From 1d338810b1333eb742dc40173d7d44cb8efdffb2 Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?Dieter=20Schl=C3=BCter?= <dieter.schlueter@linix.de>
Date: Wed, 17 Jun 2026 09:31:34 +0200
Subject: [PATCH] fix: OpenRouter-STT auf JSON/base64 statt multipart (passend
 zur OpenRouter-API)

Live-Test gegen OpenRouter ergab: /audio/transcriptions erwartet JSON mit
input_audio:{data(base64),format} - NICHT multipart/form-data. Die fruehere
Umstellung auf multipart (OpenAI-Standard) war fuer OpenRouter falsch.

- STT-Provider zurueck auf JSON/base64 (mit robuster Fehlerbehandlung)
- verifiziert per TTS->WAV->STT Round-Trip: Text korrekt zurueck transkribiert
- LLM, TTS und STT funktionieren jetzt alle live gegen OpenRouter
- Doku-Referenz aktualisiert (multipart -> JSON/base64)

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
---
 Docs/voice-assistant-architecture.md |  2 +-
 app/providers/stt/openrouter.py      | 25 +++++++++++++++++--------
 2 files changed, 18 insertions(+), 9 deletions(-)

diff --git a/Docs/voice-assistant-architecture.md b/Docs/voice-assistant-architecture.md
index c842fcf..ca7c72c 100644
--- a/Docs/voice-assistant-architecture.md
+++ b/Docs/voice-assistant-architecture.md
@@ -182,7 +182,7 @@ Endpunkt-/Provider-Auswahl ist über **Request-Body** (pro Aufruf), **Session**
 ## 8. Stand der Implementierung
 
 **Umgesetzt:** FastAPI-Gateway, alle o. g. REST-Endpunkte; OpenRouter-Adapter für
-STT (multipart), LLM und TTS; lokaler OpenAI-kompatibler LLM-Adapter; regelbasierte
+STT (JSON/base64), LLM und TTS; lokaler OpenAI-kompatibler LLM-Adapter; regelbasierte
 Pipeline; geschichtete Config + Profile; Registry + einheitliche Route-Auflösung;
 Device Router (strikt, Singleton); Output-Lifecycle; **Authentifizierung
 (Bearer-Token) + persistenter SQLite-Store für Nutzer/Sessions + Mandanten-Trennung
diff --git a/app/providers/stt/openrouter.py b/app/providers/stt/openrouter.py
index 81a3f6a..45f02dc 100644
--- a/app/providers/stt/openrouter.py
+++ b/app/providers/stt/openrouter.py
@@ -1,3 +1,5 @@
+import base64
+
 import httpx
 
 from app.providers.stt.base import STTProvider
@@ -16,12 +18,17 @@ class OpenRouterSTTProvider(STTProvider):
         if not audio_bytes:
             raise ValueError("STT input audio is empty")
 
-        # OpenAI-kompatibler /audio/transcriptions-Endpunkt erwartet multipart/form-data
-        # mit binärem file-Feld, nicht JSON mit base64.
-        files = {"file": (f"audio.{fmt}", audio_bytes, f"audio/{fmt}")}
-        data: dict[str, str] = {"model": self.model}
+        # OpenRouter /audio/transcriptions erwartet JSON mit base64-Audio
+        # (NICHT multipart/form-data). Quelle: OpenRouter-Doku (STT).
+        payload = {
+            "model": self.model,
+            "input_audio": {
+                "data": base64.b64encode(audio_bytes).decode("utf-8"),
+                "format": fmt,
+            },
+        }
         if language:
-            data["language"] = language
+            payload["language"] = language
 
         timeout = httpx.Timeout(connect=10.0, read=120.0, write=30.0, pool=10.0)
 
@@ -29,9 +36,11 @@ class OpenRouterSTTProvider(STTProvider):
             try:
                 response = await client.post(
                     "https://openrouter.ai/api/v1/audio/transcriptions",
-                    headers={"Authorization": f"Bearer {self.api_key}"},
-                    files=files,
-                    data=data,
+                    headers={
+                        "Authorization": f"Bearer {self.api_key}",
+                        "Content-Type": "application/json",
+                    },
+                    json=payload,
                 )
                 response.raise_for_status()
             except httpx.HTTPStatusError as exc: