirmar con Rafa
si entran en el alcance de "todo lo de la carta" o se dejan fuera; ha habido confusión
antes sobre esto (no dar por hecho que "ya deben estar traducidos").
## 6. Cómo leer la cuota de MiniMax
Con el mismo token que ya tenéis para el audio:
```bash
curl -s https://api.minimax.io/v1/token_plan/remains \
-H "Authorization: Bearer <TOKEN>" -H "Content-Type: application/json"
```
Del JSON de respuesta:
- `base_resp.status_code` debe ser `0` (cualquier otro valor es error de cuenta/plan, ver
`base_resp.status_msg`).
- `model_remains` es una lista por modelo. El de texto/traducción es el que tiene
`model_name == "general"`; los de audio son los `speech-2.8-*` que ya usáis para TTS.
- De cada entrada: `current_interval_remaining_percent` (cuánto queda de la ventana de 5h
que se resetea sola — `end_time` es cuándo) y `current_weekly_remaining_percent` /
`weekly_end_time` (la ventana semanal, más amplia). Restad a 100 para saber "cuánto habéis
gastado" si preferís verlo así.
Igual que con el audio: un HTTP 200 no es garantía de cuota — cuando `t2a_v2` o el endpoint
de traducción devuelvan `base_resp.status_code=2056` (plan agotado) o `1039` (límite de
ritmo), parad y reintentad más tarde, no machaquéis la API.
## 7. Qué falta para que esto sea autoservicio de verdad
- **Bloqueante (§0):** endpoint o mecanismo para fijar idioma + enlazar grupo Polylang de
cada traducción — sin esto podéis generar el texto pero no "engancharlo" al sitio como
traducción real, igual que pasaba con el audio antes del #222.
- Decisión pendiente de Rafa (no la resuelvo yo aquí): si vuestro agente de traducción va a
tener acceso de shell/SSH al WordPress (como tenía Hermes) o va a ser puramente REST como
el resto de vuestro trabajo — cambia bastante el diseño del endpoint que haría falta.
@@ -0,0 +1,268 @@
# Guía de generación de audio (TTS) en autoservicio — para Inma / Mixbot
> **Para quién es este documento:** para Inma y Mixbot, a partir del traspaso pedido por
> Rafa (issue [#222](https://gitea.feadulta.com/rafa/feadulta/issues/222)): dejar de pedirle
> el audio a Hermes y generarlo y subirlo vosotros mismos, con vuestro propio token de MiniMax.
>
> **Estado a 2026-08-31:** completo y **desplegado en producción**. El endpoint
> `fea/v1/subir-audio` (PR [#224](https://gitea.feadulta.com/rafa/feadulta/pulls/224)) ya está
> en prod y verificado de extremo a extremo por Claudix con una subida real. El punto 1 del
> #222 queda cerrado — ver §6 para la llamada real.
>
> Este documento sustituye, para el caso de uso "Inma/Mixbot generan directamente", a la
> sección 4 de `docs/guia-tts-traduccion-inma.md` (que describe el flujo antiguo vía Hermes
> ejecutando `scripts/tts_produce.py` en el PC de Rafa). Ese flujo sigue existiendo como
> alternativa si alguna vez hace falta que Hermes lo dispare, pero deja de ser el camino
> principal.
---
## 1. Por qué este documento existe
La generación de audio con MiniMax no es "coger el texto del artículo y pedirle un mp3".
El resultado suena mal (entonación cortada, pausas artificiales o inexistentes, sección de
cabecera/firma leída en voz alta) si no se prepara el texto antes. Todo lo de abajo salió de
prueba y error real sobre cartas ya publicadas — no es una recomendación genérica de MiniMax,
es la receta que ya suena bien en producción. Seguidla tal cual, no la simplifiquéis.
## 2. La cuenta y las voces
- **Endpoint:** `https://api.minimax.io/v1/t2a_v2` (modelo de síntesis).
- **Modelo:** `speech-2.8-hd` (calidad) o `speech-2.8-turbo` (más barato, para pruebas).
- **Voces clonadas por autor** (issue #152 — solo estos autores usan su propia voz; el resto
cae a la voz por defecto):
| Autor | WP user_id | `voice_id` |
|---|---:|---|
| Fray Marcos | 382 | `FrayMarcosFeadulta2026` |
| José Antonio Pagola | 383 | `PagolaFeadulta2026` |
| José Luis Sicre | 774 | `SicreFeadulta2026` |
| José Arregi | 386 | `ArregiFeadulta2026` |
- **Voz por defecto (resto de autores):** confirmar con Rafa cuál es la vigente antes de
arrancar — hay más de una en la cuenta (`NicoFeadulta2026` y una más reciente,
`nico_feadulta_es_20260802`) y usar la que no toca es un error fácil de cometer sin verlo
(issue #189, todavía sin cerrar del todo). **No deis por hecho ninguna de las dos sin
preguntar primero.**
- Un autor nuevo sin voz clonada = voz por defecto. Clonar una voz nueva requiere el
procedimiento del #152 (audio limpio 2-5 min, sin música de fondo) — no es autoservicio
desde este documento, es un paso aparte.
