视频会议保存

backend/go-service/app/transcribe/service/openai_compat_client.go

@@ -0,0 +1,181 @@
+// Package service 提供 transcribe 模块的业务服务
+package service
+
+import (
+	"bytes"
+	"context"
+	"encoding/json"
+	"fmt"
+	"io"
+	"mime/multipart"
+	"net/http"
+	"path"
+	"strings"
+	"time"
+
+	"github.com/echochat/backend/app/transcribe/dao"
+)
+
+// OpenAICompatibleClient 实现 OpenAI 兼容协议的 STT 调用
+//
+// 标准端点：POST {base_url}/audio/transcriptions
+// 形式：multipart/form-data
+//   - file:  音频文件（mp3/wav/m4a/mp4/...）
+//   - model: 模型 code（如 whisper-1 / qwen-audio-asr-flash）
+//   - response_format: verbose_json（拿 segments）/ json（仅 text）
+//   - language: 可选，提示语言以加速识别
+//
+// 阿里云 DashScope / DeepSeek / OpenAI / 智谱（部分）/ 通义千问 都遵循该协议。
+//
+// 调用超时：默认 5 分钟（覆盖大部分 ≤30min 会议）。超时由调用方通过 ctx 控制更精细。
+type OpenAICompatibleClient struct {
+	httpClient *http.Client
+}
+
+// NewOpenAICompatibleClient 创建实例
+func NewOpenAICompatibleClient() *OpenAICompatibleClient {
+	return &OpenAICompatibleClient{
+		httpClient: &http.Client{Timeout: 5 * time.Minute},
+	}
+}
+
+// TranscribeResult openai 兼容响应（verbose_json 模式）
+//
+// 字段非全列：仅取本服务关心的部分。多余字段被丢弃。
+type TranscribeResult struct {
+	Text     string                `json:"text"`
+	Language string                `json:"language"`
+	Duration float64               `json:"duration"`
+	Segments []TranscribeSegment   `json:"segments"`
+}
+
+// TranscribeSegment 单段时间轴文字（verbose_json）
+type TranscribeSegment struct {
+	ID    int     `json:"id"`
+	Start float64 `json:"start"`
+	End   float64 `json:"end"`
+	Text  string  `json:"text"`
+}
+
+// Transcribe 调用 STT
+//
+// 流程：
+//   1. 从 fileURL 下载音频字节（HTTP GET，复用 httpClient timeout）
+//   2. 构造 multipart 请求体
+//   3. POST {base_url}/audio/transcriptions，附 Authorization: Bearer {api_key}
+//   4. 解析 JSON 响应
+//
+// 参数：
+//   - fileURL：录制文件公网/内网可达 URL（meeting_recordings.file_url）
+//   - language：可选，传 "" 让模型自检
+func (c *OpenAICompatibleClient) Transcribe(ctx context.Context, cfg *dao.STTConfig, fileURL, language string) (*TranscribeResult, error) {
+	if cfg == nil {
+		return nil, fmt.Errorf("STT config is nil")
+	}
+	if fileURL == "" {
+		return nil, fmt.Errorf("file_url is empty")
+	}
+
+	// 1) 下载音频
+	audioBytes, filename, err := c.downloadAudio(ctx, fileURL)
+	if err != nil {
+		return nil, fmt.Errorf("下载录制文件失败: %w", err)
+	}
+
+	// 2) 拼装 multipart
+	body := &bytes.Buffer{}
+	writer := multipart.NewWriter(body)
+
+	filePart, err := writer.CreateFormFile("file", filename)
+	if err != nil {
+		return nil, fmt.Errorf("创建 multipart file 字段失败: %w", err)
+	}
+	if _, err := filePart.Write(audioBytes); err != nil {
+		return nil, fmt.Errorf("写入 multipart file 内容失败: %w", err)
+	}
+	if err := writer.WriteField("model", cfg.Model.ModelCode); err != nil {
+		return nil, fmt.Errorf("写入 model 字段失败: %w", err)
+	}
+	if err := writer.WriteField("response_format", "verbose_json"); err != nil {
+		return nil, fmt.Errorf("写入 response_format 字段失败: %w", err)
+	}
+	if language != "" {
+		_ = writer.WriteField("language", language)
+	}
+	if err := writer.Close(); err != nil {
+		return nil, fmt.Errorf("关闭 multipart writer 失败: %w", err)
+	}
+
+	// 3) 构造请求
+	endpoint := strings.TrimRight(cfg.Provider.BaseURL, "/") + "/audio/transcriptions"
+	req, err := http.NewRequestWithContext(ctx, http.MethodPost, endpoint, body)
+	if err != nil {
+		return nil, fmt.Errorf("构造 STT 请求失败: %w", err)
+	}
+	req.Header.Set("Authorization", "Bearer "+cfg.Key.APIKey)
+	req.Header.Set("Content-Type", writer.FormDataContentType())
+
+	resp, err := c.httpClient.Do(req)
+	if err != nil {
+		return nil, fmt.Errorf("调用 STT 接口失败: %w", err)
+	}
+	defer resp.Body.Close()
+
+	respBytes, err := io.ReadAll(resp.Body)
+	if err != nil {
+		return nil, fmt.Errorf("读取 STT 响应失败: %w", err)
+	}
+
+	if resp.StatusCode < 200 || resp.StatusCode >= 300 {
+		// 截断响应体，避免日志爆炸
+		preview := string(respBytes)
+		if len(preview) > 300 {
+			preview = preview[:300] + "..."
+		}
+		return nil, fmt.Errorf("STT 接口返回 %d: %s", resp.StatusCode, preview)
+	}
+
+	// 4) 解析
+	var result TranscribeResult
+	if err := json.Unmarshal(respBytes, &result); err != nil {
+		preview := string(respBytes)
+		if len(preview) > 300 {
+			preview = preview[:300] + "..."
+		}
+		return nil, fmt.Errorf("解析 STT 响应失败: %v, body=%s", err, preview)
+	}
+	if result.Text == "" && len(result.Segments) == 0 {
+		// 部分供应商在 response_format=json 模式只返回 text；这里没拿到任何结果视为异常
+		return nil, fmt.Errorf("STT 响应内容为空")
+	}
+	return &result, nil
+}
+
+// downloadAudio 从给定 URL 拉取音频内容，返回字节流 + 推断的文件名
+//
+// 文件名仅作为 multipart 的 filename 参数，主要决定 Content-Type 推断；
+// 取 URL path 末段，无后缀则默认 recording.mp4。
+func (c *OpenAICompatibleClient) downloadAudio(ctx context.Context, fileURL string) ([]byte, string, error) {
+	req, err := http.NewRequestWithContext(ctx, http.MethodGet, fileURL, nil)
+	if err != nil {
+		return nil, "", err
+	}
+	resp, err := c.httpClient.Do(req)
+	if err != nil {
+		return nil, "", err
+	}
+	defer resp.Body.Close()
+	if resp.StatusCode < 200 || resp.StatusCode >= 300 {
+		return nil, "", fmt.Errorf("下载失败 status=%d", resp.StatusCode)
+	}
+	data, err := io.ReadAll(resp.Body)
+	if err != nil {
+		return nil, "", err
+	}
+
+	filename := path.Base(req.URL.Path)
+	if filename == "" || filename == "/" || !strings.Contains(filename, ".") {
+		filename = "recording.mp4"
+	}
+	return data, filename, nil
+}