transcriber/internal/adapter/recognizer/yandex/recognizer.go

package yandex

import (
	"context"
	"fmt"
	"io"
	"time"

	"git.vakhrushev.me/av/transcriber/internal/entity"
)

// ProviderName — имя провайдера, под которым сохраняется попытка распознавания.
// По нему видно, чем считана запись, когда провайдеров станет больше одного.
const ProviderName = "yandex-speechkit"

type YandexAudioRecognizerConfig struct {
	// s3
	Region     string
	AccessKey  string
	SecretKey  string
	BucketName string
	Endpoint   string
	// speech kit
	ApiKey   string
	FolderID string
}

type YandexAudioRecognizerService struct {
	s3Sevice   *yandexS3Service
	sttService *speechKitService
}

func NewYandexAudioRecognizerService(cfg YandexAudioRecognizerConfig) (*YandexAudioRecognizerService, error) {
	s3, err := newYandexS3Service(s3Config{
		Region:     cfg.Region,
		AccessKey:  cfg.AccessKey,
		SecretKey:  cfg.SecretKey,
		BucketName: cfg.BucketName,
		Endpoint:   cfg.Endpoint,
	})
	if err != nil {
		return nil, err
	}

	stt, err := newSpeechKitService(speechKitConfig{
		ApiKey:   cfg.ApiKey,
		FolderID: cfg.FolderID,
	})
	if err != nil {
		return nil, err
	}

	return &YandexAudioRecognizerService{
		s3Sevice:   s3,
		sttService: stt,
	}, nil
}

func (s *YandexAudioRecognizerService) Close() error {
	return s.sttService.Close()
}

func (s *YandexAudioRecognizerService) Provider() string { return ProviderName }

func (s *YandexAudioRecognizerService) Model() string { return RecognitionModel }

// startRecognitionTimeout — сколько ждём принятия операции, когда нас уже
// остановили. Число меньше жёсткого предела остановки: иначе процесс убьют
// прежде, чем ответ дойдёт, и защита ничего не даст.
const startRecognitionTimeout = 10 * time.Second

// Upload кладёт аудио туда, откуда провайдер его прочитает.
//
// Отменяется штатно: заливка дорога по времени, а повтор её бесплатен — объект
// ложится под тем же ключом.
func (s *YandexAudioRecognizerService) Upload(ctx context.Context, file io.Reader, objectKey string) (string, error) {
	if err := s.s3Sevice.uploadFile(ctx, file, objectKey); err != nil {
		return "", err
	}
	return s.s3Sevice.fileUrl(objectKey), nil
}

// ObjectExists отвечает, лежит ли объект нужного размера.
//
// Сверка идёт по присутствию и длине, а не по отпечатку содержимого: признак
// целостности у составного объекта не равен отпечатку, и сверка хешем дала бы
// расхождение на всякой большой записи.
func (s *YandexAudioRecognizerService) ObjectExists(ctx context.Context, objectKey string, size int64) (bool, error) {
	return s.s3Sevice.objectExists(ctx, objectKey, size)
}

// Submit заводит операцию распознавания. Оплачивается наружу, поэтому от отмены
// защищён: окно короткое и дорогое — SpeechKit может операцию принять и начать
// считать деньги, а ответ до нас не доедет, и повтор оплатит ту же запись второй
// раз. Свой предел вызову оставлен, чтобы остановка не ждала вечно.
func (s *YandexAudioRecognizerService) Submit(ctx context.Context, sourceURI string) (string, error) {
	startCtx, cancel := protectFromCancel(ctx, startRecognitionTimeout)
	defer cancel()

	return s.sttService.recognizeFileFromS3(startCtx, sourceURI)
}

// protectFromCancel отвязывает вызов от отмены родителя, оставляя ему значения
// родителя и собственный предел по времени. Употребляется там, где обрыв стоит
// дороже ожидания: у платной операции, чей результат нельзя переспросить.
func protectFromCancel(ctx context.Context, timeout time.Duration) (context.Context, context.CancelFunc) {
	return context.WithTimeout(context.WithoutCancel(ctx), timeout)
}

// Fetch забирает готовый результат и отдаёт его доменным: реплики со временем,
// плоский текст и байты ответа на хранение. Формата провайдера наружу не выходит
// ничего — ни один шаг конвейера не знает, каким потоком тот отвечает.
func (s *YandexAudioRecognizerService) Fetch(ctx context.Context, operationID string) (*entity.RecognitionOutcome, error) {
	return s.sttService.fetchRecognition(ctx, operationID)
}

// Parse строит доменный результат из **сохранённого** ответа, не обращаясь к
// провайдеру. По нему архив пересчитывается без единого рубля.
func (s *YandexAudioRecognizerService) Parse(raw []byte) (*entity.RecognitionOutcome, error) {
	responses, err := decodeResponses(raw)
	if err != nil {
		return nil, err
	}
	outcome := outcomeFromResponses(responses)
	outcome.Raw = raw
	return outcome, nil
}

func (s *YandexAudioRecognizerService) CheckStatus(ctx context.Context, operationID string) (*entity.RecognitionResult, error) {
	operation, err := s.sttService.checkOperationStatus(ctx, operationID)
	if err != nil {
		return nil, err
	}

	if !operation.Done {
		return entity.NewInProgressResult(), nil
	}

	if opErr := operation.GetError(); opErr != nil {
		errorText := fmt.Sprintf("operation failed: code %d, message: %s", opErr.Code, opErr.Message)
		return entity.NewFailedResult(errorText), nil
	}

	return entity.NewCompletedResult(), nil
}