## 3. Preparar el texto (la parte que importa)
Partiendo del **HTML del artículo en español** (el campo `content` que devuelve
`GET /wp-json/wp/v2/posts/{id}?context=edit`), en este orden exacto:
### 3.1 Limpiar el HTML a texto plano por párrafos
1. Sustituir `</p>`, `<br>`/`<br/>` y `</h1>``</h6>` por un salto de línea.
2. Quitar el resto de etiquetas HTML.
3. Quitar shortcodes `[...]` (multimedia, cajas, etc. — no se locutan).
4. Decodificar entidades HTML (`&aacute;``á`, etc.).
5. Separar en párrafos por línea, colapsar espacios múltiples, descartar líneas de 1
carácter o menos (restos de saltos vacíos).
### 3.2 Cortar la firma final del autor
Los artículos suelen terminar con una línea corta tipo `José Antonio Pagola` o
`Fray Marcos` — hay que **conservar esa línea y cortar todo lo que venga después**
(enlaces, notas, anexos), porque eso sí sobra en el audio.
Cómo detectarla (mirando desde el final del artículo hacia atrás, no desde el principio):
un párrafo cuenta como firma si tiene entre 2 y 6 palabras, ninguna palabra supera lo
razonable para un nombre propio, no contiene dígitos ni `:`, `;`, `http`, `www.`, `@`, y
cada palabra empieza en mayúscula (se permiten minúsculas para conectores como "de", "del",
"la", "las", "los", "y", "e"). **Importante:** solo cuenta como firma si hay al menos 200
caracteres de contenido real *antes* de ese párrafo — si no, podéis confundir un encabezado
inicial corto (p. ej. `"CORPUS (A)"`, `"DOMINGO XI (A)"`) con la firma y cortar el artículo
entero por error. Buscad la firma desde el final, quedaos con el primer párrafo (contando
desde atrás) que cumpla la condición, y descartad todo lo posterior.
### 3.3 Expandir abreviaturas bíblicas
MiniMax lee mal `Mt 5, 1-12`. Antes de generar el audio, expandir el nombre del libro
cuando la abreviatura va seguida de un número (cita bíblica): `Mt``Mateo`, `Mc``Marcos`,
`Lc``Lucas`, `Jn``Juan`, `Rom`/`Rm``Romanos`, etc. Hay un listado largo de ~70
abreviaturas en `scripts/minimax_tts.py::expand_bible_abbreviations` (repo `joomla-migration`)
— reutilizadlo tal cual en vez de rehacer la lista a mano, es fácil dejarse alguna.
### 3.4 Insertar pausas — el hallazgo central de este documento
MiniMax soporta marcas de pausa literales dentro del texto: `<#0.3#>` inserta 0,3 s de
silencio en ese punto exacto. Sin estas marcas el audio suena corrido y sin respiración;
poniendo una pausa fija igual en todos los puntos suena robótico. La receta que sí funciona
es **pausa proporcional a la longitud de la frase que se acaba de cerrar**:
- Tras cada fin de frase (`.`, `!`, `?`, `…`), calcular el nº de palabras de esa frase:
- frase corta (< 6 palabras) → pausa **0,1 s**
- frase media (6-12 palabras) → pausa **0,2 s**
- frase larga (> 12 palabras) → pausa **0,3 s**
(umbrales configurables, pero estos son los que ya suenan bien; no hace falta tocarlos)
- Entre párrafos (allí donde había una línea en blanco en el original) → pausa fija de
**0,7 s**, más larga que cualquier pausa de frase — es lo que hace que el oído perciba el
cambio de idea/tema.
- La última pausa de frase de cada párrafo se descarta (queda sustituida por la del
párrafo, que ya es más larga — poner las dos seguidas suena a silencio muerto).
- **Todo bloque (título, párrafo) que no termine en signo de puntuación se cierra con un
punto antes de generar el audio.** Sin esto, MiniMax deja la entonación "abierta" en el
aire al final de un título o frase cortada — se nota mucho y es fácil no darse cuenta en
texto pero sí al oído.
Ejemplo de transformación (simplificado):
```
Entrada: "Jesús les dijo esto. Y añadió una frase mucho más larga sobre lo que significaba
seguirle de verdad en el día a día.\n\nOtro párrafo distinto."
Salida: "Jesús les dijo esto. <#0.1#> Y añadió una frase mucho más larga sobre lo que
significaba seguirle de verdad en el día a día. <#0.7#> Otro párrafo distinto."
```
(la frase corta cerró con 0,1s pero esa marca se sustituye por la de párrafo 0,7s al ser la
última del bloque; la larga, al no ser la última del párrafo, habría llevado 0,3s si hubiera
seguido más texto en el mismo párrafo).
Referencia de implementación exacta (por si hay dudas de un caso concreto):
`scripts/minimax_tts.py::add_pauses` + `_sent_pause` + `ensure_terminal_punctuation`.
### 3.5 Trocear si el texto es largo
MiniMax limita cada petición a 10.000 caracteres; dejamos margen porque las marcas de pausa
también cuentan, así que **el límite práctico es 8.000 caracteres por petición**. Cartas
largas hay que trocearlas:
- Cortar **solo por los puntos donde ya hay una marca de pausa** (nunca a mitad de frase).
- Entre petición y petición, **esperar 35 segundos** — es el límite de ritmo (TPM) de la
cuenta MiniMax; sin esta espera, la segunda petición puede fallar aunque quede cuota.
- Los fragmentos de audio resultantes se concatenan con `ffmpeg` (`concat` a nivel de audio,
sin recodificar más de lo necesario) para producir un único mp3 final.
## 4. Llamar a la API
```
POST https://api.minimax.io/v1/t2a_v2
Authorization: Bearer <TOKEN>
Content-Type: application/json
{
"model": "speech-2.8-hd",
"text": "<texto con pausas <#s#> ya insertadas>",
"voice_setting": {"voice_id": "<voice_id de la tabla del §2>", "speed": 1.0, "vol": 1.0, "pitch": 0},
"audio_setting": {"sample_rate": 32000, "bitrate": 128000, "format": "mp3", "channel": 1},
"language_boost": "Spanish"
}
```
La respuesta trae el audio en `data.audio` como **hexadecimal**, no base64 — decodificarlo a
bytes antes de escribir el mp3.
### Errores de cuota — no reintentéis en bucle
Si `data.audio` viene vacío, mirad `base_resp.status_code`:
- **`2056`** = cuota del plan agotada (se resetea con el tiempo, horas).
- **`1039`** = límite de ritmo por minuto (TPM) — bajad la cadencia, no lo repitáis al
segundo siguiente.
Un HTTP 200 **no significa que haya audio** — hay que mirar siempre el `base_resp` del
cuerpo. Ante cualquiera de estos dos códigos: **parad y reintentad más tarde**, no
machaquéis la API en bucle esperando que cambie.
**Cómo comprobar la cuota disponible antes de lanzar una tanda** (importante si vais a
procesar el backlog histórico del #188 además de la carta semanal, para repartir bien las
ventanas de 5h):
```bash
curl -s https://api.minimax.io/v1/token_plan/remains \
-H "Authorization: Bearer <TOKEN>" -H "Content-Type: application/json"
```
Buscad en `model_remains` la entrada cuyo `model_name` sea el modelo que vayáis a usar
(`speech-2.8-hd`/`speech-2.8-turbo`). Cada entrada trae
`current_interval_remaining_percent` (lo que queda de la ventana de 5h, y `end_time` de
cuándo se resetea) y `current_weekly_remaining_percent`/`weekly_end_time` (la ventana
semanal). Con eso podéis calcular cuántos audios caben antes de la próxima ventana y
programar el resto para la siguiente, en vez de descubrirlo con un `2056` a mitad de tanda.
## 5. Acabado del audio (opcional pero es lo que suena en producción)
El pipeline actual aplica dos retoques más al mp3 antes de darlo por bueno — no son
obligatorios para que el audio "funcione", pero sí para que suene igual que el resto del
catálogo ya publicado:
1. **Ruido de confort:** una capa de ruido marrón muy suave (`amplitude=0.004`, filtrado
paso-alto 120 Hz / paso-bajo 3800 Hz) mezclada con el audio entero. Sin esto, los
silencios de las pausas `<#…#>` contrastan de forma audible con el suelo de ruido del
habla generada — se nota como un "hueco" en vez de una pausa natural.
2. **Fade in/out:** entrada suave de 0,08 s y salida de 0,5 s en los últimos 0,5 s del
audio, para evitar un corte brusco ("bump") al final.
Receta `ffmpeg` exacta usada hoy (referencia: `scripts/minimax_tts.py::t2a`, líneas finales):
```bash
ffmpeg -y -i entrada.mp3 -filter_complex \
"anoisesrc=color=brown:amplitude=0.004:sample_rate=32000[n];\
[n]highpass=f=120,lowpass=f=3800[nf];\
[0:a][nf]amix=inputs=2:duration=first:dropout_transition=0:normalize=0[m];\
[m]afade=t=in:st=0:d=0.08,afade=t=out:st=<duración-0.5>:d=0.5[a]" \
-map "[a]" -b:a 128k salida.mp3
```
Si vuestro entorno de generación no tiene `ffmpeg` disponible, generad el audio igual sin
este paso y avisad a Rafa/Claudix — es preferible subir un audio sin el acabado a no subir
nada, pero que quede constancia de que ese paso se saltó (para que quien revise sepa por qué
suena ligeramente distinto al resto).
