jhonny-editor/code/engine/scanner/retakes/detector_de_reinicios.py

"""Detecção de sinais de reinício/recomeço de fala.

Analisa padrões de que a pessoa começou novamente uma ideia: repetição do
início de uma frase, pausas longas, marcadores explícitos ("não", "pera",
"vamos de novo", "desculpa") e repetição de palavras consecutivas.
"""

from __future__ import annotations

import re
from typing import Iterable

from .comparador_de_falas import ComparadorDeFalas
from .modelos_de_retakes import Fala, SinalDeReinicio

_MARCADORES = (
    "não", "pera", "peraí", "pera ai", "espera", "vamos de novo", "de novo",
    "vamos recomeçar", "recomeçar", "desculpa", "desculpe", "deixa eu ver",
    "vou repetir", "esquece", "hmm", "hm", "uhm", "tá", "ta",
)

_RE_MARCADOR = re.compile(
    r"\b(?:" + "|".join(re.escape(m) for m in _MARCADORES) + r")\b",
    re.IGNORECASE,
)

_PAUSA_LONGA = 1.2  # segundos a partir dos quais a pausa sugere recomeço.


class DetectorDeReinicios:
    """Encontra ``SinalDeReinicio`` em cada fala em relação à anterior."""

    def __init__(
        self,
        comparador: ComparadorDeFalas | None = None,
        pausa_longa: float = _PAUSA_LONGA,
    ) -> None:
        self.comparador = comparador or ComparadorDeFalas()
        self.pausa_longa = pausa_longa

    def detectar(self, falas: Iterable[Fala]) -> list[SinalDeReinicio]:
        falas = list(falas)
        sinais: list[SinalDeReinicio] = []
        for indice, fala in enumerate(falas):
            sinal = self._analisar(fala, falas[indice - 1] if indice > 0 else None)
            if sinal:
                sinais.append(sinal)
        return sinais

    def _analisar(self, fala: Fala, anterior: Fala | None) -> SinalDeReinicio | None:
        evidencias: list[str] = []
        intensidades: list[float] = []
        palavras = fala.texto_normalizado.split()

        # 1. Marcadores explícitos de recomeço no início.
        if palavras and _RE_MARCADOR.match(palavras[0]):
            evidencias.append("marcador explícito de recomeço")
            intensidades.append(0.9)

        if anterior is None:
            if intensidades:
                return SinalDeReinicio(fala.id, "reinicio_explicito",
                                       round(max(intensidades), 3), evidencias)
            return None

        # 2. Pausa longa antes da fala.
        pausa = fala.inicio - anterior.fim
        if pausa >= self.pausa_longa:
            evidencias.append(f"pausa de {pausa:.1f} segundos")
            intensidades.append(min(1.0, 0.5 + pausa / 8.0))

        # 3. Repetição do início da frase anterior.
        prefixo = self.comparador.prefixo_comum_em_palavras(anterior.texto, fala.texto)
        if prefixo >= 3:
            evidencias.append(f"repetição das primeiras {prefixo} palavras")
            intensidades.append(min(1.0, 0.4 + prefixo * 0.08))

        if not evidencias:
            return None

        return SinalDeReinicio(
            fala_id=fala.id,
            tipo="repeticao_do_inicio" if any("repetição" in e for e in evidencias) else "reinicio_pos_pausa",
            intensidade=round(min(1.0, max(intensidades)), 3),
            evidencias=evidencias,
        )