feat: Agrega primera version de template (revisar archivo de documentacion - docs.md)

app/services/audio/transcription_adapters.py

@@ -0,0 +1,163 @@
+"""
+Gateway de IA de Qualidot - Módulo de Adaptadores de Transcripción
+
+Propósito:
+    Este módulo contiene funciones de adaptadores que permiten transcribir audio usando diferentes proveedores de IA.
+    Cada función de adaptador se encarga de interactuar con un proveedor específico (como OpenAI, AssemblyAI, Deepgram, etc.)
+    y de convertir la respuesta del proveedor al formato estándar de transcripción de Qualidot.
+    
+"""
+
+import tempfile
+import os
+from fastapi import HTTPException 
+from openai import OpenAI, AsyncOpenAI
+import assemblyai as aai
+from app.core.config import settings
+from app.schemas.audio_standard import AudioRequestFile
+from app.schemas.audio_standard import StandardTranscriptionResult
+from app.utilities.audio_utilities import validate_audio_file, validate_audio_size, validate_audio_request
+from app.core import config
+
+# Función de adaptador principal que infiere el proveedor y llama al adaptador específico
+async def transcribe_audio_with_provider(audio_request: AudioRequestFile) -> StandardTranscriptionResult:
+    """
+    Función de adaptador para transcribir audio usando el proveedor de IA configurado.
+    """
+    provider = audio_request.provider.lower()
+    
+    match provider:
+        case "openai":
+            return await transcribe_with_openai(audio_request)
+        case "assemblyai":
+            return await transcribe_with_assemblyai(audio_request)
+        case _:
+            raise ValueError(f"Proveedor de IA no soportado: {audio_request.provider}")
+
+# Función de adaptador para transcribir audio usando OpenAI
+async def transcribe_with_openai(audio_request: AudioRequestFile) -> StandardTranscriptionResult:
+    """
+    Función de adaptador para transcribir audio usando OpenAI.
+    """
+    client = AsyncOpenAI(api_key=settings.OPENAI_API_KEY)
+    
+    audio_content = await audio_request.file.read()
+    
+    temp_audio_path = None  # Inicializamos la variable fuera del try
+
+    # Validar el audio antes de continuar
+    validate_audio_request(audio_request, audio_content)
+
+    try:
+        # Crear archivo temporal para el audio
+        with tempfile.NamedTemporaryFile(
+            delete=False,
+            suffix=os.path.splitext(audio_request.file.filename)[1]
+        ) as temp_audio:
+            temp_audio.write(audio_content)
+            temp_audio_path = temp_audio.name
+        
+        with open(temp_audio_path, "rb") as audio_file_obj:
+            transcription = await client.audio.transcriptions.create(
+                model=audio_request.model,
+                file=audio_file_obj,
+                response_format="text"
+            )
+        
+        result = StandardTranscriptionResult(
+            status="success",
+            original_filename=audio_request.file.filename,
+            full_transcript=transcription,
+            model_used=audio_request.model,
+            provider_used="OpenAI",
+            confidence_score=None
+        )
+        
+        return result
+        
+    except Exception as e:
+        # Capturamos cualquier error de OpenAI o de lectura de archivos
+        raise HTTPException(
+            status_code=500,
+            detail=f"Error transcribiendo el audio: {str(e)}"
+        )
+        
+    finally:
+        if temp_audio_path and os.path.exists(temp_audio_path):
+            try:
+                os.unlink(temp_audio_path)
+            except Exception:
+                pass
+            
+# Función de adaptador para transcribir audio usando AssemblyAI 
+async def transcribe_with_assemblyai(audio_request: AudioRequestFile) -> StandardTranscriptionResult:
+    """
+    Función de adaptador para transcribir audio usando AssemblyAI.
+    """
+    aai.settings.api_key = settings.ASSEMBLYAI_API_KEY
+    
+    audio_content = await audio_request.file.read()
+    temp_audio_path = None 
+    
+    # Validar el audio antes de continuar
+    validate_audio_request(audio_request, audio_content)
+    
+    try:
+        # Crear archivo temporal para el audio
+        with tempfile.NamedTemporaryFile(
+            delete=False,
+            suffix=os.path.splitext(audio_request.file.filename)[1]
+        ) as temp_audio:
+            temp_audio.write(audio_content)
+            temp_audio_path = temp_audio.name
+        
+        #Definimos el modelo a usar
+        config  = aai.TranscriptionConfig(language_code="es", speaker_labels=audio_request.diarization, 
+                                          sentiment_analysis=audio_request.sentiment)
+        
+        transcription_obj = aai.Transcriber(config=config).transcribe(temp_audio_path)
+        
+        iterable = transcription_obj.sentiment_analysis if audio_request.sentiment else transcription_obj.utterances
+        
+        
+        if transcription_obj.status == aai.TranscriptStatus.error:
+            raise Exception(f"AssemblyAI Error: {transcription_obj.error}")
+        
+        assemblyaiSegment = "utterances" if not audio_request.sentiment else "sentiment_analysis"
+        
+        result = StandardTranscriptionResult(
+            status="success",
+            original_filename=audio_request.file.filename,
+            full_transcript=transcription_obj.text,
+            model_used=audio_request.model,
+            provider_used="AssemblyAI",
+            confidence_score=None,
+            segments=[
+                {
+                    "text": segment.text,
+                    "speaker": segment.speaker if audio_request.diarization else None,
+                    "start_time": segment.start if audio_request.timestamps else None,
+                    "end_time": segment.end if audio_request.timestamps else None,
+                    "sentiment": segment.sentiment if audio_request.sentiment else None
+                }
+                for segment in iterable
+            ] if (audio_request.diarization or audio_request.timestamps or audio_request.sentiment) else None
+        )
+        
+        return result
+        
+    except Exception as e:
+        # Capturamos cualquier error de OpenAI o de lectura de archivos
+        raise HTTPException(
+            status_code=500,
+            detail=f"Error transcribiendo el audio: {str(e)}"
+        )
+        
+    finally:
+        if temp_audio_path and os.path.exists(temp_audio_path):
+            try:
+                os.unlink(temp_audio_path)
+            except Exception:
+                pass   
+    # Aquí iría la implementación específica para AssemblyAI, similar a la de OpenAI pero usando su SDK y formato de respuesta
+    pass

app/services/image/evaluations_adapters.py

@@ -0,0 +1,68 @@
+"""
+Gateway de IA de Qualidot - Módulo de Adaptadores de Evaluación de Imágenes
+
+Propósito:
+    Este módulo contiene funciones de adaptadores que permiten evaluar imágenes usando diferentes proveedores de IA.
+    Cada función de adaptador se encarga de interactuar con un proveedor específico (como OpenAI, AssemblyAI, Deepgram, etc.)
+    y de convertir la respuesta del proveedor al formato estándar de evaluación de imágenes de Qualidot.
+    
+"""
+
+import tempfile
+import os
+from fastapi import HTTPException 
+from openai import OpenAI, AsyncOpenAI
+import assemblyai as aai
+from app.core.config import settings
+from app.schemas.image_standard import ImageRequestFile, StandardImageAnalysisResult
+from app.core import config
+
+# Función de adaptador principal que infiere el proveedor y llama al adaptador específico
+async def evaluate_image_with_provider(image_request: ImageRequestFile) -> StandardImageAnalysisResult:
+    """
+    Función de adaptador para evaluar imágenes usando el proveedor de IA configurado.
+    """
+    provider = image_request.provider.lower()
+    
+    match provider:
+        case "openai":
+            return await evaluate_with_openai(image_request)
+        case "inserte nombre de otra ia aqui":
+            return await evaluate_with_ai_model2(image_request)
+        
+        # AGREGAR OTROS CASOS PARA DIFERENTES PROVEEDORES DE IA AQUÍ
+        
+        case _:
+            raise ValueError(f"Proveedor de IA no soportado: {image_request.provider}")
+
+# Función de adaptador para evaluar imágenes usando OpenAI
+async def evaluate_with_openai(image_request: ImageRequestFile) -> StandardImageAnalysisResult:
+    """
+    Función de adaptador para evaluar imágenes usando OpenAI.
+    (Plantilla para futuras implementaciones)
+    """
+    client = AsyncOpenAI(api_key=settings.OPENAI_API_KEY)
+    
+    # PASOS A SEGUIR PARA IMPLEMENTAR LA LÓGICA DE EVALUACIÓN CON OPENAI:
+    # 1. Validar la imagen de entrada (tamaño, formato, etc.)
+    # 2. Configurar el cliente de OpenAI con la clave API
+    # 3. Llamar a la API de OpenAI para evaluar la imagen
+    # 4. Convertir la respuesta de OpenAI al formato estándar de evaluación de imágenes de Qualidot
+    # 5. Manejar errores y excepciones adecuadamente
+    raise NotImplementedError("La función evaluate_with_openai aún no está implementada.")
+
+async def evaluate_with_ai_model2(image_request: ImageRequestFile) -> StandardImageAnalysisResult:
+    """
+    Función de adaptador para transcribir video usando otra AI.
+    (Plantilla para futuras implementaciones)
+    """
+
+    # PASOS A SEGUIR PARA IMPLEMENTAR LA LÓGICA DE TRANSCRIPCIÓN CON IA (ELEGIR MODELO):
+    # 1. Validar el video de entrada (tamaño, formato, etc.)
+    # 2. Configurar el cliente de OpenAI con la clave API
+    # 3. Llamar a la API de OpenAI para transcribir el video
+    # 4. Convertir la respuesta de OpenAI al formato estándar de resumen de texto de Qualidot
+    # 5. Manejar errores y excepciones adecuadamente
+    raise NotImplementedError("La función transcribe_with_ai_model2 aún no está implementada.")
+
+# Otros modelos de IA

