audio-transcription — přehled

Stateless FastAPI služba v AppFactory. Přijme audio + parametry v POST a vrátí JSON s přepisy. Přepis běží dvěma engine paralelně (Deepgram + OpenAI Whisper) a volitelně se oba texty sloučí přes OpenAI Chat do jednoho co nejpřesnějšího přepisu.

Vychází z původní .NET implementace CallCenterController (dual/combined přepis). Napojení na Twilio bylo vynecháno — audio se posílá přímo jako proměnná (upload).

Architektura

app/
  main.py              # FastAPI app, root_path, Swagger, exception handlers
  config.py            # env konfigurace + defaulty (žádné secrets)
  logging_config.py    # logging (bez secrets)
  errors.py            # typované výjimky + handlery (žádná tichá selhání)
  credentials.py       # X- hlavičky → přihlašovací údaje (stateless)
  prompts.py           # výchozí slučovací prompt (Czech Transcript Merger)
  clients/
    deepgram_client.py # Deepgram pre-recorded REST (httpx)
    openai_client.py   # OpenAI Whisper + Chat Completions (httpx)
  routers/
    meta.py            # /health, /version
    transcribe.py      # /transcribe/dual, /transcribe/combined

Žádné SDK — upstream API se volají přímo přes httpx, aby služba nebyla závislá na verzích knihoven. Nic se neukládá; služba je multi-tenant a stateless.

Reverse proxy

Běží za /apps/audio-transcription. root_path se čte z env ROOT_PATH, takže OpenAPI servers i Swagger „Try it out“ míří na správný prefix.

Endpointy

Metoda	Cesta	Popis
GET	`/health`	Health check (200)
GET	`/version`	Verze + root_path
POST	`/transcribe/dual`	Deepgram + Whisper (dva texty)
POST	`/transcribe/combined`	dual + sloučený `merged`

Detaily viz transcribe.md.

Přihlašovací údaje

Secrets se předávají v hlavičkách u každého requestu (nikdy v těle/URL, nikdy se nelogují ani neukládají):

X-Deepgram-Api-Key
X-OpenAI-Api-Key

Konfigurace (env)

Proměnná	Default	Popis
`ROOT_PATH`	`""`	Prefix reverse proxy (`/apps/audio-transcription`)
`DEFAULT_DEEPGRAM_MODEL`	`nova-2`	Výchozí Deepgram model
`DEFAULT_WHISPER_MODEL`	`whisper-1`	Výchozí OpenAI přepisový model
`DEFAULT_CHAT_MODEL`	`gpt-4o`	Výchozí chat model pro sloučení
`DEFAULT_LANGUAGE`	`cs`	Výchozí jazyk
`UPSTREAM_TIMEOUT_SECONDS`	`300`	Timeout upstream volání
`DEEPGRAM_BASE_URL`	`https://api.deepgram.com/v1`	Base URL Deepgram
`OPENAI_BASE_URL`	`https://api.openai.com/v1`	Base URL OpenAI

2.6 KiB Raw Blame History