Fix thread safety, implement prompt, fix resource leaks, add history rotation

- Add threading.Lock around asr_pipeline calls (thread-safe inference on shared GPU)
- Implement prompt parameter: propagate through process_file → transcribe → generate_kwargs
- Fix prompt_ids device mismatch (.to(self.device) for CUDA)
- Replace mkdtemp() with create_temp_file() in sources.py (no more leaked /tmp dirs)
- Add max_history_days (default 30) with automatic cleanup of old history directories
- Add intentional comments for SSRF and /config decisions (internal service)
- Lower normalize_audio log level from INFO to DEBUG

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

app/audio/processor.py

@@ -38,7 +38,7 @@ class AudioProcessor:
 
     def convert_to_wav(self, input_path: str) -> str:
         """
-        Конвертация входного аудиофайла в WAV формат с частотой дискретизации 16 кГц.
+        Конвертация входного аудиофайла в WAV формат с частотой дискретизации 16 кГц (моно).
         
         Args:
             input_path: Путь к исходному аудиофайлу.
@@ -51,18 +51,6 @@ class AudioProcessor:
         """
         audio_rate = self.config["audio_rate"]
 
-        # Проверка расширения файла
-        if input_path.lower().endswith('.wav'):
-            # Проверяем, нужно ли преобразовывать WAV-файл (например, если частота не 16 кГц)
-            try:
-                info = subprocess.check_output(['soxi', input_path]).decode()
-                if f'{audio_rate} Hz' in info:
-                    logger.info(f"Файл {input_path} уже в формате WAV с частотой {audio_rate} Гц")
-                    return input_path
-            except subprocess.CalledProcessError:
-                logger.warning(f"Не удалось получить информацию о WAV-файле {input_path}")
-                # Продолжаем конвертацию, чтобы быть уверенными в формате
-
         # Создаем временный файл для WAV
         output_path = create_temp_file(".wav")
         
@@ -77,14 +65,14 @@ class AudioProcessor:
             output_path
         ]
         
-        logger.debug(f"Конвертация в WAV: {' '.join(cmd)}")
+        logger.debug("Конвертация в WAV: %s", " ".join(cmd))
         
         try:
             subprocess.run(cmd, check=True, capture_output=True)
-            logger.info(f"Файл конвертирован в WAV: {output_path}")
+            logger.info("Файл конвертирован в WAV: %s", output_path)
             return output_path
         except subprocess.CalledProcessError as e:
-            logger.error(f"Ошибка при конвертации в WAV: {e.stderr.decode()}")
+            logger.error("Ошибка при конвертации в WAV: %s", e.stderr.decode())
             raise
     
     def normalize_audio(self, input_path: str) -> str:
@@ -112,14 +100,14 @@ class AudioProcessor:
             "compand"
         ] + self.compand_params.split()
         
-        logger.info(f"Нормализация аудио: {' '.join(cmd)}")
+        logger.debug("Нормализация аудио: %s", " ".join(cmd))
         
         try:
             subprocess.run(cmd, check=True, capture_output=True)
-            logger.info(f"Аудио нормализовано: {output_path}")
+            logger.info("Аудио нормализовано: %s", output_path)
             return output_path
         except subprocess.CalledProcessError as e:
-            logger.error(f"Ошибка при нормализации аудио: {e.stderr.decode()}")
+            logger.error("Ошибка при нормализации аудио: %s", e.stderr.decode())
             raise
     
     def add_silence(self, input_path: str) -> str:
@@ -146,14 +134,14 @@ class AudioProcessor:
             "pad", "2.0", "1.0"  # Добавление тишины в начале и в конце (секунды)
         ]
         
