test llm

speech_service/config.py

@@ -10,4 +10,5 @@ def load_config():
         "DEVICE": os.getenv("DEVICE", "cuda"),
         "AUDIO_TASK_CHANNEL": os.getenv("AUDIO_TASK_CHANNEL", "audio_tasks"),
         "TEXT_RESULT_CHANNEL": os.getenv("TEXT_RESULT_CHANNEL", "texts"),
+        "OLLAMA_URL": os.getenv("OLLAMA_URL", "http://ollama:11434/api/generate/"),
     }

speech_service/main.py

@@ -4,8 +4,43 @@ from config import load_config
 from models import AudioTask
 from redis_client import RedisClient
 from transcriber import WhisperTranscriber
+import httpx
+import json
 
-async def process_audio_task(redis_client: RedisClient, transcriber: WhisperTranscriber, task_data: dict):
+async def request_summary(text: str, ollama_url: str) -> str:
+    """
+    Делает запрос к Ollama API для суммаризации текста.
+    Использует модель gemma2:2b, системное сообщение и температуру 0.6.
+    Запрос делается без стриминга.
+    """
+    payload = {
+        "model": "gemma2:2b",
+        "prompt": text,
+        "system": (
+            "Ты — помощник для суммаризации текста. Твоя задача: выделить ключевые моменты "
+            "из высказывания человека, переформулируя их кратко и сохраняя оригинальный смысл. "
+            "Очень важно: не отвечай на вопросы, не рассуждай, не комментируй, не добавляй ничего от себя, "
+            "выполняй только суммаризацию."
+        ),
+        "stream": False,
+        "options": {
+            "temperature": 0.6
+        }
+    }
+    async with httpx.AsyncClient() as client:
+        try:
+            response = await client.post(ollama_url, json=payload, timeout=60.0)
+            response.raise_for_status()
+        except Exception as e:
+            print(f"LLM API request failed: {e}")
+            return text 
+        data = response.json()
+        summary = data.get("response")
+        if summary:
+            return summary.strip()
+        return text
+
+async def process_audio_task(redis_client: RedisClient, transcriber: WhisperTranscriber, task_data: dict, ollama_url: str):
     try:
         task = AudioTask(**task_data)
     except Exception as e:
@@ -16,6 +51,9 @@ async def process_audio_task(redis_client: RedisClient, transcriber: WhisperTran
     loop = asyncio.get_running_loop()
     text = await loop.run_in_executor(None, transcriber.transcribe, task.file_path)
 
+    if task_data.get("sum") == 1:
+        text = await request_summary(text, ollama_url)
+
     result = {
         "chat_id": task.chat_id,
         "user_id": task.user_id,
@@ -25,6 +63,7 @@ async def process_audio_task(redis_client: RedisClient, transcriber: WhisperTran
     await redis_client.publish_result(result)
     print(f"Published result for task {task.uuid}")
 
+
 async def main():
     config = load_config()
     redis_client = RedisClient(
@@ -46,7 +85,7 @@ async def main():
             except Exception as e:
                 print(f"Error parsing task message: {e}")
                 continue
-            asyncio.create_task(process_audio_task(redis_client, transcriber, task_data))
+            asyncio.create_task(process_audio_task(redis_client, transcriber, task_data, config["OLLAMA_URL"]))
         await asyncio.sleep(0.1)
 
 if __name__ == "__main__":

speech_service/requirements.txt

@@ -9,3 +9,4 @@ torchaudio==2.5.1
 transformers
 redis>=4.2.0
 python-dotenv
+httpx

telegram_bot/handlers/audio_handler.py

@@ -39,7 +39,8 @@ async def handle_voice_and_video(message: types.Message, redis_service, storage_
         "file_path": wav_destination,
         "user_id": message.from_user.id,
         "chat_id": message.chat.id,
-        "message_id": message.message_id
+        "message_id": message.message_id,
+        "sum": 1
     }
     
     await redis_service.publish_task(task_data)