Рецепт разработки бота под Telegram / Хабр

Добрый день, уважаемые читатели Хабрахабра!

В этом топике я хочу поделиться с вами опытом разработки бота под Telegram за 4 дня. Этот бот переводит все голосовые сообщения, которые получает, в текст. Пытался сделать быстро, но качественно — подучил пару-тройку технологий. Постараюсь максимально подробно описать свой процесс преодоления ошибок и преград; доказать, что, даже не имея нужных навыков, запустить свой продукт не так-то и сложно.

Статья может быть интересна как новичкам в программировании — увидеть, сколько препятствий стоят на пути у готового продукта, так и более продвинутым специалистам — где-то посмеяться, где-то поплакать, где-то написать комментарий «жизненно».

Преамбула

И так, что же может сделать один программист за 4 дня?

Написать модуль, написать один экран iOS приложения, написать 15% сложного бота под Telegram, поднять или опустить MMR в Dota2 или ранг в Overwatch. Может провести выходные на природе, сходить в тренажерный зал, поплавать в бассейне, написать 500-1000 строк кода в приложении для клиентов, которым никогда и никто, кроме друзей и родственников заказчика, пользоваться не будет. Может смотаться в Кремниевую Долину на последние деньги, посмотреть пару-тройку сериалов, ��ознакомиться с уймой людей на одной-двух конференциях, повтыкать в документацию Ассемблера.

А что, если я скажу, что все это — полная чушь? Что, если я вам открою секрет: все не так-то просто. Время — штука относительная, можно мерить ее разными величинами и коэффициентами; мой любимый критерий — отношение времени к пользе. Что, если я вам скажу, что программист может запустить новый продукт на рынок за 4 дня? Заинтригованы? — Читайте дальше.

Мотивация

К нам в сообщество программистов в Telegram недавно добавился «наш собственный ивангай» и начал дико сорить направо и налево голосовыми сообщениями (кто его знает, вдруг парню просто сложно писать пальцами по клавиатуре). Естественно, людям надоело слушать по два-три часа в сутки сообщения, чтобы вникнуть в суть беседы — и тут кто-то предложил создать бота, который автоматически переводил бы все войсы в текст. Это именно тот момент, когда загораются глаза.

Перевод голоса в текст

Я не знал, сколько времени займет у меня разработка подобного бота, но уже имел достаточно опыта за плечами с ботами из нашего теплого уютного чатика и фриланс-биржой в Telegram с открытым исходным кодом. Не долго думая, сел за разработку — этап подключения модулей Telegam Bot API прошел, как по маслу. Что дальше? Модуль распознавания речи — гуглим «voice recognition api» и получаем среди первых ссылок список лучших сервисов. Во главе стоит Google Speech API в бета-версии — его и возьмем.

Получаем все голосовые сообщения ботом и как-то направляем в сторону Google. Но, вот незадача: почти все npm модули работы с этим сервисом либо устарели, либо банально не работают. Пробуем использовать встроенное API под Node.js, написанное специалистами Google — работает. Что там по аутентификации? Испробовав уйму вариантов из документации от Google — которая, кстати говоря, тоже 50 на 50 устарела или не работает — и вот оно, ключики подошли.

К слову, вот сам код, который я использовал:

Жми меня!

const Speech = require('@google-cloud/speech');

const speech = new Speech({
  projectId: 'voicy-151205',
  credentials: require('path/to/certificate/file.json')
});

speech.startRecognition(filepath, {
  'encoding': 'LINEAR16',
  'sampleRate': 16000,
  'languageCode': 'en-US',
})
  .then((results) => {
    const operation = results[0];
    return operation.promise();
  })
  .then((transcription) => {
    console.log(transcription[0]);
  })

Аудио форматы и ограничения Google

Что там по отправке войсов к Google? Ага, нужно получить аудиофайлы из Telegram и отправлять их на сервера Speech API — пробуем, не работает. В чем дело? Формат .oga, обычный для Telegram, не принимается — нужно декодировать. Что у нас есть для конвертации медиа? Конечно же, ffmpeg, знакомый еще с раннего детства (спасибо папе, который когда-то давно заставил меня в нем разбираться). Как его подключить к ноде? Опа! Есть npm модуль, заточенный специально под это. В какой формат нужно конвертировать .oga файлы? Оказалось, Google принимает .flac — конвертируем, пробуем, все принимается, Google отвечает текстом, успех.

