Chave sufixada por hash de conteúdo para falas distintas que compartilham data/tipo/fase (caso real 2026-06-17T17:16); keywords oficiais deixam de alimentar o gazetteer de lugares; nomes ambíguos (Saúde, Wagner, Santana...) exigem contexto de lugar; teste de nav do communicator; plano com prova viva e changelog.
2.3 KiB
C153 — Catálogo de falas do Solla: import idempotente e busca textual (2026-09-13): o acervo de falas ganhou banco próprio. Duas collections no grupo Comunicação: speech (data/hora, legislatura/ano, tipo/fase, duração, sumário, transcrição oficial, keywords cruas, evento/YouTube, identidade de vídeo eventId+audioId+excerptTMs com links do VOD, quem presidia, temas/alcance com proveniência gazetteer|llm|manual, municípios/pessoas/programas/projetos citados) e speechSegment (segmentos ASR com start/end, text e searchText normalizado; admin-hidden). Papel novo communicator ("Assessor de Comunicação") com leitura do catálogo sem herdar nenhuma área staff — leitura = communicator/coordinator/candidate/admin, update = coordinator/candidate/admin, create/delete = admin; advisor/leader negados (migration adiciona o valor ao enum). Busca: searchText normalizado (NFD sem acento, minúsculas) + índice GIN pg_trgm hand-written, o motor do C154. Import scripts/import-camara-speeches.mjs (pnpm camara:import, guard de banco local) reusa a lógica pura do piloto C152 via scripts/lib/camaraFetch.mjs (HTTP/VOD/ASR extraídos) e scripts/lib/camaraSpeeches.mjs (adições: speechSourceKey, speechContentHash, parseOfficialKeywords, legislatureForDate, parseDurationToSeconds, parsePresidingOfficerTransitions/resolvePresidingOfficer para "quem presidia" a partir das trocas de mesa); facetas via gazetteer offline (src/lib/speechGazetteer.ts) + LLM Deep Infra deepseek-ai/DeepSeek-V4-Flash com zod e fallback, persistidas por upsertSpeechBundle (src/utilities/speech/speechImport.ts) em transação, idempotente por sourceKey, preservando curadoria manual e nunca apagando segmentos/mídia sem substituto. Prova viva na 57ª legislatura (banco local): 234 discursos, 7.590 segmentos, 232 com vídeo, 231 com segmentos, 224 com quem presidia, 208 com pessoas e 42 com municípios citados; re-run idempotente em 83s (0 criados, 0 ASR, 0 LLM); colisão real de chave (2026-06-17T17:16) resolvida com sufixo por hash de conteúdo; gap conhecido de 1 áudio sem faixa suportada (Deep Infra 400). 16 unit tests de facetas/busca + 31 do módulo Câmara + int de access/upsert; migrations 20260913_001112_add_speech_catalog e 20260913_001200_add_speech_segment_trgm_index.