Módulo de audio y avance imágenes (schemas y openAI)

app/schemas/audio_standard.py

@@ -14,28 +14,22 @@ Pendiente (recomendación personal):
     - Delimitar los proveedores de IA soportados inicialmente 
 """
 
+from dataclasses import dataclass
+
 from fastapi import UploadFile
 from fastapi.params import File, Form
 from pydantic import BaseModel, Field
 from typing import List, Optional
 
+@dataclass
 class AudioRequestFile:
     """Modelo de solicitud para transcripción de audio."""
-    def __init__(
-        self,
-        file: UploadFile = File(..., description="Archivo de audio a procesar (ej. mp3, wav)"),
-        provider: str = Form(..., description="Proveedor de IA a utilizar (ej. openai, assemblyai)"),
-        model: str = Form(..., description="Modelo de IA a utilizar (ej. whisper-1)"),
-        diarization: Optional[bool] = Form(False, description="Activa la separación e identificación de múltiples hablantes"),
-        timestamps: Optional[bool] = Form(False, description="Activa las marcas de tiempo exactas por cada segmento hablado"),
-        sentiment: Optional[bool] = Form(False, description="Activa el análisis de sentimiento (POSITIVO/NEGATIVO) por segmento")
-    ):
-        self.file = file
-        self.provider = provider
-        self.model = model
-        self.diarization = diarization
-        self.timestamps = timestamps
-        self.sentiment = sentiment
+    file: UploadFile = File(..., description="Archivo de audio a procesar (ej. mp3, wav)")
+    provider: str = Form(..., description="Proveedor de IA a utilizar (ej. openai, assemblyai)")
+    model: str = Form(..., description="Modelo de IA a utilizar (ej. whisper-1)")
+    diarization: Optional[bool] = Form(False, description="Activa la separación e identificación de múltiples hablantes")
+    timestamps: Optional[bool] = Form(False, description="Activa las marcas de tiempo exactas por cada segmento hablado")
+    sentiment: Optional[bool] = Form(False, description="Activa el análisis de sentimiento (POSITIVO/NEGATIVO) por segmento")
 
 class TranscriptionSegment(BaseModel):
     """Modelo que representa un segmento de transcripción de audio detallado."""

app/schemas/image_standard.py

@@ -9,36 +9,44 @@ Homologación:
     Garantiza que el resultado del análisis de imágenes siempre se entregue en el mismo
     formato estándar para Qualidot.
 """
+from dataclasses import dataclass
+
 from fastapi import UploadFile
 from fastapi.params import File, Form
 from pydantic import BaseModel, Field
 from typing import List, Optional
 
+class ImageEvaluationCriteria(BaseModel):
+    """Modelo que representa un criterio de evaluación específico dentro de una rúbrica de análisis de imágenes."""
+    name: str = Field(..., description="Nombre del criterio de evaluación")
+    description: str = Field(None, description="Descripción detallada del criterio")
+    score: float = Field(None, description="Puntuación asignada al criterio después del análisis")
+    subcriteria: Optional[List["ImageEvaluationCriteria"]] = Field(None, description="Lista de subcriterios de evaluación")
+    
+class ImageEvaluationRubric(BaseModel):
+    """Modelo que representa una rúbrica de evaluación personalizada para análisis de imágenes."""
+    name: str = Field(..., description="Nombre de la rúbrica de evaluación")
+    description: str = Field(None, description="Descripción detallada de la rúbrica")
+    category: Optional[str] = Field(
+        None, 
+        description="Contexto jerárquico de la categoría para especializar a la IA (ej. Audio > Education > English > B2)"
+    )
+    criteria: List[ImageEvaluationCriteria] = Field(None, description="Lista de criterios de evaluación específicos")
+
+@dataclass
 class ImageRequestFile:
     """Modelo de solicitud para análisis de imágenes."""
-    def __init__(
-        self,
-        file: UploadFile = File(..., description="Archivo de imagen a procesar (ej. jpg, png)"),
-        provider: str = Form(..., description="Proveedor de IA a utilizar (ej. openai, google)"),
-        model: str = Form(..., description="Modelo de IA a utilizar (ej. vision-1)"),
-        rubric: Optional[str] = Form(None, description="Rúbrica de evaluación personalizada para el análisis")
-    ):
-        self.file = file
-        self.provider = provider
-        self.model = model
-        self.rubric = rubric
+    file: UploadFile = File(..., description="Archivo de imagen a procesar (ej. jpg, png)")
+    provider: str = Form(..., description="Proveedor de IA a utilizar (ej. openai, google)")
+    model: str = Form(..., description="Modelo de IA a utilizar (ej. vision-1)")
+    rubric: UploadFile = File(..., description="Archivo JSON de evaluación")
 
 class StandardImageAnalysisResult(BaseModel):
     """Modelo que representa el resultado estándar de un análisis de imágenes para Qualidot."""
-    status: str = Field(
-        ..., 
-        description="Estado del análisis (ej. 'success', 'error')"
-    )
-    analysis: Optional[dict] = Field(
-        None, 
-        description="Resultados detallados del análisis de la imagen, estructurados según la rúbrica si se proporcionó"
-    )
-    error: Optional[str] = Field(
-        None, 
-        description="Mensaje de error en caso de que el análisis haya fallado"
-    )
+    status: str = Field(..., description="Estado del análisis (ej. 'success', 'error')")
+    original_filename: str = Field(..., description="Nombre original del archivo de imagen procesada")
+    provider_used: str = Field(..., description="Proveedor de IA utilizado para el análisis (ej. 'OpenAI')")
+    model_used: str = Field(..., description="Modelo específico utilizado para el análisis (ej. 'vision-1')")
+    score: float = Field(None, description="Puntuación general asignada a la imagen después del análisis")
+    feedback: str = Field(None, description="Comentarios o retroalimentación generada por el modelo de IA sobre la imagen")
+    detailed_criteria: List[ImageEvaluationCriteria] = Field(None, description="Lista de criterios de evaluación detallados con sus respectivas puntuaciones y descripciones")