-        logger.info(f"Добавление тишины: {' '.join(cmd)}")
+        logger.info("Добавление тишины: %s", " ".join(cmd))
         
         try:
             subprocess.run(cmd, check=True, capture_output=True)
-            logger.info(f"Тишина добавлена: {output_path}")
+            logger.info("Тишина добавлена: %s", output_path)
             return output_path
         except subprocess.CalledProcessError as e:
-            logger.error(f"Ошибка при добавлении тишины: {e.stderr.decode()}")
+            logger.error("Ошибка при добавлении тишины: %s", e.stderr.decode())
             raise
     
     def process_audio(self, input_path: str) -> Tuple[str, list]:
@@ -188,6 +176,6 @@ class AudioProcessor:
             return silence_path, temp_files
         
         except Exception as e:
-            logger.error(f"Ошибка при обработке аудио {input_path}: {e}")
+            logger.error("Ошибка при обработке аудио %s: %s", input_path, e)
             cleanup_temp_files(temp_files)
             raise

app/audio/sources.py

@@ -4,8 +4,6 @@
 """
 
 import os
-import uuid
-import tempfile
 import base64
 from urllib.parse import urlparse
 import magic
@@ -13,6 +11,8 @@ import requests
 from typing import Tuple, Optional
 import logging
 
+from ..infrastructure.storage import create_temp_file
+
 logger = logging.getLogger('app.audio_sources')
 
 
@@ -23,12 +23,6 @@ def _check_size(size_bytes: int, max_size_mb: int) -> Optional[str]:
     return None
 
 
-def _make_temp_path(suffix: str = ".wav") -> str:
-    """Создаёт путь для временного файла."""
-    temp_dir = tempfile.mkdtemp()
-    return os.path.join(temp_dir, f"{uuid.uuid4()}{suffix}")
-
-
 def get_uploaded_file(request_files, max_file_size_mb: int = 100) -> Tuple[Optional[str], Optional[str], Optional[str]]:
     """
     Получает аудиофайл из загруженных файлов Flask.
@@ -54,7 +48,7 @@ def get_uploaded_file(request_files, max_file_size_mb: int = 100) -> Tuple[Optio
         return None, None, error
 
     # Сохраняем во временный файл
-    temp_path = _make_temp_path()
+    temp_path = create_temp_file()
     file.save(temp_path)
 
     return temp_path, file.filename, None
@@ -72,6 +66,8 @@ def get_url_file(url: str, max_file_size_mb: int = 100) -> Tuple[Optional[str],
         if parsed.scheme not in ('http', 'https'):
             return None, None, f"Unsupported URL scheme: {parsed.scheme}. Only http/https allowed"
 
+        # SSRF-защита (валидация private IP) не добавлена сознательно:
+        # сервис работает во внутренней сети и недоступен извне
         response = requests.get(url, stream=True, timeout=30)
         response.raise_for_status()
 
@@ -92,15 +88,23 @@ def get_url_file(url: str, max_file_size_mb: int = 100) -> Tuple[Optional[str],
             if url_path:
                 original_name = os.path.basename(url_path)
 
-        temp_path = _make_temp_path()
+        temp_path = create_temp_file()
+        max_bytes = max_file_size_mb * 1024 * 1024
+        total_size = 0
+
         with open(temp_path, 'wb') as f:
             for chunk in response.iter_content(chunk_size=8192):
+                total_size += len(chunk)
+                if total_size > max_bytes:
+                    f.close()
+                    os.remove(temp_path)
+                    return None, None, f"File exceeds maximum size of {max_file_size_mb}MB"
                 f.write(chunk)
 
         return temp_path, original_name or os.path.basename(temp_path), None
 
     except Exception as e:
-        logger.error(f"Ошибка при получении файла по URL {url}: {e}")
+        logger.error("Ошибка при получении файла по URL %s: %s", url, e)
         return None, None, f"Error retrieving file from URL: {str(e)}"
 
 
@@ -112,12 +116,14 @@ def get_base64_file(base64_data: str, max_file_size_mb: int = 100) -> Tuple[Opti
         Кортеж (путь к temp-файлу, имя файла, сообщение об ошибке).
     """
     try:
-        audio_data = base64.b64decode(base64_data)
+        # Оценка размера до декодирования: base64 кодирует 3 байта в 4 символа
-
+        estimated_size = len(base64_data) * 3 // 4
-        error = _check_size(len(audio_data), max_file_size_mb)
+        error = _check_size(estimated_size, max_file_size_mb)
         if error:
             return None, None, error
 