Но, не тут-то было! Google не переводит в текст файлы длиннее 60 секунд, если не загружать их на Google Cloud Storage сервис. Что же такое? Сразу же пробуем модуль, написанный программистами Google, даже не смотрим в сторону устаревших npm готовых решений. Отлично, файлы загружаются, обрабатываются сервисом, возвращается текст. Кстати, странное у Google понятие времени — аудиофайлы длинной в 30 секунд, почему-то, определяются, как 60-ти секундные. Ничего страшного — пробуем файл длиннее 30 секунд и наступаем на очередные грабли — Google принимает длинные файлы только в кодировке «LINEAR16».

Что еще за «LINEAR16»? Ищем в документации ffmpeg — ничего подобного нет. Отлично, как так? Работаем дальше. Ищем, что за зверь этот формат или кодек — оказывается, это «16 bit signed little endian» данные. Хорошо, что я прочитал пару книжек по Computer Science и знаю, что такое «16 bit» и почему это «little endian». Ищем, что же из себя представляет этот формат в ffmpeg — ага: «s16le»! Пробуем конвертировать — получается, Google принимает и отвечает текстом, «Mission accomplished».

Осторожно: ниже код, который помог мне с конвертацией (нужно предустановить ffmpeg на машину)!

Жми меня!

const ffmpeg = require('fluent-ffmpeg');
const temp = require('temp');

ffmpeg.ffprobe(filepath, (err, info) => {
  const fileSize = info.format.duration;
  const output = temp.path({ suffix: '.flac' });

  ffmpeg()
    .on('end', () => console.log(output))
    .input(filepath)
    .setStartTime(0)
    .duration(fileSize)
    .output(output)
    .audioFrequency(16000)
    .toFormat('s16le')
    .run();
});

Монетизация

Но, что это такое? Какие $2 за использование Speech API? Они там в Google совсем с дубу рухнули? Как это мы использовали более двух часов перевода голоса в текст? Так совсем не пойдет — добавят моего бота в 100-1000 чатов, и что мне потом делать? С завтраков сэкономить на поддержку бота уже не получится — не тот масштаб. Нужно как-то прикручивать оплату. Пускай, будет 600 бесплатных секунд у каж��ого чата, а дальше будем запрашивать покрытие стоимости Google Speech API.

Как прикрутить оплату к боту в Telegram? Четких инструкций, как и инструментов монетизации в Telegram еще не завезли — нужно как-то решать вопрос вовне. Какой платежный сервис использовать? Так-так-так, недавно читал про парня, который стал самым молодым миллиардером — тот создал свой платежный сервис. Гуглим, видим — Stripe, его и используем. Что это у нас? У них есть удобный Checkout — но стандартную форму мы, конечно, использовать не будем, сделаем свою.

Фронтенд

Куда смотреть, чтобы делать интерактивные странички? Я же iOS программист, недавно окунулся в серверную разработку — так, ноги слегка сполоснуть — а тут фронтенд подоспел, что же за напасть? Гуглим быстренько, какие технологии используются для создания интерактивных сайтов. Angular 2, jQuery, Vanila.js — самым простым выглядит jQuery, его и возьмем — тем более, я с ним когда-то давно уже развлекался. Гуглим YouTube уроки по jQuery — один трешак по 2-3 часа, будем разбираться по ходу дела, туториалам и ответам на Stack Overflow.

Быстренько рисуем структуру сайта — лого, форму, пару строк текста и кнопку. Как это сделать? Что-то я слышал про Bootstrap. Гуглим, проходим пару уроков по Bootstrap 3 — еще гуглим, прикручиваем картинку, форму, кнопочку — вроде как, даже адаптивно получилось. Меняем фон сайта с белого на что-то более креативное (сероватый слегка), вот и сайтик готов.

