first

app/routers/transcribe.py

@@ -0,0 +1,168 @@
+"""Endpointy pro přepis audia.
+
+- POST /transcribe/dual     → paralelní přepis Deepgram + OpenAI Whisper (dva texty)
+- POST /transcribe/combined → dual + sloučení do jednoho co nejlepšího přepisu (merge)
+
+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.
+"""
+import asyncio
+
+from fastapi import APIRouter, Depends, File, Form, UploadFile
+from pydantic import BaseModel, Field
+
+from ..clients import deepgram_client, openai_client
+from ..config import (
+    DEFAULT_CHAT_MODEL,
+    DEFAULT_DEEPGRAM_MODEL,
+    DEFAULT_LANGUAGE,
+    DEFAULT_WHISPER_MODEL,
+)
+from ..credentials import Credentials, get_credentials
+from ..errors import BadRequestError
+from ..logging_config import get_logger
+from ..prompts import DEFAULT_COMBINE_PROMPT
+
+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
+
+
+async def _read_upload(file: UploadFile) -> tuple[bytes, str, str]:
+    """Načte upload do paměti a vrátí (bytes, filename, content_type)."""
+    audio = await file.read()
+    if not audio:
+        raise BadRequestError("Nahraný soubor je prázdný.")
+    filename = file.filename or "audio.mp3"
+    content_type = file.content_type or "application/octet-stream"
+    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)."""
+    deepgram_key = creds.require_deepgram()
+    openai_key = creds.require_openai()
+
+    text1, text2 = await asyncio.gather(
+        deepgram_client.transcribe(
+            api_key=deepgram_key,
+            audio=audio,
+            content_type=content_type,
+            model=deepgram_model,
+            language=language,
+            diarize=diarize,
+            smart_format=smart_format,
+        ),
+        openai_client.transcribe(
+            api_key=openai_key,
+            audio=audio,
+            filename=filename,
+            content_type=content_type,
+            model=whisper_model,
+            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(),
+        model=chat_model,
+        system_prompt=prompt,
+        text_deepgram=text1,
+        text_whisper=text2,
+    )
+
+    return CombinedResult(
+        text1=text1,
+        text2=text2,
+        merged=merged,
+        deepgram_model=deepgram_model,
+        whisper_model=whisper_model,
+        chat_model=chat_model,
+        language=language,
+    )