add english transcriptions tests

tests/english-tester.py

@@ -0,0 +1,128 @@
+#!/usr/bin/env python3
+import subprocess
+import json
+import os
+import sys
+from pathlib import Path
+
+
+def transcribe_file(
+    file_path: Path, script_path: Path, timeout_seconds: int = 60
+) -> str:
+    """
+    Вызывает recognition.py для одного файла, возвращает транскрипцию.
+    """
+    cmd = ["python3", str(script_path), "--output", "transcript", str(file_path)]
+
+    try:
+        result = subprocess.run(
+            cmd,
+            capture_output=True,
+            text=True,
+            check=True,
+            encoding="utf-8",
+            timeout=timeout_seconds,  # Добавлен таймаут
+        )
+        # Предполагаем, что скрипт выводит транскрипцию в stdout
+        transcript = result.stdout.strip()
+        if not transcript:
+            print(f"Предупреждение: пустая транскрипция для {file_path}")
+        return transcript
+    except subprocess.TimeoutExpired:
+        error_msg = f"TIMEOUT: превышен лимит в {timeout_seconds} секунд"
+        print(f"Ошибка: {error_msg} для {file_path}")
+        return f"ERROR: {error_msg}"
+    except subprocess.CalledProcessError as e:
+        print(f"Ошибка при обработке {file_path}: {e}")
+        print(f"stderr: {e.stderr}")
+        return f"ERROR: {e.stderr}"
+
+
+def main():
+    # Пути
+    base_dir = Path(
+        r"/mnt/c/proga/projects/ege-skill-dev/.scans/Сложные работы_Английский_язык_УЧ_часть_1/"
+    )
+    regions = ["1-Республика_Адыгея", "2-Республика_Башкортостан"]
+    recognizer_script = Path.home() / "zeroclaw-bot" / "recognition.py"
+
+    # Таймаут на транскрипцию одного файла (в секундах)
+    TIMEOUT_PER_FILE = 120
+
+    # Проверки
+    if not base_dir.exists():
+        print(f"Ошибка: директория {base_dir} не найдена")
+        sys.exit(1)
+
+    if not recognizer_script.exists():
+        print(f"Ошибка: скрипт {recognizer_script} не найден")
+        sys.exit(1)
+
+    # Собираем все .ogg файлы, кроме тех, где озвузичвается код участника
+    ogg_files = []
+    for region in regions:
+        ogg_files.extend(
+            [
+                file
+                for i, file in enumerate(list(Path(f"{base_dir}/{region}/").rglob("*.ogg")))
+                if i % 5 != 0
+            ]
+        )
+
+    print(f"Найдено {len(ogg_files)} .ogg файлов")
+
+    results = []
+
+    for idx, ogg_path in enumerate(ogg_files, 1):
+        print(f"\n[{idx}/{len(ogg_files)}] Обработка: {ogg_path}")
+
+        # Структура: .../{region}/{fio}/{file}
+        region = ogg_path.parent.parent.name
+        fio = ogg_path.parent.name
+
+        print(f"  Регион: {region}")
+        print(f"  ФИО: {fio}")
+        print(
+            f"  Транскрибирование (таймаут: {TIMEOUT_PER_FILE} сек)...",
+            end=" ",
+            flush=True,
+        )
+
+        transcript = transcribe_file(ogg_path, recognizer_script, TIMEOUT_PER_FILE)
+
+        print("готово")
+        # Показываем первые 100 символов транскрипции, если она есть
+        preview = transcript[:100].replace("\n", " ")
+        if preview and not transcript.startswith("ERROR:"):
+            print(f"  Транскрипция (начало): {preview}...")
+        elif transcript.startswith("ERROR:"):
+            print(f"  {transcript}")
+
+        results.append(
+            {
+                "region": region,
+                "fio": fio,
+                "transcript": transcript,
+                "file_path": str(ogg_path),
+            }
+        )
+
+    # Сохраняем JSON
+    output_file = Path.cwd() / "transcriptions.json"
+    with open(output_file, "w", encoding="utf-8") as f:
+        json.dump(results, f, ensure_ascii=False, indent=2)
+
+    # Статистика
+    total_files = len(results)
+    error_files = sum(1 for r in results if r["transcript"].startswith("ERROR:"))
+    timeout_files = sum(1 for r in results if "TIMEOUT" in r["transcript"])
+    success_files = total_files - error_files
+
+    print(f"\n✅ Готово! Результаты сохранены в {output_file}")
+    print(f"Всего обработано файлов: {total_files}")
+    print(f"  - Успешно: {success_files}")
+    print(f"  - Ошибок: {error_files} (из них timeout: {timeout_files})")
+
+
+if __name__ == "__main__":
+    main()