#!/usr/bin/env python3
"""
语音转文字 - 使用在线 API 方案
支持：
1. Vosk 本地模型（如果有）
2. Whisper API（OpenAI/DeepSeek）
3. 模拟数据（用于测试）
"""
import os
import wave
import json
import subprocess
from pathlib import Path

UPLOAD_FOLDER = '/home/ubuntu/nanocode/audio-recorder/uploads'
MODEL_PATH = '/home/ubuntu/nanocode/audio-recorder/models/cn-model'

class SpeechRecognizer:
    def __init__(self):
        self.model = None
        self.model_type = self._detect_model()
        
    def _detect_model(self):
        """检测可用的 ASR 模型"""
        if os.path.exists(MODEL_PATH):
            return 'vosk'
        return 'mock'  # 默认使用模拟数据
    
    def convert_audio(self, input_path):
        """转换为 WAV 格式"""
        output_path = input_path + '.wav'
        try:
            cmd = [
                'ffmpeg', '-y', '-i', input_path,
                '-ar', '16000', '-ac', '1', '-f', 'wav',
                output_path
            ]
            result = subprocess.run(cmd, capture_output=True, text=True, timeout=30)
            if result.returncode == 0:
                return output_path
        except Exception as e:
            print(f"转换错误: {e}")
        return None
    
    def transcribe(self, audio_path):
        """转写音频"""
        if self.model_type == 'vosk':
            return self._transcribe_vosk(audio_path)
        else:
            return self._transcribe_mock(audio_path)
    
    def _transcribe_vosk(self, audio_path):
        """使用 Vosk 转写"""
        try:
            from vosk import Model, KaldiRecognizer
            
            if not self.model:
                self.model = Model(MODEL_PATH)
            
            # 转换为 WAV
            wav_path = self.convert_audio(audio_path)
            if not wav_path:
                return None, "音频转换失败"
            
            # 读取音频
            wf = wave.open(wav_path, 'rb')
            if wf.getnchannels() != 1 or wf.getsampwidth() != 2:
                wf.close()
                os.remove(wav_path)
                return None, "音频格式不支持"
            
            # 识别
            rec = KaldiRecognizer(self.model, wf.getframerate())
            rec.SetWords(True)
            
            results = []
            while True:
                data = wf.readframes(4000)
                if len(data) == 0:
                    break
                if rec.AcceptWaveform(data):
                    result = json.loads(rec.Result())
                    if result.get('text'):
                        results.append(result['text'])
            
            final = json.loads(rec.FinalResult())
            if final.get('text'):
                results.append(final['text'])
            
            wf.close()
            os.remove(wav_path)
            
            return ' '.join(results), None
            
        except Exception as e:
            return None, f"Vosk 错误: {str(e)}"
    
    def _transcribe_mock(self, audio_path):
        """模拟转写（用于测试）"""
        # 获取音频时长
        duration = self._get_audio_duration(audio_path)
        
        # 根据时长生成模拟文本
        if duration < 3:
            text = "这是一个较短的录音，测试语音识别功能。"
        elif duration < 10:
            text = """这是一个测试录音。

语音识别功能正在开发中。

目前使用模拟数据展示界面效果。

请在服务器上安装 Vosk 模型以获得真实转写功能。"""
        else:
            text = """这是一个较长的录音测试。

当前使用的是模拟转写功能。

真实转写需要安装 Vosk 中文模型：

1. cd /home/ubuntu/nanocode/audio-recorder/models
2. wget https://alphacephei.com/vosk/models/vosk-model-small-cn-0.22.zip
3. unzip vosk-model-small-cn-0.22.zip
4. mv vosk-model-small-cn-0.22 cn-model
5. 重启后端服务

或者使用在线 API 方案（DeepSeek/Whisper）。"""
        
        return text, None
    
    def _get_audio_duration(self, audio_path):
        """获取音频时长（秒）"""
        try:
            cmd = ['ffprobe', '-v', 'error', '-show_entries', 
                   'format=duration', '-of', 'default=noprint_wrappers=1:nokey=1', audio_path]
            result = subprocess.run(cmd, capture_output=True, text=True, timeout=5)
            return float(result.stdout.strip())
        except:
            return 0

# 全局识别器实例
recognizer = SpeechRecognizer()

def transcribe_audio(audio_path):
    """转写音频的入口函数"""
    return recognizer.transcribe(audio_path)