From ce1d4df6964129894182e161ea2f7ff53fd61a4d Mon Sep 17 00:00:00 2001
From: Magzhan Zhumabayev <magzhanzhumabayev@Magzhans-MacBook-Pro.local>
Date: Sat, 2 May 2026 02:27:07 +0500
Subject: [PATCH] Support language-specific STT prompts

---
 .env.example            |  4 +++-
 providers/stt_openai.py | 22 ++++++++++++++++++----
 2 files changed, 21 insertions(+), 5 deletions(-)

diff --git a/.env.example b/.env.example
index 1b2ec68..d6bf6ed 100644
--- a/.env.example
+++ b/.env.example
@@ -35,7 +35,9 @@ STT_PROVIDER=openai
 STT_FALLBACK_PROVIDER=elevenlabs
 # Empty means auto-detect the first answer, because the greeting asks for name and preferred language.
 STT_NAME_CAPTURE_LANGUAGE_CODE=
-STT_PROMPT=Это русская речь по телефону. Точно распознавай короткие ответы, имена, фамилии, слова благодарности и прощания. Особое внимание именам: Айнур, Айгерим, Алия, Данияр, Азамат, Арман, Мадина, Нурсултан, Руслан, Асель. Если человек представился одним словом, сохраняй его как имя. Номера телефонов записывай цифрами.
+STT_PROMPT=
+STT_PROMPT_RU=Это русская речь по телефону. Точно распознавай короткие ответы, имена, фамилии, слова благодарности и прощания. Если человек представился одним словом, сохраняй его как имя. Номера телефонов записывай цифрами.
+STT_PROMPT_KZ=Бұл қазақ тіліндегі телефон арқылы сөйлесу. Қысқа жауаптарды, есімдерді, тілді таңдауды және қоштасуды дәл таны. Клиент бір сөзбен танысса, оны есім ретінде сақта. Телефон нөмірлерін цифрлармен жаз.
 TTS_PROVIDER=elevenlabs
 
 REALTIME_VOICE_INITIAL_GREETING_RU_TEXT=Здравствуйте! Меня зовут Айнур, я эй-ай-ассистент компании ДиджиОпс. Как я могу к вам обращаться и на каком языке вам удобнее продолжить: на русском или на казахском?
diff --git a/providers/stt_openai.py b/providers/stt_openai.py
index ad9e3db..9a1e004 100644
--- a/providers/stt_openai.py
+++ b/providers/stt_openai.py
@@ -92,17 +92,22 @@ class OpenAISTT(BaseSTT):
         ).strip() or None
         self._input_sample_rate_hz = max(int(input_sample_rate_hz), 1)
         self._prompt = str(prompt if prompt is not None else os.getenv("STT_PROMPT", "")).strip()
+        self._ru_prompt = str(os.getenv("STT_PROMPT_RU", "")).strip()
+        self._kk_prompt = str(os.getenv("STT_PROMPT_KZ", "") or os.getenv("STT_PROMPT_KK", "")).strip()
         self._language = str(language if language is not None else os.getenv("OPENAI_STT_LANGUAGE", "")).strip() or None
         self._timeout_seconds = max(float(timeout_seconds if timeout_seconds is not None else _timeout_seconds()), 1.0)
         self._max_retries = max(int(max_retries if max_retries is not None else _max_retries()), 0)
         self._client: Any | None = None
         self._openai_module: Any | None = None
         LOGGER.info(
-            "OpenAI STT config: model=%s input_sample_rate=%s language=%s prompt_configured=%s base_url=%s timeout=%s",
+            "OpenAI STT config: model=%s input_sample_rate=%s language=%s prompt_configured=%s "
+            "ru_prompt_configured=%s kk_prompt_configured=%s base_url=%s timeout=%s",
             self._model,
             self._input_sample_rate_hz,
             self._language,
             bool(self._prompt),
+            bool(self._ru_prompt),
+            bool(self._kk_prompt),
             self._base_url or "default",
             self._timeout_seconds,
         )
@@ -122,6 +127,7 @@ class OpenAISTT(BaseSTT):
             raise RuntimeError("OPENAI_API_KEY is required for OpenAI STT")
 
         effective_language = _normalize_openai_language_code(language_code) or self._language
+        effective_prompt = self._prompt_for_language(effective_language)
         wav_bytes = _pcm16le_to_wav_bytes(audio_bytes, sample_rate_hz=self._input_sample_rate_hz)
         audio_file = io.BytesIO(wav_bytes)
         audio_file.name = "utterance.wav"
@@ -134,7 +140,7 @@ class OpenAISTT(BaseSTT):
             len(wav_bytes),
             self._input_sample_rate_hz,
             effective_language,
-            _preview_text(self._prompt),
+            _preview_text(effective_prompt),
         )
 
         request: dict[str, object] = {
@@ -142,8 +148,8 @@ class OpenAISTT(BaseSTT):
             "model": self._model,
             "response_format": "json",
         }
-        if self._prompt:
-            request["prompt"] = self._prompt
+        if effective_prompt:
+            request["prompt"] = effective_prompt
         if effective_language:
             request["language"] = effective_language
 
@@ -203,6 +209,14 @@ class OpenAISTT(BaseSTT):
         self._client = AsyncOpenAI(**client_kwargs)
         return self._client
 
+    def _prompt_for_language(self, language_code: str | None) -> str:
+        normalized = _normalize_openai_language_code(language_code)
+        if normalized == "ru":
+            return self._ru_prompt or self._prompt
+        if normalized == "kk":
+            return self._kk_prompt or self._prompt
+        return self._prompt
+
     async def close(self) -> None:
         client = self._client
         self._client = None