Kazeia-engine/dist/jni/kazeia_stt_jni.cpp

// JNI bridge pour libkazeia_stt.so. Thin wrapper autour de stt_engine.{h,cpp}.
// Le handle exposé côté Kotlin est un jlong = (jlong)(SttEngine*).
//
// Signatures (à matcher dans SttEngine.kt) :
//   nativeLoad(modelDir: String, useHtp: Boolean, nThreads: Int, maxDecodeSteps: Int) : Long
//   nativeTranscribe(handle: Long, pcm: ShortArray, sampleRate: Int,
//                    language: String, forceTranscribe: Boolean)
//                    : String  // "{err}|{text}|{mel_ms}|{enc_ms}|{dec_ms}|{total_ms}|{n_tokens}|{rtf}"
//                              // text est en UTF-8, sans séparateur '|' parasite (pipe-rare)
//   nativeFree(handle: Long)
//
//   nativeVadNew(sampleRate, frameSize, rmsThreshold, minSpeechFrames, silenceEndFrames) : Long
//   nativeVadPush(handle: Long, pcm: ShortArray) : Int   // 0=silence, 1=speech, 2=end_of_speech
//   nativeVadReset(handle: Long)
//   nativeVadFree(handle: Long)
#include "stt_engine.h"
#include <jni.h>
#include <sstream>
#include <string>

namespace {

struct JStr {
    JNIEnv * env; jstring j; const char * c;
    JStr(JNIEnv* e, jstring s) : env(e), j(s), c(s ? e->GetStringUTFChars(s, nullptr) : nullptr) {}
    ~JStr() { if (j && c) env->ReleaseStringUTFChars(j, c); }
};

}  // namespace

extern "C" {

// =============================================================================
// STT : load / transcribe / free
// =============================================================================

JNIEXPORT jlong JNICALL
Java_com_kazeia_stt_SttJni_nativeLoad(JNIEnv* env, jobject /*thiz*/,
                                       jstring model_dir, jboolean use_htp,
                                       jint n_threads, jint max_decode_steps) {
    JStr d(env, model_dir);
    SttEngineLoadCfg lc;
    lc.model_dir        = d.c;
    lc.use_htp          = (use_htp == JNI_TRUE);
    lc.n_threads        = n_threads;
    lc.max_decode_steps = max_decode_steps > 0 ? max_decode_steps : 200;
    auto * eng = stt_engine_load(lc);
    return (jlong)(uintptr_t)eng;
}

JNIEXPORT jstring JNICALL
Java_com_kazeia_stt_SttJni_nativeTranscribe(JNIEnv* env, jobject /*thiz*/,
                                             jlong handle, jshortArray pcm,
                                             jint sample_rate, jstring language,
                                             jboolean force_transcribe) {
    if (!handle) return env->NewStringUTF("-1|||||||0|0.0");
    auto * eng = (SttEngine*)(uintptr_t)handle;
    jsize n = env->GetArrayLength(pcm);
    if (n <= 0) return env->NewStringUTF("-2|||||||0|0.0");
    jshort * data = env->GetShortArrayElements(pcm, nullptr);
    JStr lang(env, language);

    SttTranscribeCfg tc;
    tc.pcm16             = (const int16_t*)data;
    tc.n_samples         = (int)n;
    tc.sample_rate       = sample_rate;
    tc.language          = lang.c ? lang.c : "fr";
    tc.force_transcribe  = (force_transcribe == JNI_TRUE);

    auto R = stt_engine_transcribe(eng, tc);
    env->ReleaseShortArrayElements(pcm, data, JNI_ABORT);

    // Sérialise le résultat dans une chaîne `err|text|mel|enc|dec|total|n_tokens|rtf`.
    // Le texte est UTF-8 brut. On l'encode sans transformation : Kotlin split sur '|'
    // en gardant le 2e champ comme du texte (limit=8 pour ne pas couper si '|' apparaît
    // — pas le cas en pratique sur Whisper FR/EN).
    std::ostringstream oss;
    oss << R.err << '|' << R.text << '|' << R.mel_ms << '|' << R.encoder_ms
        << '|' << R.decoder_ms << '|' << R.total_ms << '|' << R.n_tokens << '|' << R.rtf;
    return env->NewStringUTF(oss.str().c_str());
}

JNIEXPORT void JNICALL
Java_com_kazeia_stt_SttJni_nativeFree(JNIEnv* /*env*/, jobject /*thiz*/, jlong handle) {
    if (!handle) return;
    stt_engine_free((SttEngine*)(uintptr_t)handle);
}

// =============================================================================
// VAD : new / push / reset / free (utilisable indépendamment de l'engine STT)
// =============================================================================

JNIEXPORT jlong JNICALL
Java_com_kazeia_stt_SttJni_nativeVadNew(JNIEnv* /*env*/, jobject /*thiz*/,
                                         jint sample_rate, jint frame_size,
                                         jint rms_threshold, jint min_speech_frames,
                                         jint silence_end_frames) {
    auto * s = stt_vad_new(sample_rate, frame_size, rms_threshold,
                           min_speech_frames, silence_end_frames);
    return (jlong)(uintptr_t)s;
}

// Push retourne : 0 = silence, 1 = en cours de parole, 2 = parole vient de se terminer
JNIEXPORT jint JNICALL
Java_com_kazeia_stt_SttJni_nativeVadPush(JNIEnv* env, jobject /*thiz*/,
                                          jlong handle, jshortArray pcm) {
    if (!handle) return -1;
    auto * s = (SttVadState*)(uintptr_t)handle;
    jsize n = env->GetArrayLength(pcm);
    if (n <= 0) return -2;
    jshort * data = env->GetShortArrayElements(pcm, nullptr);
    stt_vad_push(s, (const int16_t*)data, (int)n);
    env->ReleaseShortArrayElements(pcm, data, JNI_ABORT);
    if (stt_vad_is_end_of_speech(s)) return 2;
    if (stt_vad_is_speech(s))        return 1;
    return 0;
}

JNIEXPORT void JNICALL
Java_com_kazeia_stt_SttJni_nativeVadReset(JNIEnv* /*env*/, jobject /*thiz*/, jlong handle) {
    if (!handle) return;
    stt_vad_reset((SttVadState*)(uintptr_t)handle);
}

JNIEXPORT void JNICALL
Java_com_kazeia_stt_SttJni_nativeVadFree(JNIEnv* /*env*/, jobject /*thiz*/, jlong handle) {
    if (!handle) return;
    stt_vad_free((SttVadState*)(uintptr_t)handle);
}

}  // extern "C"