app/services/text/evaluations_adapters.py

@@ -0,0 +1,50 @@
+"""
+Gateway de IA de Qualidot - Módulo de Adaptadores de Resumen de Texto
+
+Propósito:
+    Este módulo contiene funciones de adaptadores que permiten resumir texto usando diferentes proveedores de IA.
+    Cada función de adaptador se encarga de interactuar con un proveedor específico (como OpenAI, AssemblyAI, Deepgram, etc.)
+    y de convertir la respuesta del proveedor al formato estándar de resumen de texto de Qualidot.
+    
+"""
+
+import tempfile
+import os
+from fastapi import HTTPException 
+from openai import OpenAI, AsyncOpenAI
+import assemblyai as aai
+from app.core.config import settings
+from app.schemas.text_standard import TextRequestFile, StandardTextAnalysisResult
+from app.core import config
+
+# Función de adaptador principal que infiere el proveedor y llama al adaptador específico
+async def evaluate_text_with_provider(text_request: TextRequestFile) -> StandardTextAnalysisResult:
+    """
+    Función de adaptador para evaluar texto usando el proveedor de IA configurado.
+    """
+    provider = text_request.provider.lower()
+    
+    match provider:
+        case "openai":
+            return await evaluate_with_openai(text_request)
+        # AGREGAR OTROS CASOS PARA DIFERENTES PROVEEDORES DE IA AQUÍ
+        case _:
+            raise ValueError(f"Proveedor de IA no soportado: {text_request.provider}")
+
+# Función de adaptador para evaluar texto usando OpenAI
+async def evaluate_with_openai(text_request: TextRequestFile) -> StandardTextAnalysisResult:
+    """
+    Función de adaptador para evaluar texto usando OpenAI.
+    (Plantilla para futuras implementaciones)
+    """
+    client = AsyncOpenAI(api_key=settings.OPENAI_API_KEY)
+    
+    # PASOS A SEGUIR PARA IMPLEMENTAR LA LÓGICA DE EVALUACIÓN CON OPENAI:
+    # 1. Validar el texto de entrada (tamaño, formato, etc.)
+    # 2. Configurar el cliente de OpenAI con la clave API
+    # 3. Llamar a la API de OpenAI para evaluar el texto
+    # 4. Convertir la respuesta de OpenAI al formato estándar de evaluación de texto de Qualidot
+    # 5. Manejar errores y excepciones adecuadamente
+    raise NotImplementedError("La función evaluate_with_openai aún no está implementada.")
+
+# Otros modelos de IA

app/services/text/resume_adapters.py

@@ -0,0 +1,50 @@
+"""
+Gateway de IA de Qualidot - Módulo de Adaptadores de Resumen de Texto
+
+Propósito:
+    Este módulo contiene funciones de adaptadores que permiten resumir texto usando diferentes proveedores de IA.
+    Cada función de adaptador se encarga de interactuar con un proveedor específico (como OpenAI, AssemblyAI, Deepgram, etc.)
+    y de convertir la respuesta del proveedor al formato estándar de resumen de texto de Qualidot.
+    
+"""
+
+import tempfile
+import os
+from fastapi import HTTPException 
+from openai import OpenAI, AsyncOpenAI
+import assemblyai as aai
+from app.core.config import settings
+from app.schemas.text_standard import TextRequestFile, StandardTextAnalysisResult
+from app.core import config
+
+# Función de adaptador principal que infiere el proveedor y llama al adaptador específico
+async def summarize_text_with_provider(text_request: TextRequestFile) -> StandardTextAnalysisResult:
+    """
+    Función de adaptador para resumir texto usando el proveedor de IA configurado.
+    """
+    provider = text_request.provider.lower()
+    
+    match provider:
+        case "openai":
+            return await summarize_with_openai(text_request)
+        # AGREGAR OTROS CASOS PARA DIFERENTES PROVEEDORES DE IA AQUÍ
+        case _:
+            raise ValueError(f"Proveedor de IA no soportado: {text_request.provider}")
+
+# Función de adaptador para resumir texto usando OpenAI
+async def summarize_with_openai(text_request: TextRequestFile) -> StandardTextAnalysisResult:
+    """
+    Función de adaptador para resumir texto usando OpenAI.
+    (Plantilla para futuras implementaciones)
+    """
+    client = AsyncOpenAI(api_key=settings.OPENAI_API_KEY)
+    
+    # PASOS A SEGUIR PARA IMPLEMENTAR LA LÓGICA DE RESUMEN CON OPENAI:
+    # 1. Validar el texto de entrada (tamaño, formato, etc.)
+    # 2. Configurar el cliente de OpenAI con la clave API
+    # 3. Llamar a la API de OpenAI para resumir el texto
+    # 4. Convertir la respuesta de OpenAI al formato estándar de resumen de texto de Qualidot
+    # 5. Manejar errores y excepciones adecuadamente
+    raise NotImplementedError("La función summarize_with_openai aún no está implementada.")
+
+# Otros modelos de IA