+        audio_data = base64.b64decode(base64_data)
+
         # Определяем формат по содержимому
         mime_to_ext = {
             "audio/mpeg": ".mp3",
@@ -131,12 +137,12 @@ def get_base64_file(base64_data: str, max_file_size_mb: int = 100) -> Tuple[Opti
         detected_mime = magic.from_buffer(audio_data[:1024], mime=True)
         suffix = mime_to_ext.get(detected_mime, ".wav")
 
-        temp_path = _make_temp_path(suffix)
+        temp_path = create_temp_file(suffix)
         with open(temp_path, 'wb') as f:
             f.write(audio_data)
 
         return temp_path, os.path.basename(temp_path), None
 
     except Exception as e:
-        logger.error(f"Ошибка при декодировании base64 данных: {e}")
+        logger.error("Ошибка при декодировании base64 данных: %s", e)
         return None, None, f"Error decoding base64 data: {str(e)}"

app/core/transcriber.py

@@ -7,6 +7,7 @@ OpenAI для транскрибации аудиофайлов в текст.
 """
 
 import time
+import threading
 import traceback
 from typing import Dict, Tuple, Union
 import logging
@@ -63,8 +64,10 @@ class WhisperTranscriber:
         self.return_timestamps = config["return_timestamps"]
         self.temperature = config["temperature"]
 
-        # Оптимальный тип для тензоров
+        # Lock для потокобезопасного доступа к модели —
-        self.torch_dtype = torch.bfloat16
+        # Waitress обслуживает запросы в нескольких потоках,
+        # а HuggingFace pipeline не является thread-safe
+        self._inference_lock = threading.Lock()
 
         # Создаем объект для обработки аудио
         self.audio_processor = AudioProcessor(config)
@@ -72,6 +75,9 @@ class WhisperTranscriber:
         # Определяем устройство для вычислений
         self.device = self._get_device()
 
+        # Оптимальный тип для тензоров (зависит от устройства)
+        self.torch_dtype = self._get_torch_dtype()
+
         # Загружаем модель при инициализации
         self._load_model()
 
@@ -88,26 +94,40 @@ class WhisperTranscriber:
             
             # Проверяем, что device_id является целым числом
             if not isinstance(device_id, int):
-                logger.warning(f"device_id должен быть целым числом, получено: {device_id}. Используем значение по умолчанию 0")
+                logger.warning("device_id должен быть целым числом, получено: %s. Используем значение по умолчанию 0", device_id)
                 device_id = 0
             
             # Проверяем, доступен ли запрошенный GPU
             device_count = torch.cuda.device_count()
             if device_id >= device_count:
-                logger.warning(f"Запрошенный GPU с индексом {device_id} недоступен. Доступно GPU: {device_count}. Используем GPU с индексом 0")
+                logger.warning("Запрошенный GPU с индексом %s недоступен. Доступно GPU: %s. Используем GPU с индексом 0", device_id, device_count)
                 device_id = 0
             
-            logger.info(f"Используется CUDA GPU с индексом {device_id} для вычислений")
+            logger.info("Используется CUDA GPU с индексом %s для вычислений", device_id)
             return torch.device(f"cuda:{device_id}")
         elif hasattr(torch.backends, "mps") and torch.backends.mps.is_available():
             logger.info("Используется MPS (Apple Silicon) для вычислений")
-            # Обходное решение для MPS
+            # Обходное решение для MPS: PyTorch проверяет is_initialized()
+            # при создании тензоров на MPS-устройстве, что вызывает ошибку
+            # в однопроцессном режиме.
+            # TODO: Удалить после обновления до PyTorch >= 2.5
             setattr(torch.distributed, "is_initialized", lambda: False)
             return torch.device("mps")
         else:
             logger.info("Используется CPU для вычислений")
             return torch.device("cpu")
 