Время jQuery! Решаем вынести оплату в отдельный проект — запускаем в командной строке «express payments», получаем проект. Отлично, куда заносить скрипты? Как, прямо в сайт? Что-то не так — и вправду, можно вынести их в отдельный файл, этим и займемся. Прикручиваем обработку ошибок на отдельный лейбл, проверяем форму Stripe (благо, они дают весь нужный пользовательский интерфейс в Checkout модуле), прикручиваем наш новый проект к той же базе данных, проверяем оплату — проходит, все работает. По пути, конечно, ввиду отсутствия привычным фронтенд-разработчикам инструментов, мириады раз перезагружаем веб-страничку вручную.

Вот тут файлики, которые у меня получились (осторожно, не очень чистый код) c моими небольшими комментариями:

Жми меня!

index.hjs

<!DOCTYPE html>
<html>
  <head>
    <title>Voicy payments</title>
    <!--Подключаем Bootstrap, jQuery, наши скрипты в global.js, наши стили в style.css и Stripe-->
    <link rel="stylesheet" href="https://maxcdn.bootstrapcdn.com/bootstrap/3.3.7/css/bootstrap.min.css">
    <script src="https://ajax.googleapis.com/ajax/libs/jquery/3.1.1/jquery.min.js"></script>
    <script src="https://maxcdn.bootstrapcdn.com/bootstrap/3.3.7/js/bootstrap.min.js"></script>
    <script src="/javascripts/global.js"></script>
    <script src="https://checkout.stripe.com/checkout.js"></script>
    <link rel='stylesheet' href='/stylesheets/style.css' />
  </head>
  <body>
    <!--Добавляем картинку-лого, выводим пользователю id чата, сколько секунд осталось и цену-->
    <img src="/images/logo.png" alt="Voicy" class="center-block">
    <h1 class="center-block text-center">Chat ID:</h1>
    <h1 class="center-block text-center">{{ chatId }}</h1>
    <p class="text-center">{{ seconds }} seconds are left in this chat.</p>
    <p class="text-center">You can buy more seconds below.</p>
    <p class="text-center"><b>$0.4 per 200 seconds</b></p>
    <form>
      <div class="center">
        <!--Блок формы — текстовое поле, лейблы и сама кнопка-->
        <form class="form-inline" id="buy">
          <div class="form-group">
            <!--Возможно, без этой формы можно было обойтись, но я отдельно сохранял chatId в невидимое поле-->
            <input type="hidden" name="chatId" value="{{ chatId }}">
            <!--Текстовое поле, куда пользователь введет, сколько секунд он покупает-->
            <input type="number" class="form-control" name="numberOfSeconds" placeholder="Enter number of seconds">
            <!--Пустые лейблы — info, error и success, которые мы сможем потом заполнить из global.js-->
            <small id="infoLabel" class="form-text text-info"></small>
            <small id="errorLabel" class="form-text text-danger"></small>
            <small id="successLabel" class="form-text text-success"></small>
          </div>
          <button type="submit" class="btn btn-primary center-block" id="buyButton">Buy</button>
        </form>
      </form>
    </form>
  </body>
</html>

global.js

// Здесь начинается магия
$(document).ready(function() {
  // Глобальные переменные — это плохо, но здесь сойдет
  var chatId;
  var amount;
  // Создаем обработчик от Stripe Checkout
  var handler = StripeCheckout.configure({
    key: '***',
    image: 'https://pay.voicybot.com/images/stripe.png',
    locale: 'auto',
    // alipay: true, // Может, подключу как-нибудь AliPay
    // bitcoin: true, // Биткоины не получается использовать — у меня нет верифицированного US аккаунта банковского
    closed: function() {
      // Очищаем все, кроме info, когда закрываем stripe
      $("#successLabel").empty();
      $("#errorLabel").empty();
    },
    token: function(token) {
      // Когда кредитка введена пользователем, мы получаем token и должны передать его на наш сервер
      // Попутно чистим лейблы (знаю, код повторяется — но здесь и так сойдет)
      $("#infoLabel").empty();
      $("#successLabel").empty();
      $("#errorLabel").empty();
      // Уведомим пользователя, что оплата идет
      $("#infoLabel").append('Processing payment on Voicy servers...');
      // Проводим непосредственно оплату, посылаем запрос в index.js
      $.ajax({
        type: 'POST',
        url: 'buy',
        data: { 'token': token.id, 'chatId': chatId, 'amount': amount },
        dataType: 'json',
        encode: true
      })
      .done(function(data) {
        // Логика простая: все ок — показываем сообщение "Ок"; ошибка — показываем ошибку
        if (data['error']) {
          $("#infoLabel").empty();
          $("#successLabel").empty();
          $("#errorLabel").empty();
          $("#errorLabel").append(data['error']);
        } else {
          $("#infoLabel").empty();
          $("#successLabel").empty();
          $("#errorLabel").empty();
          $("#successLabel").append('Thank you for the payment!');
        }
      });
    }
  });

