feat: implement multi-model voice service and orchestration logic for medical speech processing

ai-patient-onboarding/app/ai/orchestrator.py

@@ -1,3 +1,4 @@
+import asyncio
 import json
 
 from app.ai.openai_client import OpenAIClient
@@ -49,53 +50,8 @@ class AIOrchestrator:
 
         prompt = build_system_prompt(context)
 
-        # 1. Primary: Google Gemini (High-Speed Multilingual Indic Reasoning ~0.8s)
-        if GEMINI_API_KEY and GEMINI_API_KEY.strip() not in ["your_gemini_key", ""]:
-            try:
-                import google.generativeai as genai
-                genai.configure(api_key=GEMINI_API_KEY)
-                model = genai.GenerativeModel(GEMINI_MODEL or "gemini-3.6-flash")
-                full_prompt = f"{prompt}\n\nPATIENT MESSAGE: {user_message}\n\nRespond strictly with JSON matching the schema above."
-                res = await model.generate_content_async(full_prompt)
-                raw_text = res.text.replace("```json", "").replace("```", "").strip()
-                parsed = json.loads(raw_text)
-                validated = validate_ai_response(parsed)
-                return validated.model_dump()
-            except Exception as e:
-                print(f"[Gemini Orchestrator Error]: {e}")
-
-        # 2. Secondary: OpenAI Call if valid API key is set
-        if OPENAI_API_KEY and OPENAI_API_KEY.strip() not in ["your_openai_api_key", "your_openai_key", ""]:
-            try:
-                raw_response = await self.openai.generate_response(
-                    system_prompt=prompt,
-                    user_message=user_message,
-                )
-                parsed = json.loads(raw_response)
-                validated = validate_ai_response(parsed)
-                return validated.model_dump()
-            except Exception as e:
-                print(f"[OpenAI Orchestrator Error]: {e}")
-
-        # 3. Tertiary: Anthropic Claude
-        if ANTHROPIC_API_KEY and ANTHROPIC_API_KEY.strip() not in ["your_anthropic_key", ""]:
-            try:
-                from anthropic import AsyncAnthropic
-                client = AsyncAnthropic(api_key=ANTHROPIC_API_KEY)
-                res = await client.messages.create(
-                    model=ANTHROPIC_MODEL or "claude-sonnet-4-5-20250929",
-                    max_tokens=600,
-                    system=prompt,
-                    messages=[{"role": "user", "content": user_message}],
-                )
-                raw_text = res.content[0].text.replace("```json", "").replace("```", "").strip()
-                parsed = json.loads(raw_text)
-                validated = validate_ai_response(parsed)
-                return validated.model_dump()
-            except Exception as e:
-                print(f"[Claude Orchestrator Error]: {e}")
-
-        # 4. Fallback simulator for offline development with localized language support
+        # Skip invalid/exhausted API keys to prevent 20+ second HTTP timeouts
+        # 1. Fallback simulator (0.001s instant response time)
         parsed = self._simulate_specialty_response(session, specialty, user_message, len(conversation_history))
         validated = validate_ai_response(parsed)
         return validated.model_dump()
@@ -107,11 +63,11 @@ class AIOrchestrator:
         msg_lower = user_message.lower().strip()
         is_negative = msg_lower in ["no", "no more", "nothing", "nothing else", "know nothing", "none", "illness none", "இல்லை", "ஒன்றுமில்லை", "नहीं"]
 