+    def _get_torch_dtype(self) -> torch.dtype:
+        """
+        Определяет оптимальный тип данных для тензоров в зависимости от устройства.
+        
+        Returns:
+            torch.float32 для CPU, torch.bfloat16 для GPU/MPS.
+        """
+        if self.device.type == "cpu":
+            return torch.float32
+        return torch.bfloat16
+
     def _load_model(self) -> None:
         """
         Загрузка модели и процессора.
@@ -115,7 +135,7 @@ class WhisperTranscriber:
         Raises:
             Exception: Если не удалось загрузить модель.
         """
-        logger.info(f"Загрузка модели из {self.model_path}")
+        logger.info("Загрузка модели из %s", self.model_path)
 
         model_kwargs = dict(
             torch_dtype=self.torch_dtype,
@@ -132,7 +152,7 @@ class WhisperTranscriber:
             if self.device.type == "cuda":
                 logger.info("Используется Flash Attention 2")
         except Exception as e:
-            logger.warning(f"Не удалось загрузить модель с Flash Attention: {e}")
+            logger.warning("Не удалось загрузить модель с Flash Attention: %s", e)
             model_kwargs.pop("attn_implementation", None)
             self.model = WhisperForConditionalGeneration.from_pretrained(
                 self.model_path, **model_kwargs
@@ -154,13 +174,18 @@ class WhisperTranscriber:
 
         logger.info("Модель успешно загружена и готова к использованию")
 
-    def transcribe(self, audio_path: str, return_timestamps: bool = None) -> Union[str, Dict]:
+    def transcribe(self, audio_path: str, return_timestamps: bool = None,
+                   language: str = None, temperature: float = None,
+                   prompt: str = None) -> Union[str, Dict]:
         """
         Транскрибация аудиофайла.
 
         Args:
             audio_path: Путь к обработанному аудиофайлу.
             return_timestamps: Флаг возврата временных меток. Если None — берётся из конфига.
+            language: Язык распознавания. Если None — берётся из конфига.
+            temperature: Параметр температуры для генерации. Если None — берётся из конфига.
+            prompt: Текстовая подсказка для модели (имена, термины, контекст).
 
         Returns:
             В зависимости от параметра return_timestamps:
@@ -169,28 +194,39 @@ class WhisperTranscriber:
         """
         if return_timestamps is None:
             return_timestamps = self.return_timestamps
+        if language is None:
+            language = self.language
+        if temperature is None:
+            temperature = self.temperature
 
-        logger.info(f"Начало транскрибации файла: {audio_path}")
+        logger.info("Начало транскрибации файла: %s", audio_path)
 
         try:
             # Загрузка аудио в формате numpy array
             audio_array, sampling_rate = load_audio(audio_path, sr=16000)
 
             # Транскрибация с корректным форматом данных
-            result = self.asr_pipeline(
+            generate_kwargs = {
-                {"raw": audio_array, "sampling_rate": sampling_rate},
+                "language": language,
-                generate_kwargs={
+                "max_new_tokens": self.max_new_tokens,
-                    "language": self.language,
+                "temperature": temperature,
-                    "max_new_tokens": self.max_new_tokens,
+            }
-                    "temperature": self.temperature
+            if prompt:
-                },
+                generate_kwargs["prompt_ids"] = self.processor.get_prompt_ids(
-                return_timestamps=return_timestamps
+                    prompt, return_tensors="pt"
-            )
+                ).to(self.device)
+
+            with self._inference_lock:
+                result = self.asr_pipeline(
+                    {"raw": audio_array, "sampling_rate": sampling_rate},
+                    generate_kwargs=generate_kwargs,
+                    return_timestamps=return_timestamps,
+                )
             
             # Если временные метки не запрошены, возвращаем только текст
             if not return_timestamps:
                 transcribed_text = result.get("text", "")
-                logger.info(f"Транскрибация завершена: получено {len(transcribed_text)} символов текста")
+                logger.info("Транскрибация завершена: получено %s символов текста", len(transcribed_text))
                 return transcribed_text
             