## 6. Subir el resultado al artículo
El endpoint que faltaba ya está desplegado en producción (#224), con el mismo patrón que
`fea/v1/subir-avatar` (#175) que ya usáis:
```
POST https://www.feadulta.com/wp-json/fea/v1/subir-audio
Authorization: Basic <usuario:contraseña_de_aplicación> (o el header equivalente que useis)
Content-Type: multipart/form-data
post_id=<ID del artículo>
audio=<fichero .mp3, máx. 25 MiB>
voice_id=<opcional — el voice_id usado, para que quede registrado>
```
Respuesta (`201`):
```json
{
"post_id": 56785,
"audio_url": "https://www.feadulta.com/wp-content/uploads/tts/56785.mp3",
"voice_id": "NicoFeadulta2026",
"sha256": "<huella del mp3 subido>",
"previous_audio": {"url": null, "voice": null, "done": null, "sha256": null, "error": null}
}
```
`previous_audio` trae el estado de antes de vuestra subida (o todo `null` si el post no tenía
audio) — guardadlo si vais a reemplazar un audio ya publicado, por si hay que deshacer.
**Límite real: 25 MiB por fichero** (`upload_max_filesize`/`post_max_size` del servidor, y el
propio endpoint valida lo mismo con un mensaje claro). Los audios de la carta semanal rondan
5-6 MB, así que hay margen — pero si algún artículo muy largo genera un mp3 más grande,
avisad en vez de forzarlo: el límite se fijó a propósito en 25 MiB (no en los 256 MiB que se
había propuesto al principio) porque el caso de 198 MB del #212/#190 era un error de
generación a corregir, no un tamaño a soportar.
Solo admite `.mp3`/`audio/mpeg` — mismo nivel de permiso que el resto de endpoints `fea/v1`
de escritura (vuestro usuario Editor/Administrator). Verificado por Claudix el 2026-08-31 con
una subida real de extremo a extremo contra prod (post desechable, borrado después).
## 7. Lo que NO cambia con este traspaso
- Las traducciones (EN/FR/IT/PT) siguen, de momento, por el camino de siempre
(`docs/guia-tts-traduccion-inma.md`, motor Gemma/MiniMax vía Hermes) — este documento
cubre solo audio. Si el traspaso de traducciones también avanza, hará falta un documento
equivalente a este (y probablemente el mismo tipo de hueco de REST para enlazar las
traducciones vía Polylang) — no asumáis que ya está resuelto por analogía con el audio.
- El backlog histórico de TTS (issue #188, ~1.700 audios pendientes) es un problema aparte
de mucho más volumen que la carta semanal (~15-20/semana). Si el traspaso del #222 incluye
también ese backlog, es una decisión de Rafa que hay que confirmar explícitamente antes de
empezar — no arranquéis el backlog solo porque ya tengáis el mecanismo funcionando para la
carta semanal.
+13
View File
@@ -8,6 +8,19 @@
> audio solo al publicar — esa automatización es la propuesta abierta
> [issue #23](https://gitea.feadulta.com/rafa/feadulta/issues/23), sin implementar. Todo lo de
> abajo es un proceso que **hay que pedir**, hoy solo ejecutable en el servidor/PC de Rafa.
>
> **Actualización 2026-08-31 (issue [#222](https://gitea.feadulta.com/rafa/feadulta/issues/222)):**
> el **audio (TTS)** deja de depender de Hermes — Inma/Mixbot lo generan y suben con su propio
> token de MiniMax. La §4 de abajo describe el flujo viejo (Hermes ejecutando
> `scripts/tts_produce.py` en el PC de Rafa); para el flujo nuevo de autoservicio, con la receta
> exacta de preparación de texto y pausas, usar
> **`docs/guia-tts-audio-autoservicio-inma-mixbot.md`**. Rafa confirmó el mismo día que las
> **traducciones** van también hacia autoservicio (agente local con Haiku desde el Claude de
> Inma, o MiniMax con el mismo token) aunque todavía sin un issue como el #222 que lo dispare
> — ver **`docs/guia-traduccion-autoservicio-inma-mixbot.md`** para las reglas, el QA y el
> hueco de infraestructura equivalente (falta enlazar idioma/grupo Polylang por REST). La §3
> de abajo sigue describiendo el flujo viejo vía Hermes, todavía válido mientras no se cierre
> ese hueco.
---