feat: restrict supported languages to English and Chinese only

src/application/services/configuration_service.py

@@ -295,7 +295,7 @@ class ConfigurationApplicationService:
             ConfigurationException: If validation fails
         """
         valid_providers = ['chatterbox']
-        valid_languages = ['en', 'es', 'fr', 'de', 'it', 'pt', 'ru', 'ja', 'ko', 'zh']
+        valid_languages = ['en', 'zh']
 
         for key, value in updates.items():
             if key == 'preferred_providers':
@@ -558,10 +558,7 @@ class ConfigurationApplicationService:
                 'temp_directory': self._config.processing.temp_dir,
                 'log_level': self._config.logging.level,
                 'provider_availability': self.get_provider_availability(),
-                'supported_languages': [
-                    'en', 'es', 'fr', 'de', 'it', 'pt', 'ru', 'ja', 'ko', 'zh',
-                    'ar', 'hi', 'tr', 'pl', 'nl', 'sv', 'da', 'no', 'fi'
-                ],
+                'supported_languages': ['en', 'zh'],
                 'supported_audio_formats': self._config.processing.supported_audio_formats,
                 'max_file_size_mb': self._config.processing.max_file_size_mb,
                 'processing_timeout_seconds': self._config.processing.processing_timeout_seconds

src/infrastructure/stt/whisper_provider.py

@@ -21,7 +21,7 @@ class WhisperSTTProvider(STTProviderBase):
         """Initialize the Whisper STT provider."""
         super().__init__(
             provider_name="Whisper",
-            supported_languages=["en", "es", "fr", "de", "it", "pt", "ru", "ja", "ko", "zh"]
+            supported_languages=["en", "zh"]
         )
         self.model = None
         self._device = None