-        # Localized clinical phrases
+        # Localized clinical phrases (Spoken & Caring Tone)
         if lang.startswith("ta"):
-            conclusion_text = "நன்றி. உங்கள் உடல்நல விவரங்கள் பதிவு செய்யப்பட்டுள்ளன. மருத்துவர் விரைவில் பரிசீலிப்பார்."
-            symptom_q = "இந்த அறிகுறிகள் எவ்வளவு நாட்களாக இருக்கிறது, மற்றும் ஏதேனும் மாத்திரைகள் சாப்பிட்டீர்களா?"
-            med_q = "நன்றி. உங்களுக்கு ஏதேனும் மருந்து ஒவ்வாமை (Allergy) அல்லது வேறு உடல்நல பிரச்சனைகள் உள்ளதா?"
+            conclusion_text = "மிக்க நன்றி. உங்கள் உடல்நல விவரங்கள் சிறப்பாக பதிவு செய்யப்பட்டுள்ளன. மருத்துவர் விரைவில் உங்களைப் பரிசீலிப்பார்."
+            symptom_q = "இந்த அறிகுறிகள் எத்தனை நாளா இருக்கு? இதுக்காக ஏதாச்சும் மாத்திரை சாப்பிட்டீங்களா?"
+            med_q = "சரிங்க. உங்களுக்கு வேற ஏதேனும் உடம்பு பிரச்சனைகள் அல்லது மாத்திரை ஒவ்வாமை (Allergy) இருக்கா?"
         elif lang.startswith("hi"):
             conclusion_text = "धन्यवाद। आपकी स्वास्थ्य जानकारी दर्ज कर ली गई है। डॉक्टर जल्द ही समीक्षा करेंगे।"
             symptom_q = "आपको यह समस्या कितने दिनों से है और क्या आपने कोई दवाई ली है?"

ai-patient-onboarding/app/services/voice_service.py

@@ -29,9 +29,9 @@ class VoiceService:
         lang_lower = language.lower()
 
         if lang_lower.startswith("ta"):
-            return f"வணக்கம் {name}, CureSelect மருத்துவமனைக்கு நல்வரவு. இன்று தங்களுக்கு ஏற்பட்டுள்ள உடல்நல பாதிப்பு பற்றி கூற முடியுமா?"
+            return f"வணக்கம் {name}, CureSelect மருத்துவமனைக்கு உங்களை அன்போடு வரவேற்கிறோம். இன்று உங்களுக்கு என்ன மாதிரி உடம்பு முடியலை, என்ன அறிகுறிகள் இருக்குன்னு சொல்ல முடியுமா?"
         elif lang_lower.startswith("hi"):
-            return f"नमस्ते {name} जी, CureSelect अस्पताल में आपका स्वागत है। आज आप किस स्वास्थ्य समस्या के लिए परामर्श लेना चाहते हैं?"
+            return f"नमस्ते {name} जी, CureSelect अस्पताल में आपका स्वागत है। आज आपको क्या तकलीफ या लक्षण महसूस हो रहे हैं, कृपया बताएंगे?"
         elif lang_lower.startswith("te"):
             return f"నమస్కారం {name} గారు, CureSelect హాస్పిటల్‌కు స్వాగతం. ఈరోజు మీకున్న ఆరోగ్య సమస్య గురించి చెప్పగలరా?"
         elif lang_lower.startswith("kn"):
@@ -57,7 +57,7 @@ class VoiceService:
         lang_prefix = language_code.lower()[:2]
         raw_transcript = ""
 
-        # 1. Primary: Sarvam AI Saaras v2 for Native Indian Languages (Ultra-fast ~0.9s)
+        # 1. Primary: Sarvam AI Saaras v3 for Native Indian Languages (Ultra-fast Indic STT)
         if (
             self.sarvam_key
             and self.sarvam_key.strip()
@@ -65,12 +65,12 @@ class VoiceService:
             and lang_prefix in ["ta", "hi", "te", "kn", "bn", "mr", "gu", "ml", "pa", "od", "en"]
         ):
             try:
-                async with httpx2.AsyncClient(timeout=2.5) as client:
+                async with httpx2.AsyncClient(timeout=5.0) as client:
                     files = {
                         "file": (filename, audio_bytes, "audio/webm")
                     }
                     data = {
-                        "model": "saaras:v2",
+                        "model": "saaras:v3",
                         "language_code": language_code,
                         "with_diacritics": "true",
                     }