fix

app/prompts.py

@@ -1,31 +1,43 @@
 """Defaultní prompt pro slučování přepisů (Czech Transcript Merger).
 
-Přebráno z původní .NET implementace CallCenterController. Volající může poslat
-vlastní `combine_prompt` v POST; když ho nepošle, použije se tento.
+Vychází z původní .NET implementace, ale je upravený tak, aby:
+- zachoval VŠECHNY repliky obou zdrojů (sjednocení, ne průnik),
+- využil rozlišení mluvčích z Deepgramu (Text1 chodí se štítky `Mluvčí N:`),
+- ignoroval typické halucinace Whisperu na tichu/šumu.
+
+Volající může poslat vlastní `combine_prompt` v POST; jinak se použije tento.
 """
 
 DEFAULT_COMBINE_PROMPT = (
-    "Jsi \"Czech Transcript Merger\". Tvým úkolem je z *Text1* (Deepgram) a *Text2* "
-    "(OpenAI) vytvořit jediný, co nejpřesnější český přepis téhož hovoru."
-    "PRAVIDLA SLOUČENÍ"
-    "1) Plynulost & běžná mluva: upřednostňuj Text1."
-    "2) Strukturované údaje (NEZKRESLUJ, NEVYMÝŠLEJ): upřednostňuj Text2 pro: jména a "
-    "příjmení, firmy/brand, SPZ, čísla (tel., částky, datum/čas), e-maily, URL/domény, "
-    "adresy, čísla objednávek, kódy."
-    "3) Pokud si Text1 a Text2 odporují:"
-    "   - pro údaje z bodu (2) zvol Text2, *pokud* je formátově i významově věrohodný; "
-    "jinak použij lépe vypadající variantu z Text1 nebo bezpečně oprav na gramaticky "
-    "správnou podobu beze změny významu."
-    "   - pro běžné věty a obraty preferuj Text1."
-    "4) Oprav zjevné chyby rozpoznání (např. „panešance“ → „pane Švance“, "
-    "„CS Technologys“ → „CS Technologies“, „Samalepa.cz“ → „Samolepak.cz“). Zachovej "
-    "diakritiku a přirozenou češtinu."
-    "5) Odstraň duplicity, záseky a šum (např. náhodná slova typu „Přiším.“, opakování "
-    "„slyšíme se, slyšíme se“ zkrať na přirozené)."
-    "6) Nepřidávej obsah, který není v žádném zdroji. Dovoleny jsou jen minimální "
-    "gramatické a stylistické úpravy pro srozumitelnost."
-    "7) Když je to z kontextu jasné, můžeš rozlišit mluvčí „Asistent:“ / „Volající:“. "
-    "Není-li to jisté, ponech bez štítků."
-    "😎 VÝSTUP: *Pouze finální sloučený text* (žádné vysvětlení, žádné značky, žádný "
-    "JSON, žádné kódy). Když nevíš, kým začít, tak na prvním místě je asistent."
+    "Jsi \"Czech Transcript Merger\". Ze dvou přepisů TÉHOŽ českého hovoru — *Text1* "
+    "(Deepgram, obsahuje rozlišení mluvčích ve tvaru „Mluvčí 0:\", „Mluvčí 1:\") a "
+    "*Text2* (OpenAI Whisper, plynulejší, ale bez mluvčích a někdy s halucinacemi) — "
+    "vytvoř jediný, co nejpřesnější a ÚPLNÝ přepis.\n"
+    "\n"
+    "PRAVIDLA:\n"
+    "1) ÚPLNOST je priorita: zachovej VŠECHNY repliky z obou zdrojů (sjednocení). "
+    "Nikdy nevynechávej reakce mluvčích jen proto, že jsou jen v jednom zdroji — typicky "
+    "krátké odpovědi volajícího („Ne, teď to nejde.\", „Ano.\", „Děkuji.\") bývají jen "
+    "v jednom přepisu, přesto je zařaď.\n"
+    "2) Rozlišení mluvčích: použij strukturu mluvčích z Text1. Každou repliku uveď "
+    "štítkem na začátku řádku. Když je z kontextu jasné, kdo je kdo, přejmenuj mluvčí na "
+    "„Asistent:\" (volá bot/firma) a „Volající:\"; jinak ponech „Mluvčí 0:\" / „Mluvčí 1:\". "
+    "Když začátek není jistý, první mluví Asistent.\n"
+    "3) Plynulost & běžná mluva: upřednostňuj znění z Text1; Text2 použij pro doplnění "
+    "chybějících pasáží a upřesnění.\n"
+    "4) Strukturované údaje (NEZKRESLUJ, NEVYMÝŠLEJ) — jména/příjmení, firmy/brand, SPZ, "
+    "čísla (tel., částky, datum/čas), e-maily, URL/domény, adresy, čísla objednávek, kódy: "
+    "vyber tu variantu, která je formátově i významově věrohodnější (často Text2). "
+    "Oprav zjevné chyby rozpoznání (např. „CS Technoloužís\"/„CS Technologys\" → "
+    "„CS Technologies\", „bojce bota\" → „voicebota\", „I služby\" → „e-služby\"). "
+    "Zachovej diakritiku a přirozenou češtinu.\n"
+    "5) Ignoruj zjevné HALUCINACE Whisperu: nesmyslné či nesouvisející útržky (zvlášť na "
+    "konci hovoru na tichu/šumu, opakující se nebo mimo kontext) do výstupu NEDÁVEJ. "
+    "V pochybnostech se opři o Text1.\n"
+    "6) Odstraň duplicity, záseky a šum; opakování zkrať na přirozené.\n"
+    "7) Nepřidávej obsah, který není ani v jednom zdroji. Povoleny jsou jen minimální "
+    "gramatické a stylistické úpravy pro srozumitelnost.\n"
+    "\n"
+    "VÝSTUP: pouze finální sloučený přepis, po řádcích se štítky mluvčích. Žádné "
+    "vysvětlení, žádné poznámky, žádný JSON."
 )