app/services/video/transcription_adapters.py

@@ -0,0 +1,67 @@
+"""
+Gateway de IA de Qualidot - Módulo de Adaptadores de Transcripción de Video
+
+Propósito:
+    Este módulo contiene funciones de adaptadores que permiten resumir texto usando diferentes proveedores de IA.
+    Cada función de adaptador se encarga de interactuar con un proveedor específico (como OpenAI, AssemblyAI, Deepgram, etc.)
+    y de convertir la respuesta del proveedor al formato estándar de resumen de texto de Qualidot.
+    
+"""
+
+import tempfile
+import os
+from fastapi import HTTPException 
+from openai import OpenAI, AsyncOpenAI
+import assemblyai as aai
+from app.core.config import settings
+from app.schemas.video_standard import VideoRequestFile, StandardTranscriptionResult
+from app.core import config 
+
+# Función de adaptador principal que infiere el proveedor y llama al adaptador específico
+async def transcribe_video_with_provider(video_request: VideoRequestFile) -> StandardTranscriptionResult:
+    """
+    Función de adaptador para transcribir video usando el proveedor de IA configurado.
+    """
+    provider = video_request.provider.lower()
+    
+    match provider:
+        case "nombre de la ia 1 aqui":
+            return await transcribe_with_ai_model1(video_request)
+        case "nombre de la ia 2 aqui":
+            return await transcribe_with_ai_model2(video_request)
+        
+        # AGREGAR OTROS CASOS PARA DIFERENTES PROVEEDORES DE IA AQUÍ
+        
+        case _:
+            raise ValueError(f"Proveedor de IA no soportado: {video_request.provider}")
+
+# Función de adaptador para transcribir video usando OpenAI
+async def transcribe_with_ai_model1(video_request: VideoRequestFile) -> StandardTranscriptionResult:
+    """
+    Función de adaptador para transcribir video usando OpenAI.
+    (Plantilla para futuras implementaciones)
+    """
+
+    # PASOS A SEGUIR PARA IMPLEMENTAR LA LÓGICA DE TRANSCRIPCIÓN CON IA (ELEGIR MODELO):
+    # 1. Validar el video de entrada (tamaño, formato, etc.)
+    # 2. Configurar el cliente de OpenAI con la clave API
+    # 3. Llamar a la API de OpenAI para transcribir el video
+    # 4. Convertir la respuesta de OpenAI al formato estándar de resumen de texto de Qualidot
+    # 5. Manejar errores y excepciones adecuadamente
+    raise NotImplementedError("La función transcribe_with_ai_model1 aún no está implementada.")
+
+async def transcribe_with_ai_model2(video_request: VideoRequestFile) -> StandardTranscriptionResult:
+    """
+    Función de adaptador para transcribir video usando OpenAI.
+    (Plantilla para futuras implementaciones)
+    """
+
+    # PASOS A SEGUIR PARA IMPLEMENTAR LA LÓGICA DE TRANSCRIPCIÓN CON IA (ELEGIR MODELO):
+    # 1. Validar el video de entrada (tamaño, formato, etc.)
+    # 2. Configurar el cliente de OpenAI con la clave API
+    # 3. Llamar a la API de OpenAI para transcribir el video
+    # 4. Convertir la respuesta de OpenAI al formato estándar de resumen de texto de Qualidot
+    # 5. Manejar errores y excepciones adecuadamente
+    raise NotImplementedError("La función transcribe_with_ai_model2 aún no está implementada.")
+
+# Otros modelos de IA