src/infrastructure/translation/nllb_provider.py

@@ -18,402 +18,7 @@ class NLLBTranslationProvider(TranslationProviderBase):
         'en': 'eng_Latn',
         'zh': 'zho_Hans',
         'zh-cn': 'zho_Hans',
-        'zh-tw': 'zho_Hant',
-        'es': 'spa_Latn',
-        'fr': 'fra_Latn',
-        'de': 'deu_Latn',
-        'ja': 'jpn_Jpan',
-        'ko': 'kor_Hang',
-        'ar': 'arb_Arab',
-        'hi': 'hin_Deva',
-        'pt': 'por_Latn',
-        'ru': 'rus_Cyrl',
-        'it': 'ita_Latn',
-        'nl': 'nld_Latn',
-        'pl': 'pol_Latn',
-        'tr': 'tur_Latn',
-        'sv': 'swe_Latn',
-        'da': 'dan_Latn',
-        'no': 'nor_Latn',
-        'fi': 'fin_Latn',
-        'el': 'ell_Grek',
-        'he': 'heb_Hebr',
-        'th': 'tha_Thai',
-        'vi': 'vie_Latn',
-        'id': 'ind_Latn',
-        'ms': 'zsm_Latn',
-        'tl': 'tgl_Latn',
-        'uk': 'ukr_Cyrl',
-        'cs': 'ces_Latn',
-        'sk': 'slk_Latn',
-        'hu': 'hun_Latn',
-        'ro': 'ron_Latn',
-        'bg': 'bul_Cyrl',
-        'hr': 'hrv_Latn',
-        'sr': 'srp_Cyrl',
-        'sl': 'slv_Latn',
-        'et': 'est_Latn',
-        'lv': 'lvs_Latn',
-        'lt': 'lit_Latn',
-        'mt': 'mlt_Latn',
-        'ga': 'gle_Latn',
-        'cy': 'cym_Latn',
-        'is': 'isl_Latn',
-        'mk': 'mkd_Cyrl',
-        'sq': 'sqi_Latn',
-        'eu': 'eus_Latn',
-        'ca': 'cat_Latn',
-        'gl': 'glg_Latn',
-        'ast': 'ast_Latn',
-        'oc': 'oci_Latn',
-        'br': 'bre_Latn',
-        'co': 'cos_Latn',
-        'sc': 'srd_Latn',
-        'rm': 'roh_Latn',
-        'fur': 'fur_Latn',
-        'lij': 'lij_Latn',
-        'vec': 'vec_Latn',
-        'pms': 'pms_Latn',
-        'lmo': 'lmo_Latn',
-        'nap': 'nap_Latn',
-        'scn': 'scn_Latn',
-        'wa': 'wln_Latn',
-        'frp': 'frp_Latn',
-        'gsw': 'gsw_Latn',
-        'bar': 'bar_Latn',
-        'ksh': 'ksh_Latn',
-        'lb': 'ltz_Latn',
-        'li': 'lim_Latn',
-        'nds': 'nds_Latn',
-        'pdc': 'pdc_Latn',
-        'sli': 'sli_Latn',
-        'vmf': 'vmf_Latn',
-        'yi': 'yid_Hebr',
-        'af': 'afr_Latn',
-        'zu': 'zul_Latn',
-        'xh': 'xho_Latn',
-        'st': 'sot_Latn',
-        'tn': 'tsn_Latn',
-        'ss': 'ssw_Latn',
-        'nr': 'nbl_Latn',
-        've': 'ven_Latn',
-        'ts': 'tso_Latn',
-        'sw': 'swh_Latn',
-        'rw': 'kin_Latn',
-        'rn': 'run_Latn',
-        'ny': 'nya_Latn',
-        'sn': 'sna_Latn',
-        'yo': 'yor_Latn',
-        'ig': 'ibo_Latn',
-        'ha': 'hau_Latn',
-        'ff': 'fuv_Latn',
-        'wo': 'wol_Latn',
-        'bm': 'bam_Latn',
-        'dyu': 'dyu_Latn',
-        'ee': 'ewe_Latn',
-        'tw': 'twi_Latn',
-        'ak': 'aka_Latn',
-        'gaa': 'gaa_Latn',
-        'lg': 'lug_Latn',
-        'luo': 'luo_Latn',
-        'ki': 'kik_Latn',
-        'kam': 'kam_Latn',
-        'luy': 'luy_Latn',
-        'mer': 'mer_Latn',
-        'kln': 'kln_Latn',
-        'kab': 'kab_Latn',
-        'ber': 'ber_Latn',
-        'am': 'amh_Ethi',
-        'ti': 'tir_Ethi',
-        'om': 'orm_Latn',
-        'so': 'som_Latn',
-        'mg': 'plt_Latn',
-        'ny': 'nya_Latn',
-        'bem': 'bem_Latn',
-        'tum': 'tum_Latn',
-        'loz': 'loz_Latn',
-        'lua': 'lua_Latn',
-        'umb': 'umb_Latn',
-        'kmb': 'kmb_Latn',
-        'kg': 'kon_Latn',
-        'ln': 'lin_Latn',
-        'sg': 'sag_Latn',
-        'fon': 'fon_Latn',
-        'mos': 'mos_Latn',
-        'dga': 'dga_Latn',
-        'kbp': 'kbp_Latn',
-        'nus': 'nus_Latn',
-        'din': 'din_Latn',
-        'luo': 'luo_Latn',
-        'ach': 'ach_Latn',
-        'teo': 'teo_Latn',
-        'mdt': 'mdt_Latn',
-        'knc': 'knc_Latn',
-        'fuv': 'fuv_Latn',
-        'kr': 'kau_Latn',
-        'dje': 'dje_Latn',
-        'son': 'son_Latn',
