feat: add common version mange

internal/stt/assemblyai/assemblyai.go

@@ -45,28 +45,46 @@ func (s *STT) Recognize(audioData []byte, audioURL string) (string, error) {
 func (s *STT) transcribeFromURL(audioURL string) (string, error) {
 	ctx := context.Background()
 
-	// 第一次尝试��使用语言检测
-	params := s.buildParams()
+	// 第一次尝试：启用语言检测
+	params := &aai.TranscriptOptionalParams{
+		LanguageDetection:           aai.Bool(true),
+		LanguageConfidenceThreshold: aai.Float64(0.1), // 设置较低的初始阈值
+		Punctuate:                   aai.Bool(s.cfg.AssemblyAI.Punctuate),
+		FormatText:                  aai.Bool(s.cfg.AssemblyAI.FormatText),
+		SpeechThreshold:             aai.Float64(s.cfg.AssemblyAI.SpeechThreshold),
+		Multichannel:                aai.Bool(s.cfg.AssemblyAI.Multichannel),
+	}
+
 	transcript, err := s.client.Transcripts.TranscribeFromURL(ctx, audioURL, params)
 	if err != nil {
 		// 检查是否是语言置信度错误
 		if s.isLanguageConfidenceError(err) && s.cfg.AssemblyAI.DefaultLanguageCode != "" {
-			// 使用默认语言重试
-			logger.Infof("语言置信度低于阈值 %.2f，使用默认语言 %s 重试",
-				s.cfg.AssemblyAI.LanguageConfidenceThreshold,
+			logger.Infof("第一次尝试失败(语言置信度低), 使用默认语言 %s 重试",
 				s.cfg.AssemblyAI.DefaultLanguageCode)
 
-			// 构建新的参数，使用默认语言
-			params = s.buildParamsWithDefaultLanguage()
-			transcript, err = s.client.Transcripts.TranscribeFromURL(ctx, audioURL, params)
+			// 第二次尝试：禁用语言检测，使用固定语言
+			retryParams := &aai.TranscriptOptionalParams{
+				LanguageDetection: aai.Bool(false), // 明确禁用语言检测
+				LanguageCode:      aai.TranscriptLanguageCode(s.cfg.AssemblyAI.DefaultLanguageCode),
+				// 基础参数
+				Punctuate:       aai.Bool(s.cfg.AssemblyAI.Punctuate),
+				FormatText:      aai.Bool(s.cfg.AssemblyAI.FormatText),
+				SpeechThreshold: aai.Float64(s.cfg.AssemblyAI.SpeechThreshold),
+				Multichannel:    aai.Bool(s.cfg.AssemblyAI.Multichannel),
+				// 不再设置 LanguageConfidenceThreshold
+			}
+
+			// 记录重试请求参数
+			logger.Debugf("重试请求参数: %+v", retryParams)
+
+			transcript, err = s.client.Transcripts.TranscribeFromURL(ctx, audioURL, retryParams)
 			if err != nil {
-				return "", fmt.Errorf("语言置信度低于阈值 %.2f，使用默认语言 %s 重试失败: %v",
-					s.cfg.AssemblyAI.LanguageConfidenceThreshold,
-					s.cfg.AssemblyAI.DefaultLanguageCode,
-					err)
+				return "", fmt.Errorf("使用默认语言 %s 重试失败: %v",
+					s.cfg.AssemblyAI.DefaultLanguageCode, err)
 			}
+		} else {
+			return "", fmt.Errorf("转录请求失败: %v", err)
 		}
-		return "", fmt.Errorf("转录请求失败: %v", err)
 	}
 
