Agrega transcripción de audio (Whisper) en Telegram y corrige adjuntos en tareas

- Nueva config "whisper" reutilizando /app/ai-config (credenciales/endpoint
  validables) y servicio de transcripción compatible con OpenAI/Groq.
- El webhook de Telegram ahora detecta notas de voz/audio, las transcribe
  y procesa el texto resultante como si el usuario lo hubiera escrito.
- Fix: subir un archivo adjunto en un comentario de tarea sin escribir
  texto era rechazado por el backend ("contenido requerido") aunque el
  frontend sí lo permitía.

pkg/models/ai_config.go

@@ -174,3 +174,23 @@ func GetAiConfigForService(service string) (*AiConfig, error) {
 	log.Printf("[AI_CONFIG] No se encontró config para servicio '%s', usando cualquier activa", service)
 	return &items[0], nil
 }
+
+// GetWhisperConfig retorna la config de IA activa etiquetada específicamente con
+// el módulo "whisper" (transcripción de audio). A diferencia de
+// GetAiConfigForService, NO cae a una config global: si el admin no configuró
+// una explícitamente para whisper, es mejor avisar con claridad que intentar
+// transcribir contra un proveedor que no soporta ese endpoint (ej. Anthropic).
+func GetWhisperConfig() (*AiConfig, error) {
+	var items []AiConfig
+	if err := app.Http.Database.DB.Where("is_active = ?", true).Find(&items).Error; err != nil {
+		return nil, fmt.Errorf("error leyendo ai_configs: %w", err)
+	}
+	for i := range items {
+		for _, m := range SplitModulos(items[i].Modulo) {
+			if m == "whisper" {
+				return &items[i], nil
+			}
+		}
+	}
+	return nil, fmt.Errorf("no hay ninguna configuración activa con el módulo 'whisper' en /app/ai-config")
+}

pkg/services/whisper_service.go

@@ -0,0 +1,98 @@
+package services
+
+import (
+	"bytes"
+	"encoding/json"
+	"fmt"
+	"io"
+	"mime/multipart"
+	"net/http"
+	"os"
+	"path/filepath"
+	"strings"
+	"time"
+
+	"github.com/sujit-baniya/fiber-boilerplate/pkg/models"
+)
+
+var whisperHTTPClient = &http.Client{Timeout: 90 * time.Second}
+
+// TranscribirAudio envía un archivo de audio a un endpoint de transcripción
+// compatible con la API de OpenAI (POST /audio/transcriptions, multipart) y
+// devuelve el texto. Funciona tanto con OpenAI (modelo whisper-1) como con Groq
+// (modelo whisper-large-v3), reutilizando la config que ya se administra en
+// /app/ai-config con el módulo "whisper".
+func TranscribirAudio(ai *models.AiConfig, audioPath string) (string, error) {
+	if ai == nil {
+		return "", fmt.Errorf("no hay una configuración de Whisper activa: ve a /app/ai-config, crea o edita una y márcale el módulo 'Transcripción de audio (Whisper)'")
+	}
+	if ai.ApiKey == "" {
+		return "", fmt.Errorf("la configuración de Whisper '%s' no tiene API key", ai.Nombre)
+	}
+
+	baseURL := ai.BaseURL
+	if baseURL == "" {
+		baseURL = providerDefaultURL(ai.Provider)
+	}
+	baseURL = strings.TrimRight(baseURL, "/")
+
+	model := ai.ModelName
+	if model == "" {
+		model = "whisper-1"
+	}
+
+	f, err := os.Open(audioPath)
+	if err != nil {
+		return "", fmt.Errorf("no se pudo abrir el audio descargado: %w", err)
+	}
+	defer f.Close()
+
+	var body bytes.Buffer
+	writer := multipart.NewWriter(&body)
+	part, err := writer.CreateFormFile("file", filepath.Base(audioPath))
+	if err != nil {
+		return "", err
+	}
+	if _, err := io.Copy(part, f); err != nil {
+		return "", fmt.Errorf("error leyendo el audio: %w", err)
+	}
+	_ = writer.WriteField("model", model)
+	_ = writer.WriteField("response_format", "json")
+	if err := writer.Close(); err != nil {
+		return "", err
+	}
+
+	req, err := http.NewRequest("POST", baseURL+"/audio/transcriptions", &body)
+	if err != nil {
+		return "", err
+	}
+	req.Header.Set("Authorization", "Bearer "+ai.ApiKey)
+	req.Header.Set("Content-Type", writer.FormDataContentType())
+
+	resp, err := whisperHTTPClient.Do(req)
+	if err != nil {
+		return "", fmt.Errorf("no se pudo conectar con el servicio de transcripción: %w", err)
+	}
+	defer resp.Body.Close()
+	raw, _ := io.ReadAll(io.LimitReader(resp.Body, 1024*1024))
+
+	if resp.StatusCode < 200 || resp.StatusCode >= 300 {
+		detalle := strings.TrimSpace(string(raw))
+		if len(detalle) > 300 {
+			detalle = detalle[:300]
+		}
+		return "", fmt.Errorf("el servicio de transcripción respondió %d: %s", resp.StatusCode, detalle)
+	}
+
+	var out struct {
+		Text string `json:"text"`
+	}
+	if err := json.Unmarshal(raw, &out); err != nil {
+		return "", fmt.Errorf("respuesta inesperada del servicio de transcripción")
+	}
+	texto := strings.TrimSpace(out.Text)
+	if texto == "" {
+		return "", fmt.Errorf("no se detectó texto en el audio")
+	}
+	return texto, nil
+}

