Voci: anche le risposte del motore e le scelte dei dialoghi hanno la voce; make ascolta le riascolta con Whisper; rifatte quelle storpiate

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01ApqNBvNbNCwXqR2RLo8QJh

tools/ascolta.mjs

@@ -0,0 +1,44 @@
+// Riascolta le voci del gioco (make ascolta): ogni mp3 di assets/voices/ passa da `mbot ascolta` (faster-whisper sulla
+// GPU, skill «trascrittore») e si confronta col testo letto dalla voce. Elenca quelle che dicono altro: si rifanno
+// con `node tools/voci.mjs --rifai 'pezzo di testo'`, oppure si aggiunge una riga a tools/pronuncia.json.
+//   node tools/ascolta.mjs [--min 0.8] [testo...]      (con un testo: solo le battute che lo contengono)
+import { execFileSync } from 'node:child_process';
+import { mkdirSync, readFileSync, writeFileSync } from 'node:fs';
+import { join } from 'node:path';
+import { tmpdir } from 'node:os';
+import { spoken } from './pronuncia.mjs';
+
+const ROOT = new URL('..', import.meta.url).pathname;
+const index = JSON.parse(readFileSync(join(ROOT, 'assets/voices/index.json'), 'utf8'));
+const args = process.argv.slice(2), at = args.indexOf('--min');
+const min = at >= 0 ? args.splice(at, 2)[1] : '0.8';
+const only = args;
+// I numeri Whisper li scrive in cifre («Nove.» → «9.»): per il confronto le cifre tornano parole.
+const NUMERI = ['zero', 'uno', 'due', 'tre', 'quattro', 'cinque', 'sei', 'sette', 'otto', 'nove', 'dieci', 'undici', 'dodici'];
+const plain = t => t.toLowerCase().normalize('NFD').replace(/[̀-ͯ]/g, '').replace(/[^a-z0-9]+/g, ' ').trim();
+
+const jobs = Object.entries(index)
+    .map(([key, e]) => ({ who: key.split('|')[0], text: key.slice(key.indexOf('|') + 1), file: join(ROOT, 'assets/voices', e.file) }))
+    .filter(j => !only.length || only.some(o => j.text.includes(o)))
+    .map(j => ({ ...j, expect: spoken(j.text) }));
+const dir = join(tmpdir(), 'leggenda-regolo-ascolto');
+mkdirSync(dir, { recursive: true });
+writeFileSync(join(dir, 'ascolto.json'), JSON.stringify(jobs.map(({ file, expect }) => ({ file, expect }))));
+
+let out = '';
+try {
+    out = execFileSync('mbot', ['ascolta', '--jobs', join(dir, 'ascolto.json'), '--json', '--min', min],
+        { encoding: 'utf8', maxBuffer: 64 << 20, stdio: ['ignore', 'pipe', 'inherit'] });
+} catch (e) { out = e.stdout ?? ''; }
+
+const byFile = new Map(jobs.map(j => [j.file, j]));
+const bad = [];
+for (const line of out.split('\n').filter(l => l.startsWith('{'))) {
+    const r = JSON.parse(line);
+    if (r.ok !== false) continue;
+    const j = byFile.get(r.file), heard = r.text ?? r.heard ?? '';
+    if (j && plain(heard.replace(/\b(\d{1,2})\b/g, (m, n) => NUMERI[+n] ?? m)) === plain(j.expect)) continue;
+    bad.push({ ...j, heard, score: r.score ?? r.similarity });
+}
+for (const b of bad) console.log(`${b.score ?? '?'}  ${b.who}: «${b.text}»\n      sentito: «${b.heard}»`);
+console.log(`${jobs.length} voci ascoltate, ${bad.length} da guardare`);

tools/pronuncia.json

@@ -1,4 +1,6 @@
 {
   "_nota": "Parole che XTTS legge male in italiano: a sinistra come sono scritte nella storia (e nel fumetto), a destra come vanno lette dalla voce. Si cerca la parola intera, senza badare alle maiuscole. Cambiare una riga rigenera solo le battute che la contengono (make voci). Esempio: «celo» (ce l'ho, delle figurine) XTTS lo legge «cielo».",
-  "celo": "ce l'ho"
+  "celo": "ce l'ho",
+  "Cosimo I": "Cosimo primo",
+  "padel": "pàdel"
 }