  // Закроем Stripe, если он хочет закрыться, очистим лейблы попутно
  window.addEventListener('popstate', function() {
    $("#infoLabel").empty();
    $("#successLabel").empty();
    $("#errorLabel").empty();
    handler.close();
  });

  // Обрабатываем форму — это происходит по нажатию на "Buy"
  $('form').submit(function(event) {
    event.preventDefault(); // Без этой строчки страница перезагрузится
    var seconds = $('input[name=numberOfSeconds]').val(); // Получаем секунды из текстового поля
    chatId = $('input[name=chatId]').val(); // Получаем chat id из невидимого поля
    // Проводим простую валидацию — если юзер покупает меньше 200 секунд, высвечиваем ошибку
    if (!seconds || seconds < 200) {
      $("#infoLabel").empty();
      $("#successLabel").empty();
      $("#errorLabel").empty();
      $("#errorLabel").append('Please purchase at least 200 seconds');
    } else {
      // Если все ок — считаем ценник в центах...
      var purch = seconds * 0.002 * 100;
      amount = seconds;
      $("#infoLabel").empty();
      $("#successLabel").empty();
      $("#errorLabel").empty();
      $("#infoLabel").append('Please pay at Stripe Checkout');
      // ...и настраиваем и открываем Stripe
      handler.open({
        name: 'Voicy Bot',
        description: 'Purchasing ' + seconds + ' seconds',
        currency: 'USD',
        amount: purch,
        // alipay: true,
        // bitcoin: true
      });
    }
  });
});

index.js

// Express router нужен для обработки входящих HTTP реквестов из jQuery
const express = require('express');
const router = express.Router();
// db — это модуль, который я написал для работы с моей базой данных
const db = require('../helpers/db');
// Stripe — чтобы денежки с карточек клиентов снимать
const stripe = require("stripe")("***");

/** Проводим покупку */
router.post('/buy', (req, res, next) => {
  // Получаем token от stripe, который позволит провести одну оплату
  const token = req.body.token;
  // Получаем id чата, в который добавляем секунды
  const chatId = parseInt(req.body.chatId);
  // Получаем, сколько секунд добавлять
  const amount = parseInt(req.body.amount);

  var charge = stripe.charges.create({
    amount: amount * 0.002 * 100, // Страйп считает в центах
    source: token,
    currency: "USD",
    description: "Buying seconds for Voicy"
  }, (err, charge) => {
    if (err) {
      res.send({ error: err.message }); // Перенаправляем ошибку назад в jQuery
    } else {
      db.findChat(chatId) // Ищем чат с подобным id
        .then((chat) => { // Блок, если все "ок"
          chat.seconds = parseInt(chat.seconds) + amount; // Добавляем секунды в чат
          return chat.save() // Сохраняем чат
            .then((newChat) => {
              res.send({ success: true }); // Отправляем "ок" назад в jQuery
            });
        })
        .catch((err) => {
          res.send({ error: err.message }); // Перенаправляем ошибку назад в jQuery
        })
    }
  });
});

/* Получаем главную страницу */
router.get('/:id', (req, res, next) => {
  const chatId = parseInt(req.params.id); // id чата, для которого рендерим страницу
  db.findChat(chatId) // Ищем чат по id
    .then((chat) => {
      // Не нашли? Брос��ем ошибку 404!
      if (!chat) {
        const err = new Error();
        err.status = 404;
        err.message = 'No chat found';
        throw err;
      }
      // Нашли? Продолжаем работать с чатом!
      return chat;
    })
    .then((chat) => {
      // Рендерим страницу чата, передаем количество секунд в чате и id чата
      res.render('index', { 
        chatId: chat.id,
        seconds: chat.seconds,
      });
    })
    .catch(err => next(err)); // Возвращаем ошибку в обработчик ошибок (который просто рендерит страничку с ошибкой)
});

