AI LUKE.
ES
3D & video · Guía y explicación

Fish Audio Drama 3: dar voces distintas a dos personajes de juego

Sigue el ejemplo de Nora y Dex: genera voz, dirige su interpretación y conecta las respuestas con unas pocas acciones del juego.

Luke Byrne
Luke ByrneAI Luke · Luke Byrne | AI & Tech
Vídeo publicado el 2 nov 2026· 4 min de lectura

Vídeo en inglés. Todavía no hay una versión en español registrada para esta guía.

Ver en YouTube ↗

Dar una función concreta a cada componente

Nora y Dex comparten una estación meteorológica costera, pero tienen funciones y voces diferentes. La aplicación gestiona sus instrucciones, la conversación reciente y el estado de la sala. Fish Audio genera la interpretación vocal. El vídeo final combina intercambios grabados con una nueva prueba de petición escrita en la escena Unreal.

  1. Escribe un papel breve para cada personaje: Nora recibe a los visitantes y Dex mantiene el equipo.
  2. Guarda el estado de las luces y de la puerta junto al contexto de conversación.
  3. Permite solo acciones concretas, como encender las luces o abrir la puerta de observación. Valídalas en la aplicación.

Conseguir que funcione una primera petición de voz

Empieza con una frase corta antes de añadir reconocimiento de voz o varios personajes. Crea una clave API en tu cuenta de Fish Audio y guárdala en el servidor. La documentación oficial de Drama 3 indica POST /v1/tts con la cabecera model configurada como drama-3; si falta o está mal escrita, puede seleccionarse otro modelo.

  1. Elige una voz adecuada y conserva su identificador de referencia. Usa una voz que tengas permiso para utilizar.
  2. Envía la frase «Welcome to the station—and please leave the red switch alone.» con la referencia de voz elegida.
  3. Reproduce el audio y comprueba la respuesta antes de conectar la petición con la escena. Nunca incluyas la clave API en archivos del cliente, grabaciones o un repositorio público.

Dirigir la misma frase de tres maneras

Mantén las palabras para escuchar cómo cambia la interpretación. El vídeo compara una lectura normal, una dirección nerviosa y tranquilizadora, y un susurro en parte de la advertencia.

  1. Genera la frase sin indicaciones como referencia inicial.
  2. Prueba «[nervous, trying to sound reassuring] Welcome to the station—and please leave the red switch alone.»
  3. Para cambiar solo un fragmento, prueba «Welcome to the station—and <whisper>please leave the red switch alone.</whisper>» y escucha el resultado completo.

Conectar el diálogo con la sala

Envía una pregunta escrita a la lógica del personaje, genera su respuesta y pásala a Fish Audio. La entrada hablada añade un paso separado de reconocimiento de voz. Las pruebas grabadas usaron reconocimiento de Fish y Codex CLI para responder; la prueba posterior en Unreal utilizó una pregunta escrita nueva. Una reproducción no demuestra compatibilidad con micrófono en directo ni interrupciones.

  1. Pregunta a Nora qué deben saber los visitantes sobre la estación. Incluye su papel y el estado actual de la sala.
  2. Dirige a Dex una petición sobre la puerta de observación; valida la acción antes de cambiar la escena.
  3. Comprueba que la respuesta, la voz y el estado real de la puerta y las luces coincidan. Mide la espera de generación en lugar de interpretar la reproducción editada como instantánea.

Separar las dos ofertas

El enlace de campaña de Luke ofrece 10.000 créditos para la aplicación web. El descuento de lanzamiento de Drama 3 corresponde por separado a la API. El sponsor describe la oferta API como 10 USD por millón de caracteres; la página oficial actual mide los bytes UTF-8 de entrada y señala el 12 de noviembre de 2026 a las 17:00 UTC como final. Comprueba los precios antes de gastar.

  1. Usa el enlace de campaña de Fish Audio que aparece debajo para la oferta web.
  2. Lee la documentación de Drama 3 y los precios actuales de la API antes de ejecutar un lote mayor.
  3. Empieza con una prueba corta y revisa su audio, consumo y tiempo de respuesta antes de ampliar el proceso.

Conclusión

Comprueba una primera petición de voz y después conecta el contexto de los personajes con unas pocas acciones validadas. Evalúa juntos el resultado hablado y el estado de la escena.

Sobre este artículo y sus fuentes

Guía del vídeo v17 aprobado por el sponsor y de las pruebas de demostración conservadas. Los intercambios grabados y la prueba con petición escrita en directo son distintos. No es un juego completo descargable ni una demostración de interrupciones por micrófono. Las ofertas son temporales; los créditos web y API son diferentes. Gracias a Fish Audio por patrocinar el vídeo.

Vídeo original de YouTube ↗