feat(media): transcrição de áudio + descrição de imagem no motor (via Gemini)

Move a transcrição para o motor (genérica p/ todos os tenants/satélites):
- media-transcribe.ts: Gemini 2.0 Flash (áudio→texto, imagem→descrição) a partir
  do buffer já baixado; limite inline 18MB; fallback silencioso.
- MessageHandler.processMedia: após salvar a mídia, transcreve fire-and-forget e
  grava em messages.transcription, emitindo 'message:transcription' p/ a UI.
- schema: campo Message.transcription (coluna aplicada nos bancos).

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

newwhats.clube67.com/newwhats.local/backend/prisma/schema.prisma

@@ -229,6 +229,7 @@ model Message {
   type        MessageType   @default(TEXT)
   body        String?
   caption     String?
+  transcription String?      // transcrição (áudio) ou descrição (imagem) via IA
   mediaUrl    String?
   mediaPath   String?
   mimeType    String?

newwhats.clube67.com/newwhats.local/backend/src/modules/whatsapp/handlers/MessageHandler.ts

@@ -37,6 +37,7 @@ import type { Server as SocketIOServer } from 'socket.io'
 import type { ChatbotService } from '../../../modules/chatbot/chatbot.service'
 import { hookBus } from '../../../core/hook-bus'
 import { invalidateChatListCache } from "../../chats/chat.cache"
+import { transcribeOrDescribe } from '../media-transcribe'
 
 /** Diretório raiz onde os arquivos de mídia são salvos (organizados por instanceId) */
 const MEDIA_DIR = path.resolve('./media')
@@ -986,12 +987,28 @@ export class MessageHandler {
         this.persistSticker(msg, mediaUrl).catch(() => {})
       }
 
+      // Transcrição (áudio) / descrição (imagem) via IA — fire-and-forget.
+      if (contentType === 'audioMessage' || contentType === 'imageMessage') {
+        this.transcribeMedia(savedMsgId, chatId, buffer as Buffer, originalMimetype, contentType).catch(() => {})
+      }
+
       logger.debug({ savedMsgId, filePath }, 'Mídia salva')
     } catch (err) {
       logger.error({ err, savedMsgId }, 'Falha ao baixar mídia')
     }
   }
 
+  /** Transcreve áudio / descreve imagem via Gemini e salva em messages.transcription. */
+  private async transcribeMedia(
+    messageId: string, chatId: string, buffer: Buffer, mimetype: string | undefined, contentType: string,
+  ): Promise<void> {
+    const text = await transcribeOrDescribe(buffer, mimetype, contentType)
+    if (!text) return
+    await prisma.message.update({ where: { id: messageId }, data: { transcription: text } }).catch(() => {})
+    this.io.to(`chat:${chatId}`).emit('message:transcription', { messageId, transcription: text })
+    logger.debug({ messageId, contentType }, '[media-transcribe] transcrição salva')
+  }
+
   private async persistSticker(msg: WAMessage, wasabiPath: string): Promise<void> {
     const stickerMsg = msg.message?.stickerMessage
     if (!stickerMsg) return

newwhats.clube67.com/newwhats.local/backend/src/modules/whatsapp/media-transcribe.ts

@@ -0,0 +1,60 @@
+/**
+ * media-transcribe.ts — transcreve áudio (PTT) e descreve imagens recebidas
+ * via WhatsApp usando Gemini Flash (multimodal nativo), no MOTOR.
+ *
+ * Genérico para todos os tenants (antes vivia só no satélite). Roda no servidor,
+ * a partir do buffer já baixado em processMedia — não exige operador na tela.
+ * Falha silenciosa (retorna null) → o fluxo de mídia segue normalmente.
+ */
+import { logger } from '../../config/logger'
+
+const GEMINI_MODEL = 'gemini-2.0-flash'
+const GEMINI_API = `https://generativelanguage.googleapis.com/v1beta/models/${GEMINI_MODEL}:generateContent`
+const MAX_BYTES = 18 * 1024 * 1024 // limite inline prático do Gemini
+
+/**
+ * Retorna a transcrição (áudio) ou descrição (imagem), ou null se desabilitado/
+ * falhar. `contentType` é o tipo do Baileys ('audioMessage' | 'imageMessage').
+ */
+export async function transcribeOrDescribe(
+  buffer: Buffer,
+  mimetype: string | undefined,
+  contentType: string,
+): Promise<string | null> {
+  const apiKey = process.env.GEMINI_API_KEY
+  if (!apiKey) return null
+  if (!buffer || buffer.length === 0 || buffer.length > MAX_BYTES) return null
+
+  const isAudio = contentType === 'audioMessage'
+  const isImage = contentType === 'imageMessage'
+  if (!isAudio && !isImage) return null
+
+  const prompt = isAudio
+    ? 'Transcreva este áudio em português, fielmente. Responda APENAS a transcrição, sem comentários.'
+    : 'Descreva esta imagem em português de forma objetiva (1–2 frases). Responda APENAS a descrição.'
+
+  try {
+    const res = await fetch(`${GEMINI_API}?key=${apiKey}`, {
+      method: 'POST',
+      headers: { 'Content-Type': 'application/json' },
+      body: JSON.stringify({
+        contents: [{
+          parts: [
+            { text: prompt },
+            { inline_data: { mime_type: mimetype || (isAudio ? 'audio/ogg' : 'image/jpeg'), data: buffer.toString('base64') } },
+          ],
+        }],
+      }),
+    })
+    if (!res.ok) {
+      logger.warn({ status: res.status, contentType }, '[media-transcribe] Gemini falhou')
+      return null
+    }
+    const data: any = await res.json()
+    const text: string | undefined = data?.candidates?.[0]?.content?.parts?.[0]?.text
+    return text?.trim() || null
+  } catch (err) {
+    logger.warn({ err, contentType }, '[media-transcribe] erro (não-fatal)')
+    return null
+  }
+}