Главный вебсайт

Любому хорошему проекту нужен добротный вебсайт — но мне что-то совсем не хочется тратить деньги на хостинг. Покупаем доменное имя и направляем его прямо на GitHub Pages, благо, с этим опыта достаточно с предыдущих проектов с открытым кодом. Берем стандартный шаблон, заполняем его нужными данными, слегка модифицируем index.html — готово.

Nginx и SSL

Но как мне будут доверять пользователи, если форма оплаты будет недоступна по https? Ничего страшного — плавали, знаем! Запускаем CertBot на сервере, получаем нужные SSL сертификаты. Пока что приложение доступно на pay.*domain*.com:3000 — негоже сюда направлять пользователей. Настраиваем Nginx, чтобы он перенаправлял все реквесты с http на https и вешаем прокси с 80 порта на 3000 — проверяем, заходим на сайт, работает.

Если кому интересно, вот файл настроек nginx:

Жми меня!

# HTTP - переносим все реквесты в HTTPS:
server {
        listen 80;
        listen [::]:80 default_server ipv6only=on;
        return 301 https://$host$request_uri;
}

# HTTPS - переносим все реквесты в наш Node.js сервер:
server {
        listen 443;
        server_name your_domain_name;

       ssl on;
        # Используем сертификаты от Lets Encrypt:
        ssl_certificate /etc/letsencrypt/live/pay.voicybot.com/fullchain.pem;
        ssl_certificate_key /etc/letsencrypt/live/pay.voicybot.com/privkey.pem;
        ssl_session_timeout 5m;
        ssl_protocols TLSv1 TLSv1.1 TLSv1.2;
        ssl_prefer_server_ciphers on;
        ssl_ciphers '***';
        # Переносим все реквесты в localhost:3001:
        location / {
                proxy_set_header X-Real-IP $remote_addr;
                proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
                proxy_set_header X-NginX-Proxy true;
                proxy_pass http://localhost:3000/;
                proxy_ssl_session_reuse off;
                proxy_set_header Host $http_host;
                proxy_cache_bypass $http_upgrade;
                proxy_redirect off;
        }
}

Заключение

Вот так неожиданно и оборвался мой рассказ — так как все оказалось готово: один сервер принимает все голосовые сообщения и переводит их в текст, второй отвечает за безопасную оплату времени обработки войсов, а GitHub раздает головной сайт проекта. Главное, что я хотел описать в этой статье — это то, что процесс создания продукта хоть и трудоемкий, но может уместиться в 40-80 часов благодаря уже существующим инструментам в Интернете.

Напомню, что этот маленький проект включает в себя:

Нейронную сеть от Google, конвертирующую голос в текст
Неплохой вебсайт, созданный при неимении каких-либо дизайн или фронтенд навыков
Умный инструмент оплаты, который, к слову, работает во всех браузерах и даже с AliPay да Биткоинами
Базу данных чатов и пользователей, по которой всегда можно глянуть статистику
Конвертацию аудио файлов между разными форматами
Сложный сервер с SSL, с двумя поднятыми комплексными приложениями
Отсутствие какого-либо человеческого фактора: все работает автоматически

Если вы все еще думаете, что для создания собственного продукта у вас недостаточно навыков — оглянитесь вокруг, все уже сделано за вас. В отличие от того же 2000, сегодня создание продукта не требует глубокого знания алгоритмов и структур данных. Так чего же вы ждете?

Благодарности

Огромное спасибо, что дочитали до конца! Я с радостью отвечу на все комментарии к статье. Ссылку на сам бот не прилагаю (хоть он и полностью рабочий), так как это против правил Хабрахабра.

Рецепт разработки бота под Telegram

Преамбула

Мотивация

Перевод голоса в текст

Аудио форматы и ограничения Google

Монетизация

Фронтенд

Главный вебсайт

Nginx и SSL

Заключение

Благодарности

Rock on.

Публикации