JiriUhlir
44 lines
2.8 KiB
Python
44 lines
2.8 KiB
Python
"""Defaultní prompt pro slučování přepisů (Czech Transcript Merger).
|
|
|
|
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\". 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."
|
|
)
|