cleaned version

2026-07-10 09:54:05 +02:00
parent 7a3f61c125
commit 5d2ba407f4
7 changed files with 104 additions and 180 deletions
@@ -5,7 +5,7 @@ Nepoužíváme těžké SDK — voláme REST endpoint přímo, aby nebyl závisl
 import httpx

 from ..config import DEEPGRAM_BASE_URL, UPSTREAM_TIMEOUT_SECONDS
-from ..errors import UpstreamError
+from ..errors import UpstreamError, raise_for_upstream
 from ..logging_config import get_logger

 log = get_logger("audio-transcription.deepgram")
@@ -43,12 +43,8 @@ async def transcribe(

    if resp.status_code >= 400:
        # Deepgram vrací chybu v JSON; nikdy nelogujeme klíč (ten je jen v hlavičce).
-        snippet = resp.text[:500]
-        log.warning("Deepgram returned %s: %s", resp.status_code, snippet)
-        raise UpstreamError(
-            f"Deepgram vrátil chybu {resp.status_code}.",
-            detail=snippet,
-        )
+        log.warning("Deepgram returned %s: %s", resp.status_code, resp.text[:500])
+        raise_for_upstream("Deepgram", resp.status_code, resp.text)

    data = resp.json()
    try:
@@ -2,7 +2,7 @@
 import httpx

 from ..config import OPENAI_BASE_URL, UPSTREAM_TIMEOUT_SECONDS
-from ..errors import UpstreamError
+from ..errors import UpstreamError, raise_for_upstream
 from ..logging_config import get_logger

 log = get_logger("audio-transcription.openai")
@@ -33,12 +33,8 @@ async def transcribe(
        raise UpstreamError(f"OpenAI Whisper request se nezdařil: {exc}") from exc

    if resp.status_code >= 400:
-        snippet = resp.text[:500]
-        log.warning("OpenAI transcription returned %s: %s", resp.status_code, snippet)
-        raise UpstreamError(
-            f"OpenAI Whisper vrátil chybu {resp.status_code}.",
-            detail=snippet,
-        )
+        log.warning("OpenAI transcription returned %s: %s", resp.status_code, resp.text[:500])
+        raise_for_upstream("OpenAI Whisper", resp.status_code, resp.text)

    data = resp.json()
    return data.get("text", "") or ""
@@ -72,12 +68,8 @@ async def merge_transcripts(
        raise UpstreamError(f"OpenAI chat (merge) request se nezdařil: {exc}") from exc

    if resp.status_code >= 400:
-        snippet = resp.text[:500]
-        log.warning("OpenAI chat returned %s: %s", resp.status_code, snippet)
-        raise UpstreamError(
-            f"OpenAI chat (merge) vrátil chybu {resp.status_code}.",
-            detail=snippet,
-        )
+        log.warning("OpenAI chat returned %s: %s", resp.status_code, resp.text[:500])
+        raise_for_upstream("OpenAI chat (merge)", resp.status_code, resp.text)

    data = resp.json()
    try:
@@ -35,12 +35,43 @@ class BadRequestError(TranscriptionError):
    status_code = 400


+class RateLimitError(TranscriptionError):
+    """Upstream rate limit (HTTP 429)."""
+
+    status_code = 429
+
+
 class UpstreamError(TranscriptionError):
-    """Chyba při volání upstream API (Deepgram / OpenAI / stažení audia)."""
+    """Chyba při volání upstream API (Deepgram / OpenAI)."""

    status_code = 502


+def raise_for_upstream(upstream: str, status: int, body: str) -> None:
+    """Zmapuje HTTP status z upstreamu (Deepgram/OpenAI) na správnou chybu služby.
+
+    - 400/415/422 → 400 (špatný / nepodporovaný audio soubor = chyba klienta)
+    - 401/403     → 401 (upstream odmítl API klíč volajícího)
+    - 429         → 429 (rate limit)
+    - jinak       → 502 (výpadek / neočekávaná chyba upstreamu)
+    """
+    snippet = (body or "")[:500]
+    if status in (400, 415, 422):
+        raise BadRequestError(
+            f"{upstream} odmítl audio (HTTP {status}) — pravděpodobně nepodporovaný "
+            f"formát nebo poškozený soubor.",
+            detail=snippet,
+        )
+    if status in (401, 403):
+        raise CredentialsError(
+            f"{upstream} odmítl API klíč (HTTP {status}).",
+            detail=snippet,
+        )
+    if status == 429:
+        raise RateLimitError(f"{upstream} rate limit (HTTP 429).", detail=snippet)
+    raise UpstreamError(f"{upstream} vrátil chybu {status}.", detail=snippet)
+
+
 def register_exception_handlers(app: FastAPI) -> None:
    @app.exception_handler(TranscriptionError)
    async def _handle_transcription_error(request: Request, exc: TranscriptionError):
@@ -1,11 +1,12 @@
-"""Endpointy pro přepis audia.
+"""Endpoint pro přepis audia.

- POST /transcribe/dual     → paralelní přepis Deepgram + OpenAI Whisper (dva texty)
- POST /transcribe/combined → dual + sloučení do jednoho co nejlepšího přepisu (merge)
+POST /transcribe — udělá vše najednou: audio přepíše paralelně Deepgramem i OpenAI
+(whisper-1) a oba texty sloučí přes OpenAI Chat podle `combine_prompt` do jednoho
+co nejlepšího přepisu.

 Audio přichází jako proměnná (upload `file` ve form-data). Všechny ostatní parametry
 jsou v POST těle (form fields). API klíče jsou v X- hlavičkách (viz credentials.py).
-Výstup je vždy JSON.
+Výstup je vždy JSON: {"gpt": ..., "deepgram": ..., "merge": ...}.
 """
 import asyncio

@@ -29,17 +30,10 @@ log = get_logger("audio-transcription.transcribe")
 router = APIRouter(tags=["transcribe"])


-class DualResult(BaseModel):
-    text1: str = Field(..., description="Přepis z Deepgramu.")
-    text2: str = Field(..., description="Přepis z OpenAI Whisper.")
-    deepgram_model: str
-    whisper_model: str
-    language: str
-
-
-class CombinedResult(DualResult):
-    merged: str = Field(..., description="Sloučený, co nejpřesnější výsledný přepis.")
-    chat_model: str
+class TranscribeResult(BaseModel):
+    gpt: str = Field(..., description="Přepis z OpenAI (model whisper-1).")
+    deepgram: str = Field(..., description="Přepis z Deepgramu.")
+    merge: str = Field(..., description="Sloučený, co nejpřesnější výsledný přepis.")


 async def _read_upload(file: UploadFile) -> tuple[bytes, str, str]:
@@ -52,22 +46,36 @@ async def _read_upload(file: UploadFile) -> tuple[bytes, str, str]:
    return audio, filename, content_type


-async def _transcribe_dual(
-    creds: Credentials,
-    audio: bytes,
-    filename: str,
-    content_type: str,
-    deepgram_model: str,
-    whisper_model: str,
-    language: str,
-    diarize: bool,
-    smart_format: bool,
-) -> tuple[str, str]:
-    """Spustí oba přepisy paralelně; vrátí (deepgram_text, whisper_text)."""
+@router.post(
+    "/dual-with-merge",
+    response_model=TranscribeResult,
+    summary="Přepis audia (Deepgram + OpenAI) a AI sloučení — vše najednou",
+    description="Přijme audio soubor, vytvoří paralelně přepis z Deepgramu i z OpenAI "
+    "(whisper-1) a poté je sloučí přes OpenAI Chat podle `combine_prompt` do jediného, "
+    "co nejpřesnějšího českého přepisu. Vrací JSON `{gpt, deepgram, merge}`.",
+)
+async def transcribe(
+    file: UploadFile = File(..., description="Audio soubor k přepisu (proměnná)."),
+    combine_prompt: str = Form(
+        DEFAULT_COMBINE_PROMPT,
+        description="System prompt pro sloučení. Nezadáš-li, použije se výchozí "
+        "'Czech Transcript Merger'.",
+    ),
+    deepgram_model: str = Form(DEFAULT_DEEPGRAM_MODEL, description="Deepgram model."),
+    whisper_model: str = Form(DEFAULT_WHISPER_MODEL, description="OpenAI přepisový model."),
+    chat_model: str = Form(DEFAULT_CHAT_MODEL, description="OpenAI chat model pro sloučení."),
+    language: str = Form(DEFAULT_LANGUAGE, description="Jazyk audia (ISO kód, např. cs)."),
+    diarize: bool = Form(True, description="Deepgram diarizace (rozlišení mluvčích)."),
+    smart_format: bool = Form(True, description="Deepgram smart formatting."),
+    creds: Credentials = Depends(get_credentials),
+) -> TranscribeResult:
    deepgram_key = creds.require_deepgram()
    openai_key = creds.require_openai()