-        'tmh': 'tmh_Latn',
-        'taq': 'taq_Latn',
-        'ttq': 'ttq_Latn',
-        'thv': 'thv_Latn',
-        'taq': 'taq_Tfng',
-        'shi': 'shi_Tfng',
-        'tzm': 'tzm_Tfng',
-        'rif': 'rif_Latn',
-        'kab': 'kab_Latn',
-        'shy': 'shy_Latn',
-        'ber': 'ber_Latn',
-        'acm': 'acm_Arab',
-        'aeb': 'aeb_Arab',
-        'ajp': 'ajp_Arab',
-        'apc': 'apc_Arab',
-        'ars': 'ars_Arab',
-        'ary': 'ary_Arab',
-        'arz': 'arz_Arab',
-        'auz': 'auz_Arab',
-        'avl': 'avl_Arab',
-        'ayh': 'ayh_Arab',
-        'ayn': 'ayn_Arab',
-        'ayp': 'ayp_Arab',
-        'bbz': 'bbz_Arab',
-        'pga': 'pga_Arab',
-        'shu': 'shu_Arab',
-        'ssh': 'ssh_Arab',
-        'fa': 'pes_Arab',
-        'tg': 'tgk_Cyrl',
-        'ps': 'pbt_Arab',
-        'ur': 'urd_Arab',
-        'sd': 'snd_Arab',
-        'ks': 'kas_Arab',
-        'dv': 'div_Thaa',
-        'ne': 'npi_Deva',
-        'si': 'sin_Sinh',
-        'my': 'mya_Mymr',
-        'km': 'khm_Khmr',
-        'lo': 'lao_Laoo',
-        'ka': 'kat_Geor',
-        'hy': 'hye_Armn',
-        'az': 'azj_Latn',
-        'kk': 'kaz_Cyrl',
-        'ky': 'kir_Cyrl',
-        'uz': 'uzn_Latn',
-        'tk': 'tuk_Latn',
-        'mn': 'khk_Cyrl',
-        'bo': 'bod_Tibt',
-        'dz': 'dzo_Tibt',
-        'ug': 'uig_Arab',
-        'tt': 'tat_Cyrl',
-        'ba': 'bak_Cyrl',
-        'cv': 'chv_Cyrl',
-        'sah': 'sah_Cyrl',
-        'tyv': 'tyv_Cyrl',
-        'kjh': 'kjh_Cyrl',
-        'alt': 'alt_Cyrl',
-        'krc': 'krc_Cyrl',
-        'kum': 'kum_Cyrl',
-        'nog': 'nog_Cyrl',
-        'kaa': 'kaa_Cyrl',
-        'crh': 'crh_Latn',
-        'gag': 'gag_Latn',
-        'tr': 'tur_Latn',
-        'az': 'azb_Arab',
-        'ku': 'ckb_Arab',
-        'lrc': 'lrc_Arab',
-        'mzn': 'mzn_Arab',
-        'glk': 'glk_Arab',
-        'fa': 'pes_Arab',
-        'tg': 'tgk_Cyrl',
-        'prs': 'prs_Arab',
-        'haz': 'haz_Arab',
-        'bal': 'bal_Arab',
-        'bcc': 'bcc_Arab',
-        'bgp': 'bgp_Arab',
-        'bqi': 'bqi_Arab',
-        'ckb': 'ckb_Arab',
-        'diq': 'diq_Latn',
-        'hac': 'hac_Arab',
-        'kur': 'kmr_Latn',
-        'lki': 'lki_Arab',
-        'pnb': 'pnb_Arab',
-        'ps': 'pbt_Arab',
-        'sd': 'snd_Arab',
-        'skr': 'skr_Arab',
-        'ur': 'urd_Arab',
-        'wne': 'wne_Arab',
-        'xmf': 'xmf_Geor',
-        'ka': 'kat_Geor',
-        'hy': 'hye_Armn',
-        'xcl': 'xcl_Armn',
-        'he': 'heb_Hebr',
-        'yi': 'yid_Hebr',
-        'lad': 'lad_Hebr',
-        'ar': 'arb_Arab',
-        'mt': 'mlt_Latn',
-        'ml': 'mal_Mlym',
-        'kn': 'kan_Knda',
-        'te': 'tel_Telu',
-        'ta': 'tam_Taml',
-        'or': 'ory_Orya',
-        'as': 'asm_Beng',
-        'bn': 'ben_Beng',
-        'gu': 'guj_Gujr',
-        'pa': 'pan_Guru',
-        'hi': 'hin_Deva',
-        'mr': 'mar_Deva',
-        'ne': 'npi_Deva',
-        'sa': 'san_Deva',
-        'mai': 'mai_Deva',
-        'bho': 'bho_Deva',
-        'mag': 'mag_Deva',
-        'sck': 'sck_Deva',
-        'new': 'new_Deva',
-        'bpy': 'bpy_Beng',
-        'ctg': 'ctg_Beng',
-        'rkt': 'rkt_Beng',
-        'syl': 'syl_Beng',
-        'sat': 'sat_Olck',
-        'kha': 'kha_Latn',
-        'grt': 'grt_Beng',
-        'lus': 'lus_Latn',
-        'mni': 'mni_Beng',
-        'kok': 'kok_Deva',
-        'gom': 'gom_Deva',
-        'sd': 'snd_Deva',
-        'doi': 'doi_Deva',
-        'ks': 'kas_Deva',
-        'ur': 'urd_Arab',
-        'ps': 'pbt_Arab',
-        'bal': 'bal_Arab',
-        'bcc': 'bcc_Arab',
-        'bgp': 'bgp_Arab',
-        'brh': 'brh_Arab',
-        'hnd': 'hnd_Arab',
-        'lah': 'lah_Arab',
-        'pnb': 'pnb_Arab',
-        'pst': 'pst_Arab',
-        'skr': 'skr_Arab',
-        'wne': 'wne_Arab',
