import torch
import whisper
from ..config import settings
from typing import Dict, Any, Optional
import os

_model = whisper.load_model(settings.ASR_MODEL)

class MedicalASR:
    def __init__(self, config: Dict[str, Any]):
        """
        Tıbbi konuşma tanıma için ASR modülü
        
        Args:
            config: Yapılandırma parametreleri
                - language: Dil kodu (örn. "tr")
                - model: Kullanılacak model adı
                - domain: Alan adı (tıp için "medical")
        """
        self.config = config
        self.language = config.get("language", "tr")
        self.model_name = config.get("model", "whisper-large-v3")
        
        # CUDA kullanılabilirse tercih et
        self.device = "cuda" if torch.cuda.is_available() else "cpu"
        
        # Modeli yükle
        self.model = whisper.load_model(self.model_name, device=self.device)
        
        # Türkçe tıbbi terim sözlüğü - gerçek bir uygulama için genişletilebilir
        self.medical_terms = self._load_medical_terms()
    
    def _load_medical_terms(self) -> Dict[str, str]:
        """Türkçe tıbbi terim sözlüğünü yükler"""
        # Örnek: Bu fonksiyon bir dosyadan ya da veritabanından tıbbi terimleri yükleyebilir
        return {
            "ateş": "ateş",
            "hipertansiyon": "hipertansiyon",
            "miyokard infarktüsü": "miyokard infarktüsü",
            # ... daha fazla tıbbi terim
        }
    
    def transcribe(self, audio_file: str, speaker_diarization: bool = True) -> Dict[str, Any]:
        """
        Ses dosyasını transkribe eder
        
        Args:
            audio_file: Ses dosyasının yolu
            speaker_diarization: Konuşmacı diyarizasyonu yapılsın mı
            
        Returns:
            Transkripsiyon sonuçları
        """
        # Transkripsiyon için Whisper modelini kullan
        transcribe_options = {
            "language": self.language,
            "task": "transcribe",
        }
        
        result = self.model.transcribe(audio_file, **transcribe_options)
        
        # Tıbbi terimleri düzelt
        corrected_text = self._correct_medical_terms(result["text"])
        result["text"] = corrected_text
        
        # Diyarizasyon isteniyorsa ekle
        if speaker_diarization:
            # Burada bir diyarizasyon kütüphanesi kullanılabilir (pyannote.audio gibi)
            # Bu örnekte yapmıyoruz
            pass
        
        return result
    
    def _correct_medical_terms(self, text: str) -> str:
        """
        Transkribe edilmiş metindeki tıbbi terimleri düzeltir
        
        Args:
            text: Düzeltilecek metin
            
        Returns:
            Düzeltilmiş metin
        """
        # Bu basit bir örnek - daha gelişmiş NLP teknikleri kullanılabilir
        for term, correct_form in self.medical_terms.items():
            # Basit string değiştirme - gerçek uygulamada daha sofistike olmalı
            text = text.replace(term, correct_form)
        
        return text

def transcribe_file(file_path: str) -> str:
    result = _model.transcribe(file_path)
    return result.get('text', '').strip()