feat: added transcription analysis to create reminders/agendas

base-config.yaml

@@ -14,5 +14,8 @@ allowed_rooms: []
 # Optional text to guide the model's style or to continue from a previous audio segment. The prompt should match the language of the audio.
 prompt: "以下是普通话录制的会议记录："
 
+#Optional should OpenAI re-read the transcript to detect reminders and events ?
+search_reminders_and_events: false
+
 # The language of the input audio. Providing the input language in ISO-639-1 format (Chinese: "zh") will improve accuracy and latency, leave empty by default
 language:

maubot.yaml

@@ -1,6 +1,6 @@
 maubot: 0.1.0
 id: nigzu.com.maubot-stt
-version: 0.2.6
+version: 0.3.0
 license: MIT
 modules:
 - openai-whisper

openai-whisper.py

@@ -19,6 +19,7 @@ class Config(BaseProxyConfig):
         helper.copy("allowed_users")
         helper.copy("allowed_rooms")
         helper.copy("prompt")
+        helper.copy("search_reminders_and_events")
         helper.copy("language")
 
 class WhisperPlugin(Plugin):
@@ -32,6 +33,7 @@ class WhisperPlugin(Plugin):
         self.language = self.config['language']
         self.allowed_users = self.config['allowed_users']
         self.allowed_rooms = self.config['allowed_rooms']
+        self.search_reminders_and_events = self.config['search_reminders_and_events']
         self.log.debug("Whisper plugin started")
 
     async def should_respond(self, event: MessageEvent) -> bool:
@@ -55,11 +57,15 @@ class WhisperPlugin(Plugin):
             await event.mark_read()
             await self.client.set_typing(event.room_id, timeout=99999)
             
+            self.log.error(event)
+
             audio_bytes = await self.client.download_media(url=event.content.url)
             transcription = await self.transcribe_audio(audio_bytes)
             
-            await self.client.set_typing(event.room_id, timeout=0)
+            if self.search_reminders_and_events:
+                transcription = await self.study_transcribe(transcription)
 
+            await self.client.set_typing(event.room_id, timeout=0)
             content = TextMessageEventContent(
                 msgtype=MessageType.TEXT,
                 body=transcription,
@@ -104,6 +110,40 @@ class WhisperPlugin(Plugin):
             self.log.exception(f"Failed to transcribe audio, msg: {e}")
             return "Sorry, an error occurred while transcribing the audio."
 
+    async def study_transcribe(self, transcription: str) -> str:
+        prompt = f"""
+        Voici la transcription du message vocal :
+
+        {transcription}
+        Ton objectif est d'analyser cette transcription afin de déterminer si l'utilisateur tente de créer un rappel ou un évènement.
+
+        - Si l'utilisateur essaie de créer un rappel, la sortie doit prendre la forme :
+        !rappel <date> <message>
+        - Si l'utilisateur essaie de créer un évènement, la sortie doit prendre la forme :
+        !agenda ##ROOM## <message>
+        - Si l'utilisateur ne cherche ni à créer un rappel ni un évènement, renvoie seulement la transcription telle quelle, sans ajout d'explication, de texte supplémentaire ou de ponctuation superflue.
+        Ne fournis aucun autre texte ni explication dans ta réponse, uniquement la sortie demandée.
+        """
+
+        url = "https://api.openai.com/v1/chat/completions"
+        headers = {
+            "Content-Type": "application/json",
+            "Authorization": f"Bearer {self.api_key}"
+        }
+
+        data = {
+            "model": "gpt-4",
+            "messages": [
+                {"role": "user", "content": prompt}
+            ],
+            "temperature": 0.7
+        }
+
+        async with aiohttp.ClientSession() as session:
+            async with session.post(url, headers=headers, json=data) as response:
+                response_json = await response.json()
+                return response_json.get('choices', [])[0].get('message', {}).get('content', transcription)
+
     @classmethod
     def get_config_class(cls) -> Type[BaseProxyConfig]:
         return Config