             # Если временные метки запрошены, обрабатываем и форматируем результат
@@ -224,7 +260,7 @@ class WhisperTranscriber:
             else:
                 logger.warning("Временные метки запрошены, но не найдены в результате транскрибации")
             
-            logger.info(f"Транскрибация с временными метками завершена: получено {len(segments)} сегментов")
+            logger.info("Транскрибация с временными метками завершена: получено %s сегментов", len(segments))
             
             # Возвращаем словарь с сегментами и полным текстом
             return {
@@ -233,18 +269,23 @@ class WhisperTranscriber:
             }
             
         except Exception as e:
-            logger.error(f"Ошибка в процессе транскрибации аудиофайла '{audio_path}': {str(e)}")
+            logger.error("Ошибка в процессе транскрибации аудиофайла '%s': %s", audio_path, e)
-            logger.error(f"Тип исключения: {type(e).__name__}")
+            logger.error("Тип исключения: %s", type(e).__name__)
-            logger.error(f"Traceback: {traceback.format_exc()}")
+            logger.error("Traceback: %s", traceback.format_exc())
             raise
 
-    def process_file(self, input_path: str, return_timestamps: bool = None) -> Union[str, Dict]:
+    def process_file(self, input_path: str, return_timestamps: bool = None,
+                     language: str = None, temperature: float = None,
+                     prompt: str = None) -> Union[str, Dict]:
         """
         Полный процесс обработки и транскрибации аудиофайла.
 
         Args:
             input_path: Путь к исходному аудиофайлу.
             return_timestamps: Флаг возврата временных меток. Если None — берётся из конфига.
+            language: Язык распознавания. Если None — берётся из конфига.
+            temperature: Параметр температуры для генерации. Если None — берётся из конфига.
+            prompt: Текстовая подсказка для модели (имена, термины, контекст).
 
         Returns:
             В зависимости от параметра return_timestamps:
@@ -252,7 +293,7 @@ class WhisperTranscriber:
             - Если return_timestamps=True: словарь с ключами "segments" и "text"
         """
         start_time = time.time()
-        logger.info(f"Начало обработки файла: {input_path}")
+        logger.info("Начало обработки файла: %s", input_path)
         
         temp_files = []
         
@@ -261,18 +302,20 @@ class WhisperTranscriber:
             processed_path, temp_files = self.audio_processor.process_audio(input_path)
             
             # Транскрибация
-            result = self.transcribe(processed_path, return_timestamps=return_timestamps)
+            result = self.transcribe(processed_path, return_timestamps=return_timestamps,
+                                     language=language, temperature=temperature,
+                                     prompt=prompt)
             
             elapsed_time = time.time() - start_time
-            logger.info(f"Обработка и транскрибация завершены за {elapsed_time:.2f} секунд")
+            logger.info("Обработка и транскрибация завершены за %.2f секунд", elapsed_time)
             
             return result
             
         except Exception as e:
             elapsed_time = time.time() - start_time
-            logger.error(f"Ошибка при обработке файла '{input_path}' через {elapsed_time:.2f} секунд: {str(e)}")
+            logger.error("Ошибка при обработке файла '%s' через %.2f секунд: %s", input_path, elapsed_time, e)
-            logger.error(f"Тип исключения: {type(e).__name__}")
+            logger.error("Тип исключения: %s", type(e).__name__)
-            logger.error(f"Traceback: {traceback.format_exc()}")
+            logger.error("Traceback: %s", traceback.format_exc())
             raise
             
         finally:

app/core/transcription_service.py

@@ -50,11 +50,15 @@ class TranscriptionService:
             try:
                 duration = get_audio_duration(file_path)
             except Exception as e:
-                logger.error(f"Ошибка при определении длительности файла: {e}")
+                logger.error("Ошибка при определении длительности файла: %s", e)
                 return {"error": f"Не удалось определить длительность аудиофайла: {e}"}, 500
 
             start_time = time.time()
-            result = self.transcriber.process_file(file_path, return_timestamps=return_timestamps)
+            result = self.transcriber.process_file(
+                file_path, return_timestamps=return_timestamps,
+                language=language, temperature=temperature,
+                prompt=prompt
+            )
             processing_time = time.time() - start_time
 