-    text1, text2 = await asyncio.gather(
+    audio, filename, content_type = await _read_upload(file)
+
+    # Oba přepisy paralelně.
+    text_deepgram, text_gpt = await asyncio.gather(
        deepgram_client.transcribe(
            api_key=deepgram_key,
            audio=audio,
@@ -86,83 +94,14 @@ async def _transcribe_dual(
            language=language,
        ),
    )
-    return text1, text2
-
-
-@router.post(
-    "/transcribe/dual",
-    response_model=DualResult,
-    summary="Paralelní přepis Deepgram + OpenAI Whisper",
-    description="Přijme audio soubor a vrátí dva nezávislé přepisy: "
-    "`text1` z Deepgramu a `text2` z OpenAI Whisper.",
-)
-async def transcribe_dual(
-    file: UploadFile = File(..., description="Audio soubor k přepisu (proměnná)."),
-    deepgram_model: str = Form(DEFAULT_DEEPGRAM_MODEL, description="Deepgram model."),
-    whisper_model: str = Form(DEFAULT_WHISPER_MODEL, description="OpenAI přepisový model."),
-    language: str = Form(DEFAULT_LANGUAGE, description="Jazyk audia (ISO kód, např. cs)."),
-    diarize: bool = Form(True, description="Deepgram diarizace (rozlišení mluvčích)."),
-    smart_format: bool = Form(True, description="Deepgram smart formatting."),
-    creds: Credentials = Depends(get_credentials),
-) -> DualResult:
-    audio, filename, content_type = await _read_upload(file)
-    text1, text2 = await _transcribe_dual(
-        creds, audio, filename, content_type,
-        deepgram_model, whisper_model, language, diarize, smart_format,
-    )
-    return DualResult(
-        text1=text1,
-        text2=text2,
-        deepgram_model=deepgram_model,
-        whisper_model=whisper_model,
-        language=language,
-    )
-
-
-@router.post(
-    "/transcribe/combined",
-    response_model=CombinedResult,
-    summary="Dual přepis + AI sloučení do nejlepšího přepisu",
-    description="Přijme audio soubor, vytvoří přepis z Deepgramu i Whisperu a poté je "
-    "sloučí přes OpenAI Chat podle `combine_prompt` do jediného, co nejpřesnějšího "
-    "českého přepisu. Vrací `text1`, `text2` i výsledný `merged`.",
-)
-async def transcribe_combined(
-    file: UploadFile = File(..., description="Audio soubor k přepisu (proměnná)."),
-    combine_prompt: str = Form(
-        DEFAULT_COMBINE_PROMPT,
-        description="System prompt pro sloučení. Nezadáš-li, použije se výchozí "
-        "'Czech Transcript Merger'.",
-    ),
-    deepgram_model: str = Form(DEFAULT_DEEPGRAM_MODEL, description="Deepgram model."),
-    whisper_model: str = Form(DEFAULT_WHISPER_MODEL, description="OpenAI přepisový model."),
-    chat_model: str = Form(DEFAULT_CHAT_MODEL, description="OpenAI chat model pro sloučení."),
-    language: str = Form(DEFAULT_LANGUAGE, description="Jazyk audia (ISO kód, např. cs)."),
-    diarize: bool = Form(True, description="Deepgram diarizace (rozlišení mluvčích)."),
-    smart_format: bool = Form(True, description="Deepgram smart formatting."),
-    creds: Credentials = Depends(get_credentials),
-) -> CombinedResult:
-    audio, filename, content_type = await _read_upload(file)
-    text1, text2 = await _transcribe_dual(
-        creds, audio, filename, content_type,
-        deepgram_model, whisper_model, language, diarize, smart_format,
-    )

    prompt = combine_prompt.strip() if combine_prompt and combine_prompt.strip() else DEFAULT_COMBINE_PROMPT
    merged = await openai_client.merge_transcripts(
-        api_key=creds.require_openai(),
+        api_key=openai_key,
        model=chat_model,
        system_prompt=prompt,
-        text_deepgram=text1,
-        text_whisper=text2,
+        text_deepgram=text_deepgram,
+        text_whisper=text_gpt,
    )

-    return CombinedResult(
-        text1=text1,
-        text2=text2,
-        merged=merged,
-        deepgram_model=deepgram_model,
-        whisper_model=whisper_model,
-        chat_model=chat_model,
-        language=language,
-    )
+    return TranscribeResult(gpt=text_gpt, deepgram=text_deepgram, merge=merged)