Hanzo_dev
d9ba114b84
El fallback a mp3 causaba que Whisper rechazara archivos mp4/m4a de plataformas sociales cuya URL no tiene extensión reconocible. Ahora se prioriza el header Content-Type de la respuesta HTTP, luego la extensión de la URL, y el fallback final es mp4 en lugar de mp3. Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
86 lines
3.4 KiB
JavaScript
86 lines
3.4 KiB
JavaScript
// ============================================================
|
|
// TRANSCRIPTOR — OpenAI Whisper
|
|
// Descarga el audio desde la URL y lo transcribe
|
|
// Incluye reintentos automáticos para URLs de CDN inestables
|
|
// ============================================================
|
|
import OpenAI, { toFile } from 'openai'
|
|
|
|
const openai = new OpenAI({ apiKey: process.env.OPENAI_API_KEY })
|
|
|
|
/**
|
|
* Descarga una URL con reintentos (para CDNs que expiran o fallan transitoriamente)
|
|
* @param {string} url
|
|
* @param {number} intentos Máximo de intentos (default: 3)
|
|
* @returns {Response}
|
|
*/
|
|
async function fetchConReintentos(url, intentos = 3) {
|
|
let ultimoError
|
|
for (let i = 1; i <= intentos; i++) {
|
|
try {
|
|
const res = await fetch(url)
|
|
if (res.ok) return res
|
|
ultimoError = new Error(`HTTP ${res.status} al descargar audio (intento ${i}/${intentos})`)
|
|
} catch (err) {
|
|
ultimoError = err
|
|
}
|
|
if (i < intentos) await new Promise(r => setTimeout(r, 1200 * i)) // backoff: 1.2s, 2.4s
|
|
}
|
|
throw ultimoError
|
|
}
|
|
|
|
/**
|
|
* @param {string} audioUrl URL directa del MP3 (de Social Download API)
|
|
* @param {string} idioma Código de idioma: 'es', 'en', 'pt', etc.
|
|
* @returns {string} Transcripción completa del audio
|
|
*/
|
|
export async function transcribir(audioUrl, idioma = 'es') {
|
|
const audioResponse = await fetchConReintentos(audioUrl)
|
|
|
|
// En Vercel Serverless (Node < 20), Web API `File` no está disponible por defecto,
|
|
// y `arrayBuffer` consume mucha RAM. `toFile` soluciona ambos.
|
|
const formatosSoportados = ['flac', 'm4a', 'mp3', 'mp4', 'mpeg', 'mpga', 'oga', 'ogg', 'wav', 'webm']
|
|
const mimeMap = { mp3: 'audio/mpeg', m4a: 'audio/mp4', mp4: 'audio/mp4', webm: 'audio/webm', ogg: 'audio/ogg', wav: 'audio/wav', flac: 'audio/flac', mpeg: 'audio/mpeg', mpga: 'audio/mpeg', oga: 'audio/ogg' }
|
|
|
|
// 1. Intentar detectar formato desde el Content-Type de la respuesta HTTP
|
|
const contentType = audioResponse.headers.get('content-type') || ''
|
|
const contentTypeToExt = {
|
|
'audio/mpeg': 'mp3', 'audio/mp3': 'mp3', 'audio/mp4': 'm4a',
|
|
'video/mp4': 'mp4', 'audio/webm': 'webm', 'video/webm': 'webm',
|
|
'audio/ogg': 'ogg', 'audio/flac': 'flac', 'audio/wav': 'wav',
|
|
'audio/x-wav': 'wav', 'audio/x-m4a': 'm4a',
|
|
}
|
|
let ext = null
|
|
for (const [mime, e] of Object.entries(contentTypeToExt)) {
|
|
if (contentType.includes(mime)) { ext = e; break }
|
|
}
|
|
|
|
// 2. Si el Content-Type no fue útil, intentar con la extensión de la URL
|
|
if (!ext) {
|
|
const urlExt = audioUrl.split('?')[0].split('.').pop()?.toLowerCase()
|
|
ext = formatosSoportados.includes(urlExt) ? urlExt : null
|
|
}
|
|
|
|
// 3. Fallback a mp4 (más común en plataformas sociales y soportado por Whisper)
|
|
if (!ext) ext = 'mp4'
|
|
|
|
const mimeType = mimeMap[ext] || 'audio/mp4'
|
|
// toFile es async en el SDK de OpenAI — await es necesario aunque el IDE lo marque como hint
|
|
const audioFile = await toFile(audioResponse, `audio.${ext}`, { type: mimeType })
|
|
|
|
const transcripcion = await openai.audio.transcriptions.create({
|
|
file: audioFile,
|
|
model: 'whisper-1',
|
|
language: idioma === 'otro' ? undefined : idioma, // auto-detect si es 'otro'
|
|
response_format: 'text',
|
|
})
|
|
|
|
if (!transcripcion || transcripcion.trim().length < 10) {
|
|
throw new Error(
|
|
'Whisper no detectó voz suficiente en el audio. ' +
|
|
'Verifica que el video tenga narración clara (no solo música o texto en pantalla).'
|
|
)
|
|
}
|
|
|
|
return transcripcion.trim()
|
|
}
|