             # Формируем ответ
@@ -63,7 +67,7 @@ class TranscriptionService:
                     "segments": result.get("segments", []),
                     "text": result.get("text", ""),
                     "processing_time": processing_time,
-                    "response_size_bytes": len(json.dumps(result, ensure_ascii=False).encode('utf-8')),
+                    "response_size_bytes": 0,
                     "duration_seconds": duration,
                     "model": os.path.basename(self.config["model_path"])
                 }
@@ -71,15 +75,17 @@ class TranscriptionService:
                 response = {
                     "text": result,
                     "processing_time": processing_time,
-                    "response_size_bytes": len(json.dumps(result, ensure_ascii=False).encode('utf-8')),
+                    "response_size_bytes": 0,
                     "duration_seconds": duration,
                     "model": os.path.basename(self.config["model_path"])
                 }
 
+            response["response_size_bytes"] = len(json.dumps(response, ensure_ascii=False).encode('utf-8'))
+
             save_history(response, filename, self.config)
             return response, 200
 
         except Exception as e:
-            logger.error(f"Ошибка при транскрибации файла '{filename}': {str(e)}")
+            logger.error("Ошибка при транскрибации файла '%s': %s", filename, e)
-            logger.error(f"Traceback: {traceback.format_exc()}")
+            logger.error("Traceback: %s", traceback.format_exc())
             return {"error": str(e)}, 500

app/history.py

@@ -4,6 +4,7 @@
 
 import os
 import json
+import shutil
 import datetime
 import random
 import string
@@ -34,7 +35,7 @@ def save_history(result: Dict[str, Any], original_filename: str, config: Dict) -
     try:
         os.makedirs(_history_root, exist_ok=True)
 
-        now = datetime.datetime.now()
+        now = datetime.datetime.now(tz=datetime.timezone.utc)
         date_str = now.strftime("%Y-%m-%d")
         timestamp_ms = int(now.timestamp() * 1000)
         random_tag = ''.join(random.choices(string.ascii_lowercase + string.digits, k=4))
@@ -48,9 +49,37 @@ def save_history(result: Dict[str, Any], original_filename: str, config: Dict) -
         with open(history_path, 'w', encoding='utf-8') as f:
             json.dump(result, f, ensure_ascii=False, indent=2)
 
-        logger.info(f"Результат сохранён в историю: {history_path}")
+        logger.info("Результат сохранён в историю: %s", history_path)
+        _cleanup_old_history(config)
         return history_path
 
     except Exception as e:
-        logger.error(f"Ошибка при сохранении истории: {e}")
+        logger.error("Ошибка при сохранении истории: %s", e)
         return None
+
+
+def _cleanup_old_history(config: Dict) -> None:
+    """
+    Удаляет директории истории старше max_history_days дней.
+
+    Args:
+        config: Конфигурация (проверяется max_history_days).
+    """
+    max_days = config.get("max_history_days", 30)
+    if max_days <= 0:
+        return
+
+    cutoff = datetime.datetime.now(tz=datetime.timezone.utc) - datetime.timedelta(days=max_days)
+    cutoff_str = cutoff.strftime("%Y-%m-%d")
+
+    try:
+        for entry in os.listdir(_history_root):
+            entry_path = os.path.join(_history_root, entry)
+            if not os.path.isdir(entry_path):
+                continue
+            # Директории имеют формат YYYY-MM-DD
+            if len(entry) == 10 and entry < cutoff_str:
+                shutil.rmtree(entry_path, ignore_errors=True)
+                logger.info("Удалена старая директория истории: %s", entry)
+    except Exception as e:
+        logger.warning("Ошибка при очистке старой истории: %s", e)

app/routes.py

@@ -3,24 +3,32 @@
 для сервиса распознавания речи.
 """
 
