forked from ericorps/ia-microservice
92 lines
3.6 KiB
Python
92 lines
3.6 KiB
Python
"""
|
|
Esquema de resultado esperado de modelos de transcripción.
|
|
|
|
Propósito:
|
|
Define el formato estándar de los resultados devueltos por los modelos de transcripción
|
|
de audio, independientemente del proveedor de IA utilizado.
|
|
|
|
Homologación:
|
|
Garantiza que el resultado de la transcripción siempre se entregue en el mismo
|
|
formato estándar para Qualidot.
|
|
|
|
Pendiente (recomendación personal):
|
|
- Definir mejor la estructura de cada segmento según las opciones avanzadas (diarization, timestamps, sentiment)
|
|
- Delimitar los proveedores de IA soportados inicialmente
|
|
"""
|
|
|
|
from fastapi import UploadFile
|
|
from fastapi.params import File, Form
|
|
from pydantic import BaseModel, Field
|
|
from typing import List, Optional
|
|
|
|
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
|
|
|
|
class TranscriptionSegment(BaseModel):
|
|
"""Modelo que representa un segmento de transcripción de audio detallado."""
|
|
text: str = Field(
|
|
...,
|
|
description="Texto transcrito en este fragmento específico"
|
|
)
|
|
speaker: Optional[str] = Field(
|
|
None,
|
|
description="Identificador del hablante (ej. 'Speaker A') si diarization está activo"
|
|
)
|
|
start_time: Optional[float] = Field(
|
|
None,
|
|
description="Marca de tiempo en segundos donde inicia el segmento"
|
|
)
|
|
end_time: Optional[float] = Field(
|
|
None,
|
|
description="Marca de tiempo en segundos donde termina el segmento"
|
|
)
|
|
sentiment: Optional[str] = Field(
|
|
None,
|
|
description="Sentimiento detectado en el segmento (ej. 'POSITIVE', 'NEGATIVE')"
|
|
)
|
|
|
|
class StandardTranscriptionResult(BaseModel):
|
|
"""Modelo que representa el resultado estándar de una transcripción de audio para Qualidot."""
|
|
status: str = Field(
|
|
...,
|
|
description="Estado final de la petición ('success' o 'error')"
|
|
)
|
|
original_filename: str = Field(
|
|
...,
|
|
description="Nombre original del archivo de audio procesado"
|
|
)
|
|
provider_used: str = Field(
|
|
...,
|
|
description="Proveedor de IA que ejecutó la transcripción (ej. OpenAI)"
|
|
)
|
|
model_used: str = Field(
|
|
...,
|
|
description="Modelo específico utilizado para el proceso"
|
|
)
|
|
full_transcript: Optional[str] = Field(
|
|
None,
|
|
description="Texto completo y continuo de toda la transcripción"
|
|
)
|
|
segments: Optional[List[TranscriptionSegment]] = Field(
|
|
None,
|
|
description="Lista detallada de segmentos si se solicitaron opciones avanzadas (diarization, timestamps, sentiment)"
|
|
)
|
|
confidence_score: Optional[float] = Field(
|
|
None,
|
|
description="Nivel de certeza global del modelo (valor entre 0.0 y 1.0)"
|
|
) |