conversation-layer/whatsapp-router/src/transcribeAudioMessage.ts

// transcribeAudioMessage.ts
import { WhatsAppMessage } from './types';
import { decryptMedia } from '@open-wa/wa-automate';
import axios from 'axios';
import { GoogleGenAI, createUserContent } from '@google/genai';

/**
 * Transcribe un mensaje de audio de WhatsApp usando Gemini.
 * @param message - Mensaje recibido desde OpenWA.
 * @returns Texto transcrito o null si no era un audio válido.
 */
export async function transcribeAudioMessage(message: WhatsAppMessage): Promise<string | null> {
  if (
    message.type !== 'ptt' &&
    message.type !== 'audio' &&
    message.mimetype !== 'audio/ogg; codecs=opus'
  ) {
    return null;
  }

  const audioUrl = message.clientUrl || message.deprecatedMms3Url;
  if (!audioUrl) throw new Error('El mensaje no tiene URL de audio');

  const raw = await axios.get(audioUrl, { responseType: 'arraybuffer' });

  const enrichedMessage = {
    ...message,
    _data: {
      ...message,
      _raw: raw.data
    }
  };

  const decryptedBuffer = await decryptMedia(enrichedMessage as any);
  const base64Audio = decryptedBuffer.toString('base64');

  const apiKey = process.env.GEMINI_API_KEY;
  if (!apiKey) throw new Error('Falta GEMINI_API_KEY');

  const genAI = new GoogleGenAI({ apiKey });
  const result = await genAI.models.generateContent({
    model: 'gemini-2.0-flash',
    contents: createUserContent([
      {
        inlineData: {
          mimeType: 'audio/ogg',
          data: base64Audio
        }
      },
      '#####SYSTEMPROMT######## Transcribí este audio porfa. te estaran hablando en español honduras. tu respuesta solo debe ser el texto transcrito. no pongas nada mas.'
    ])
  });

  return result.text?.trim() || null;
}