+from __future__ import annotations
+
 import os
-from flask import request, jsonify
+from typing import Dict, TYPE_CHECKING
-from typing import Dict
 import logging
 
+from flask import Flask, request, jsonify
+
 from .core.transcription_service import TranscriptionService
 from .audio.sources import get_uploaded_file, get_url_file, get_base64_file
 from .infrastructure.validation import ValidationError
 from .infrastructure.storage import cleanup_temp_files
 from .infrastructure.async_tasks import transcribe_audio_async, task_manager
 
+if TYPE_CHECKING:
+    from .core.transcriber import WhisperTranscriber
+    from .infrastructure.validation import FileValidator
+
 logger = logging.getLogger('app.routes')
 
 
 class Routes:
     """Класс для регистрации всех эндпоинтов API."""
 
-    def __init__(self, app, transcriber, config: Dict, file_validator):
+    def __init__(self, app: Flask, transcriber: WhisperTranscriber,
+                 config: Dict, file_validator: FileValidator):
         self.app = app
         self.config = config
         self.transcription_service = TranscriptionService(transcriber, config)
@@ -41,7 +49,9 @@ class Routes:
 
         @self.app.route('/config', methods=['GET'])
         def get_config():
-            """Эндпоинт для получения конфигурации сервиса."""
+            """Эндпоинт для получения конфигурации сервиса.
+            Отдаёт полную конфигурацию включая model_path — это сознательное
+            решение, сервис работает во внутренней сети."""
             return jsonify(self.config), 200
 
         @self.app.route('/v1/models', methods=['GET'])
@@ -84,7 +94,7 @@ class Routes:
                 response, status_code = self.transcription_service.transcribe(temp_path, filename, dict(request.form))
                 return jsonify(response), status_code
             except ValidationError as e:
-                logger.warning(f"Ошибка валидации файла '{filename}': {e}")
+                logger.warning("Ошибка валидации файла '%s': %s", filename, e)
                 return jsonify({"error": str(e)}), 400
             finally:
                 cleanup_temp_files([temp_path])
@@ -112,7 +122,7 @@ class Routes:
                 response, status_code = self.transcription_service.transcribe(temp_path, filename, params)
                 return jsonify(response), status_code
             except ValidationError as e:
-                logger.warning(f"Ошибка валидации файла '{filename}': {e}")
+                logger.warning("Ошибка валидации файла '%s': %s", filename, e)
                 return jsonify({"error": str(e)}), 400
             finally:
                 cleanup_temp_files([temp_path])
@@ -140,7 +150,7 @@ class Routes:
                 response, status_code = self.transcription_service.transcribe(temp_path, filename, params)
                 return jsonify(response), status_code
             except ValidationError as e:
-                logger.warning(f"Ошибка валидации файла '{filename}': {e}")
+                logger.warning("Ошибка валидации файла '%s': %s", filename, e)
                 return jsonify({"error": str(e)}), 400
             finally:
                 cleanup_temp_files([temp_path])
@@ -158,8 +168,9 @@ class Routes:
                 cleanup_temp_files([temp_path])
                 return jsonify({"error": str(e)}), 400
 
+            params = dict(request.form)
             # Не чистим temp_path здесь — async task отвечает за cleanup
-            task_id = transcribe_audio_async(temp_path, self.transcription_service.transcriber)
+            task_id = transcribe_audio_async(temp_path, self.transcription_service, params)
             return jsonify({"task_id": task_id}), 202
 
         @self.app.route('/v1/tasks/<task_id>', methods=['GET'])

config.json

@@ -3,6 +3,7 @@
     "model_path": "/home/text-generation/models/whisper/podlodka-turbo",
     "language": "ru",
     "enable_history": true,
+    "max_history_days": 30,
     "chunk_length_s": 28,
     "batch_size": 6,
     "max_new_tokens": 384,