mssoftjp_obsidian-voice-input/docs/PROCESSING_FLOW_v2.md

Voice Input Processing Flow v2 / 音声入力処理フロー v2

最終更新: 2025-08-15

本バージョンは、TRANSCRIPTタグの事前除去と新しいクリーニング・パイプライン（安全装置付き）を前提とした最新の処理フローをまとめています。詳細版は docs/PROCESSING_FLOW.md を参照してください。

フロー概要

1. 音声 → OpenAI Transcription API（日本語のみプロンプト付与）。
2. APIレスポンス text を受領。
3. 事前処理: <TRANSCRIPT ...> ... </TRANSCRIPT> を機械的に抽出・除去（閉じタグ欠落にも対応）。
4. クリーニング・パイプライン（StandardCleaningPipeline）
   • PromptContaminationCleaner: 指示文/タグ/文脈/スニペット除去。
   • UniversalRepetitionCleaner: 反復抑制（文字/トークン/文/列挙/段落/末尾）＋整形。
   • セーフティ: 削減率上限・緊急ロールバック。構造除去は誤ロールバック防止のため緩和。
5. プロンプトエラー検出 → 該当時は空文字で早期終了。
6. DictionaryCorrector による辞書補正（任意）。
7. 最終テキストを返却。

補足

• 事前処理により、タグの有無に影響されずにパイプラインの安全判定が機能します。
• 言語は日本語以外でも有効（クリーナーは言語非依存の設計）。