import os
import pyaudio
import numpy as np

from .config import (
    SILENCE_THRESHOLD, SILENCE_DURATION, MAX_DURATION,
    FOLLOWUP_TIMEOUT, VAD_AGGRESSIVENESS, log,
)
from .stt import transcribe

ECHO_WARMUP = float(os.getenv("ECHO_WARMUP", "0.5"))  # сек пропуска в начале — гасит эхо от TTS

try:
    import webrtcvad
    _vad = webrtcvad.Vad(VAD_AGGRESSIVENESS)
    _VAD_OK = True
except Exception as e:
    log.warning(f"webrtcvad недоступен, fallback на RMS: {e}")
    _vad = None
    _VAD_OK = False

# webrtcvad требует фрейм 10/20/30 мс при 8/16/32/48 кГц
SAMPLE_RATE = 16000
FRAME_MS = 30
FRAME_SAMPLES = int(SAMPLE_RATE * FRAME_MS / 1000)  # 480
FRAME_BYTES = FRAME_SAMPLES * 2                      # int16


def _is_speech(frame: bytes) -> bool:
    """Единое решение по VAD: webrtcvad + RMS-гейт, чтобы не ловить шёпот и эхо."""
    amplitude = float(np.abs(np.frombuffer(frame, dtype=np.int16)).mean())
    if amplitude < SILENCE_THRESHOLD:
        return False
    if _VAD_OK:
        try:
            return _vad.is_speech(frame, SAMPLE_RATE)
        except Exception:
            pass
    return True  # RMS уже прошёл — считаем речью


def record(initial_silence_timeout: float | None = None) -> str:
    """Запись до тишины + STT.
    initial_silence_timeout — через сколько секунд выйти если пользователь вообще не начал говорить.
    По умолчанию FOLLOWUP_TIMEOUT (короткое ожидание после ответа бота).
    """
    if initial_silence_timeout is None:
        initial_silence_timeout = FOLLOWUP_TIMEOUT

    try:
        audio = pyaudio.PyAudio()
        stream = audio.open(
            format=pyaudio.paInt16,
            channels=1,
            rate=SAMPLE_RATE,
            input=True,
            frames_per_buffer=FRAME_SAMPLES,
        )
    except Exception as e:
        log.exception("Не удалось открыть микрофон")
        print(f"⚠️  Ошибка микрофона: {e}")
        return ""

    print("🎙️  Говори...")
    frames: list[bytes] = []
    speaking_started = False
    trailing_silence = 0  # фреймы тишины после начала речи
    initial_silence  = 0  # фреймы тишины до начала речи

    max_frames              = int(MAX_DURATION * 1000 / FRAME_MS)
    warmup_frames           = int(ECHO_WARMUP * 1000 / FRAME_MS)
    silence_frames_needed   = int(SILENCE_DURATION * 1000 / FRAME_MS)
    initial_silence_limit   = int(initial_silence_timeout * 1000 / FRAME_MS)

    try:
        for i in range(max_frames):
            data = stream.read(FRAME_SAMPLES, exception_on_overflow=False)
            if i < warmup_frames:
                continue
            frames.append(data)

            if _is_speech(data):
                speaking_started = True
                trailing_silence = 0
            else:
                if speaking_started:
                    trailing_silence += 1
                    if trailing_silence >= silence_frames_needed:
                        print("🔇 Конец речи")
                        break
                else:
                    initial_silence += 1
                    if initial_silence >= initial_silence_limit:
                        print("😴 Пользователь молчит, выхожу")
                        speaking_started = False
                        break
    except Exception as e:
        log.exception("Ошибка при записи аудио")
        print(f"⚠️  Ошибка записи: {e}")
    finally:
        stream.stop_stream()
        audio.terminate()

    if not speaking_started:
        return ""

    text = transcribe(frames)
    # отсекаем мусор от эха (одиночные знаки препинания, пробелы)
    if not text or not text.strip() or len(text.strip()) < 2:
        return ""
    return text