-        'si': 'sin_Sinh',
-        'dv': 'div_Thaa',
-        'my': 'mya_Mymr',
-        'shn': 'shn_Mymr',
-        'mnw': 'mnw_Mymr',
-        'kac': 'kac_Latn',
-        'shn': 'shn_Mymr',
-        'km': 'khm_Khmr',
-        'lo': 'lao_Laoo',
-        'th': 'tha_Thai',
-        'vi': 'vie_Latn',
-        'cjm': 'cjm_Arab',
-        'bjn': 'bjn_Latn',
-        'bug': 'bug_Latn',
-        'jv': 'jav_Latn',
-        'mad': 'mad_Latn',
-        'ms': 'zsm_Latn',
-        'min': 'min_Latn',
-        'su': 'sun_Latn',
-        'ban': 'ban_Latn',
-        'bbc': 'bbc_Latn',
-        'btk': 'btk_Latn',
-        'gor': 'gor_Latn',
-        'ilo': 'ilo_Latn',
-        'pag': 'pag_Latn',
-        'war': 'war_Latn',
-        'hil': 'hil_Latn',
-        'bcl': 'bcl_Latn',
-        'pam': 'pam_Latn',
-        'tl': 'tgl_Latn',
-        'ceb': 'ceb_Latn',
-        'akl': 'akl_Latn',
-        'bik': 'bik_Latn',
-        'cbk': 'cbk_Latn',
-        'krj': 'krj_Latn',
-        'tsg': 'tsg_Latn',
-        'zh': 'zho_Hans',
-        'yue': 'yue_Hant',
-        'wuu': 'wuu_Hans',
-        'hsn': 'hsn_Hans',
-        'nan': 'nan_Hant',
-        'hak': 'hak_Hant',
-        'gan': 'gan_Hans',
-        'cdo': 'cdo_Hant',
-        'lzh': 'lzh_Hans',
-        'ja': 'jpn_Jpan',
-        'ko': 'kor_Hang',
-        'ain': 'ain_Kana',
-        'ryu': 'ryu_Kana',
-        'eo': 'epo_Latn',
-        'ia': 'ina_Latn',
-        'ie': 'ile_Latn',
-        'io': 'ido_Latn',
-        'vo': 'vol_Latn',
-        'nov': 'nov_Latn',
-        'lfn': 'lfn_Latn',
-        'jbo': 'jbo_Latn',
-        'tlh': 'tlh_Latn',
-        'na': 'nau_Latn',
-        'ch': 'cha_Latn',
-        'mh': 'mah_Latn',
-        'gil': 'gil_Latn',
-        'kos': 'kos_Latn',
-        'pon': 'pon_Latn',
-        'yap': 'yap_Latn',
-        'chk': 'chk_Latn',
-        'uli': 'uli_Latn',
-        'wol': 'wol_Latn',
-        'pau': 'pau_Latn',
-        'sm': 'smo_Latn',
-        'to': 'ton_Latn',
-        'fj': 'fij_Latn',
-        'ty': 'tah_Latn',
-        'mi': 'mri_Latn',
-        'haw': 'haw_Latn',
-        'rap': 'rap_Latn',
-        'tvl': 'tvl_Latn',
-        'niu': 'niu_Latn',
-        'tkl': 'tkl_Latn',
-        'bi': 'bis_Latn',
-        'ho': 'hmo_Latn',
-        'kg': 'kon_Latn',
-        'kj': 'kua_Latn',
-        'rw': 'kin_Latn',
-        'rn': 'run_Latn',
-        'sg': 'sag_Latn',
-        'sn': 'sna_Latn',
-        'ss': 'ssw_Latn',
-        'st': 'sot_Latn',
-        'sw': 'swh_Latn',
-        'tn': 'tsn_Latn',
-        'ts': 'tso_Latn',
-        've': 'ven_Latn',
-        'xh': 'xho_Latn',
-        'zu': 'zul_Latn',
-        'nd': 'nde_Latn',
-        'nr': 'nbl_Latn',
-        'ny': 'nya_Latn',
-        'bm': 'bam_Latn',
-        'ee': 'ewe_Latn',
-        'ff': 'fuv_Latn',
-        'ha': 'hau_Latn',
-        'ig': 'ibo_Latn',
-        'ki': 'kik_Latn',
-        'lg': 'lug_Latn',
-        'ln': 'lin_Latn',
-        'mg': 'plt_Latn',
-        'om': 'orm_Latn',
-        'rw': 'kin_Latn',
-        'rn': 'run_Latn',
-        'sg': 'sag_Latn',
-        'sn': 'sna_Latn',
-        'so': 'som_Latn',
-        'sw': 'swh_Latn',
-        'ti': 'tir_Ethi',
-        'tw': 'twi_Latn',
-        'wo': 'wol_Latn',
-        'xh': 'xho_Latn',
-        'yo': 'yor_Latn',
-        'zu': 'zul_Latn'
+        'zh-tw': 'zho_Hant'
     }
 
     def __init__(self, model_name: str = "facebook/nllb-200-3.3B", max_chunk_length: int = 1000):

src/infrastructure/tts/chatterbox_provider.py

@@ -38,7 +38,7 @@ class ChatterboxTTSProvider(TTSProviderBase):
         """Initialize the Chatterbox TTS provider."""
         super().__init__(
             provider_name="Chatterbox",
-            supported_languages=['en']  # Chatterbox primarily supports English
+            supported_languages=['en', 'zh']  # Chatterbox supports English and Chinese
         )
         self.lang_code = lang_code
         self.model = None