 	// 使用指数退避策略，轮询转录状态
@@ -132,34 +150,20 @@ func (s *STT) buildParams() *aai.TranscriptOptionalParams {
 	aaiCfg := s.cfg.AssemblyAI
 
 	params := &aai.TranscriptOptionalParams{
-		// 将 string 转换为 SpeechModel 类型
-		SpeechModel:                 aai.SpeechModel(aaiCfg.Model),
-		LanguageDetection:           aai.Bool(aaiCfg.LanguageDetection),
-		LanguageConfidenceThreshold: aai.Float64(aaiCfg.LanguageConfidenceThreshold),
-		Punctuate:                   aai.Bool(aaiCfg.Punctuate),
-		FormatText:                  aai.Bool(aaiCfg.FormatText),
-		Disfluencies:                aai.Bool(aaiCfg.Disfluencies),
-		FilterProfanity:             aai.Bool(aaiCfg.FilterProfanity),
-		AudioStartFrom:              aai.Int64(aaiCfg.AudioStartFrom),
-		AudioEndAt:                  aai.Int64(aaiCfg.AudioEndAt),
-		SpeechThreshold:             aai.Float64(aaiCfg.SpeechThreshold),
-		Multichannel:                aai.Bool(aaiCfg.Multichannel),
+		SpeechModel:     aai.SpeechModel(aaiCfg.Model),
+		Punctuate:       aai.Bool(aaiCfg.Punctuate),
+		FormatText:      aai.Bool(aaiCfg.FormatText),
+		SpeechThreshold: aai.Float64(aaiCfg.SpeechThreshold),
+		Multichannel:    aai.Bool(aaiCfg.Multichannel),
 	}
 
-	// 如果设置了固定的 language_code，则禁用语言检测并指定语言
-	if aaiCfg.LanguageCode != "" {
-		params.LanguageDetection = aai.Bool(false)
-		params.LanguageCode = aai.TranscriptLanguageCode(aaiCfg.LanguageCode)
-	}
-
-	// 如果配置了词汇增强
+	// 词汇增强设置
 	if len(aaiCfg.WordBoost) > 0 {
 		params.WordBoost = aaiCfg.WordBoost
-		// 将 string 转换为 TranscriptBoostParam 类型
 		params.BoostParam = aai.TranscriptBoostParam(aaiCfg.BoostParam)
 	}
 
-	// 如果配置了自定义拼写
+	// 自定义拼写设置
 	if len(aaiCfg.CustomSpelling) > 0 {
 		var customSpellings []aai.TranscriptCustomSpelling
 		for _, cs := range aaiCfg.CustomSpelling {
@@ -174,24 +178,9 @@ func (s *STT) buildParams() *aai.TranscriptOptionalParams {
 	return params
 }
 
-// 新增：检查是否是语言置信度错误
+// isLanguageConfidenceError 优化错误检测逻辑
 func (s *STT) isLanguageConfidenceError(err error) bool {
-	return strings.Contains(err.Error(), "below the requested confidence threshold value")
-}
-
-// 新增：使用默认语言构建参数
-func (s *STT) buildParamsWithDefaultLanguage() *aai.TranscriptOptionalParams {
-	// 不再调用 s.buildParams()，防止里面带了 threshold
-	// 自己手动指定二次请求想要的字段
-	return &aai.TranscriptOptionalParams{
-		LanguageDetection: aai.Bool(false),
-		LanguageCode:      aai.TranscriptLanguageCode(s.cfg.AssemblyAI.DefaultLanguageCode),
-		Punctuate:         aai.Bool(true),
-		FormatText:        aai.Bool(true),
-		SpeechThreshold:   aai.Float64(s.cfg.AssemblyAI.SpeechThreshold),
-		Multichannel:      aai.Bool(s.cfg.AssemblyAI.Multichannel),
-		AudioStartFrom:    aai.Int64(s.cfg.AssemblyAI.AudioStartFrom),
-		AudioEndAt:        aai.Int64(s.cfg.AssemblyAI.AudioEndAt),
-		BoostParam:        aai.TranscriptBoostParam(s.cfg.AssemblyAI.BoostParam),
-	}
+	errMsg := err.Error()
+	return strings.Contains(errMsg, "below the requested confidence threshold") ||
+		strings.Contains(errMsg, "confidence threshold value")
 }