From 353c7f73b3032c8fce380b9a3e20ce65543b4afe Mon Sep 17 00:00:00 2001
From: Admin <admin@domovoy.local>
Date: Fri, 4 Sep 2026 17:37:16 +0400
Subject: [PATCH] fix(voice): switch to gemini-3.5-flash, async to_thread, and
 20MB file limit handling

---
 handlers/voice.py | 75 +++++++++++++++++++++++++++++++----------------
 1 file changed, 49 insertions(+), 26 deletions(-)

diff --git a/handlers/voice.py b/handlers/voice.py
index 8895f07..f99216f 100644
--- a/handlers/voice.py
+++ b/handlers/voice.py
@@ -240,39 +240,41 @@ async def transcribe_audio(audio_path: str) -> str:
             clean_path = tmp_wav
 
     models_to_try = [
-        'gemini-2.5-flash',
-        'gemini-flash-latest',
-        'gemini-2.5-flash-lite',
-        'gemini-3.5-transcribe'
+        'gemini-3.5-flash',
+        'gemini-3-flash-preview',
+        'gemini-2.0-flash',
+        'gemini-1.5-flash'
     ]
 
-    for model_name in models_to_try:
+    def _sync_transcribe(clean_file_path: str, m_name: str) -> str:
+        audio_file = genai.upload_file(path=clean_file_path)
         try:
-            logger.info(f"🎙 [Gemini STT] Распознавание {clean_path} через {model_name}...")
-            audio_file = genai.upload_file(path=clean_path)
-            
             prompt = (
                 "Точно транскрибируй эту аудиозапись на русском языке в текст. "
                 "Не добавляй никаких вводных слов, пояснений и комментариев, отдай исключительно чистый текст произнесенных слов."
             )
-            
-            model = genai.GenerativeModel(model_name)
-            response = model.generate_content([audio_file, prompt])
-            
+            model = genai.GenerativeModel(m_name)
+            resp = model.generate_content([audio_file, prompt])
+            return resp.text.strip() if resp and resp.text else ""
+        finally:
             try:
                 genai.delete_file(name=audio_file.name)
             except Exception:
                 pass
 
-            if response and response.text and response.text.strip():
-                text = response.text.strip()
+    for model_name in models_to_try:
+        try:
+            logger.info(f"🎙 [Gemini STT] Распознавание {clean_path} через {model_name}...")
+            text = await asyncio.to_thread(_sync_transcribe, clean_path, model_name)
+
+            if text:
                 logger.info(f"🎯 [Gemini STT] Успешно распознано ({model_name}): {text[:70]}...")
                 if tmp_wav and os.path.exists(tmp_wav):
                     os.remove(tmp_wav)
                 return text
         except Exception as e:
             logger.warning(f"⚠️ [Gemini STT] Ошибка на модели {model_name}: {e}")
-            await asyncio.sleep(1)
+            await asyncio.sleep(0.5)
 
     if tmp_wav and os.path.exists(tmp_wav):
         os.remove(tmp_wav)
@@ -306,25 +308,34 @@ async def execute_antigravity_agent(user_text: str) -> str:
         "Внутри него напиши короткую (1-3 предложения), емкую, теплую голосовую выжимку от Майи без Markdown и эмодзи, которая будет озвучена голосом Шаде."
     )
 
-    models_to_try = ['gemini-2.5-flash', 'gemini-flash-latest', 'gemini-2.5-flash-lite', 'gemini-3.7-flash', 'gemini-2.5-pro']
+    models_to_try = [
+        'gemini-3.5-flash',
+        'gemini-3-flash-preview',
+        'gemini-2.0-flash',
+        'gemini-1.5-flash'
+    ]
     last_error = None
 
+    def _sync_run_agent(m_name: str, u_text: str) -> str:
+        model = genai.GenerativeModel(
+            model_name=m_name,
+            system_instruction=system_instruction,
+            tools=[query_bitrix24, execute_bash_command, save_to_obsidian]
+        )
+        chat = model.start_chat(enable_automatic_function_calling=True)
+        resp = chat.send_message(u_text)
+        return resp.text.strip() if resp and resp.text else ""
+
     for model_name in models_to_try:
         try:
             logger.info(f"🚀 [Maya Agent] Запуск с моделью: {model_name}")
-            model = genai.GenerativeModel(
-                model_name=model_name,
-                system_instruction=system_instruction,
-                tools=[query_bitrix24, execute_bash_command, save_to_obsidian]
-            )
-            chat = model.start_chat(enable_automatic_function_calling=True)
-            response = chat.send_message(user_text)
-            if response and response.text:
-                return response.text.strip()
+            response_text = await asyncio.to_thread(_sync_run_agent, model_name, user_text)
+            if response_text:
+                return response_text
         except Exception as e:
             logger.warning(f"⚠️ [Maya Agent] Сбой на модели {model_name}: {e}")
             last_error = e
-            await asyncio.sleep(1)
+            await asyncio.sleep(0.5)
 
     return f"❌ Ошибка исполнения Maya Agent: {last_error}"
 
@@ -370,6 +381,18 @@ async def handle_voice_message(message: Message, bot: Bot):
     else:
         return
 
+    target_obj = message.voice or message.video_note or message.audio or message.document
+    file_size = getattr(target_obj, "file_size", 0) or 0
+    if file_size > 20 * 1024 * 1024:
+        size_mb = round(file_size / (1024 * 1024), 1)
+        await message.reply(
+            f"⚠️ <b>Файл слишком большой ({size_mb} МБ).</b>\n\n"
+            "Telegram Bot API жестко ограничивает скачивание ботами файлов размером до 20 МБ.\n"
+            "💡 <b>Решение:</b> Сконвертируй запись диктофона в AAC/M4A/MP3 с более низким битрейтом (например, 64 kbps mono) или надиктуй голосовыми сообщениями прямо в чат!",
+            parse_mode="HTML"
+        )
+        return
+
     status_msg = await message.reply("🎙 <i>Слушаю и выполняю команду...</i>", parse_mode="HTML")
     await bot.send_chat_action(message.chat.id, "typing")