resources/views/ai_config.html

@@ -74,9 +74,10 @@
                                                 :class="{
                                                     'bg-blue-100 text-blue-700': m.trim() === 'landing',
                                                     'bg-[#e9f0cf] text-[#5a7a1e]': m.trim() === 'query_runner',
-                                                    'bg-purple-100 text-purple-700': m.trim() === 'ia'
+                                                    'bg-purple-100 text-purple-700': m.trim() === 'ia',
+                                                    'bg-pink-100 text-pink-700': m.trim() === 'whisper'
                                                 }"
-                                                x-text="m.trim() === 'landing' ? 'Landing' : m.trim() === 'query_runner' ? 'Query Runner' : m.trim() === 'ia' ? 'IA / vCard' : m.trim()">
+                                                x-text="m.trim() === 'landing' ? 'Landing' : m.trim() === 'query_runner' ? 'Query Runner' : m.trim() === 'ia' ? 'IA / vCard' : m.trim() === 'whisper' ? 'Whisper' : m.trim()">
                                             </span>
                                         </template>
                                     </div>
@@ -292,6 +293,7 @@ function aiConfigApp() {
             { value: 'landing',      label: 'Landing Generator' },
             { value: 'query_runner', label: 'Query Runner SQL'  },
             { value: 'ia',           label: 'IA / vCard'        },
+            { value: 'whisper',      label: 'Transcripción de audio (Whisper)' },
         ],
 
         async init() { await this.load() },

rest/controllers/tarea_controller.go

@@ -177,7 +177,9 @@ func AddComentario(c *fiber.Ctx) error {
 	}
 
 	contenido := strings.TrimSpace(c.FormValue("contenido"))
-	if contenido == "" {
+	file, fileErr := c.FormFile("archivo")
+	tieneArchivo := fileErr == nil && file != nil
+	if contenido == "" && !tieneArchivo {
 		return c.Status(400).JSON(fiber.Map{"error": "contenido requerido"})
 	}
 
@@ -185,8 +187,7 @@ func AddComentario(c *fiber.Ctx) error {
 	archivosJSON := "[]"
 
