jhonny-editor/code/engine/integracoes/apple_speech/apple_speech_transcriber.swift

import Foundation
import Speech

/// Encapsula o ciclo de vida do Apple Speech para a Engine.
///
/// A classe não conhece o scanner, o catálogo ou a persistência. Sua única
/// responsabilidade é converter um arquivo de mídia em JSON temporal. O
/// processo é Foundation-only para poder ser executado como CLI sem iniciar
/// AppKit ou NSApplication.
final class TranscritorDeFalaApple {
    private let semaforo = DispatchSemaphore(value: 0)
    private var payload: [String: Any] = ["segmentos": []]
    private var codigoDeSaida: Int32 = 0
    private var finalizado = false

    func executar(argumentos: [String]) -> Int32 {
        guard argumentos.count >= 3 else {
            return finalizar("uso: apple-speech-transcriber arquivo locale [somente_no_dispositivo]", 2)
        }

        let arquivo = URL(fileURLWithPath: argumentos[1])
        let locale = Locale(identifier: argumentos[2])
        let somenteNoDispositivo = argumentos.count > 3 && argumentos[3] == "true"

        guard let recognizer = SFSpeechRecognizer(locale: locale), recognizer.isAvailable else {
            return finalizar("Apple Speech indisponível para o locale solicitado", 3)
        }

        SFSpeechRecognizer.requestAuthorization { [weak self] status in
            guard let self else { return }
            guard status == .authorized else {
                self.finalizar("Permissão do Apple Speech não concedida", 4)
                return
            }

            let request = SFSpeechURLRecognitionRequest(url: arquivo)
            request.shouldReportPartialResults = false
            if somenteNoDispositivo && recognizer.supportsOnDeviceRecognition {
                request.requiresOnDeviceRecognition = true
            }
            recognizer.recognitionTask(with: request) { [weak self] resultado, erro in
                guard let self else { return }
                if let resultado, resultado.isFinal {
                    self.payload["segmentos"] = resultado.bestTranscription.segments.map {
                        ["inicio": $0.timestamp, "fim": $0.timestamp + $0.duration,
                         "texto": $0.substring, "confianca": $0.confidence] as [String: Any]
                    }
                    self.finalizar(nil, 0)
                } else if let erro {
                    self.finalizar("Falha no Apple Speech: \(erro.localizedDescription)", 5)
                }
            }
        }

        semaforo.wait()
        imprimirResultado()
        return codigoDeSaida
    }

    @discardableResult
    private func finalizar(_ mensagem: String?, _ codigo: Int32) -> Int32 {
        guard !finalizado else { return codigoDeSaida }
        finalizado = true
        if let mensagem { fputs(mensagem + "\n", stderr) }
        codigoDeSaida = codigo
        semaforo.signal()
        return codigo
    }

    private func imprimirResultado() {
        guard let dados = try? JSONSerialization.data(withJSONObject: payload),
              let texto = String(data: dados, encoding: .utf8) else {
            fputs("Não foi possível serializar o resultado do Apple Speech\n", stderr)
            codigoDeSaida = 6
            return
        }
        print(texto)
    }
}

let transcritor = TranscritorDeFalaApple()
exit(transcritor.executar(argumentos: CommandLine.arguments))