 	// archivo adjunto opcional
-	file, fileErr := c.FormFile("archivo")
-	if fileErr == nil && file != nil {
+	if tieneArchivo {
 		if file.Size > 50*1024*1024 {
 			return c.Status(400).JSON(fiber.Map{"error": "Máximo 50MB por archivo"})
 		}

rest/controllers/telegram_agent_controller.go

@@ -3,6 +3,7 @@ package controllers
 import (
 	"fmt"
 	"log"
+	"os"
 	"strconv"
 	"strings"
 
@@ -37,6 +38,12 @@ type tgPhotoSize struct {
 	Height int    `json:"height"`
 }
 
+type tgVoice struct {
+	FileID   string `json:"file_id"`
+	Duration int    `json:"duration"`
+	MimeType string `json:"mime_type"`
+}
+
 type tgMessage struct {
 	MessageID int           `json:"message_id"`
 	From      tgUser        `json:"from"`
@@ -45,6 +52,8 @@ type tgMessage struct {
 	Caption   string        `json:"caption"`
 	Document  *tgDocument   `json:"document"`
 	Photo     []tgPhotoSize `json:"photo"`
+	Voice     *tgVoice      `json:"voice"`
+	Audio     *tgVoice      `json:"audio"`
 }
 
 type tgUpdate struct {
@@ -77,7 +86,8 @@ func TelegramAgentWebhook(c *fiber.Ctx) error {
 	text := strings.TrimSpace(msg.Text)
 	caption := strings.TrimSpace(msg.Caption)
 	hasAttachment := msg.Document != nil || len(msg.Photo) > 0
-	if text == "" && caption == "" && !hasAttachment {
+	hasAudio := msg.Voice != nil || msg.Audio != nil
+	if text == "" && caption == "" && !hasAttachment && !hasAudio {
 		return c.SendStatus(200)
 	}
 
@@ -145,6 +155,46 @@ func TelegramAgentWebhook(c *fiber.Ctx) error {
 		}
 	}
 
+	// Nota de voz o audio: se descarga, se transcribe con Whisper (config del
+	// módulo "whisper" en /app/ai-config) y el texto resultante se procesa como
+	// si el usuario lo hubiera escrito.
+	if hasAudio {
+		voice := msg.Voice
+		if voice == nil {
+			voice = msg.Audio
+		}
+		fileName := "audio.ogg"
+		mimeType := voice.MimeType
+		path, dlErr := services.DescargarDocumentoTelegram(tgCfg.BotToken, voice.FileID, fileName, mimeType)
+		if dlErr != nil {
+			log.Printf("[AGENT_WEBHOOK] Error descargando audio: %v", dlErr)
+			sendAgentReply(tgCfg.BotToken, chatID, "No pude descargar el audio que enviaste, intenta de nuevo.")
+			return c.SendStatus(200)
+		}
+		defer os.Remove(path)
+
+		whisperCfg, wErr := models.GetWhisperConfig()
+		if wErr != nil {
+			log.Printf("[AGENT_WEBHOOK] Whisper no configurado: %v", wErr)
+			sendAgentReply(tgCfg.BotToken, chatID, "No pude transcribir el audio: no hay ninguna configuración de Whisper activa. Ve a /app/ai-config, crea o edita una config con módulo 'Transcripción de audio (Whisper)' y credenciales válidas de OpenAI o Groq.")
+			return c.SendStatus(200)
+		}
+
+		transcripcion, tErr := services.TranscribirAudio(whisperCfg, path)
+		if tErr != nil {
+			log.Printf("[AGENT_WEBHOOK] Error transcribiendo audio: %v", tErr)
+			sendAgentReply(tgCfg.BotToken, chatID, fmt.Sprintf("No pude transcribir el audio: %s", tErr.Error()))
+			return c.SendStatus(200)
+		}
+		log.Printf("[AGENT_WEBHOOK] Audio transcrito (chat %d): %s", chatID, transcripcion)
+
+		if caption != "" {
+			text = transcripcion + " " + caption
+		} else {
+			text = transcripcion
+		}
+	}
+
 	// Procesar en goroutine para responder 200 inmediatamente a Telegram
 	go func() {
 		response, err := services.ProcessAgentMessage(chatID, text, ai)