import os
from pydub import AudioSegment
import noisereduce as nr
import webrtcvad
from ..config import settings
import numpy as np
import librosa
import soundfile as sf
from typing import Optional

def clean_audio(input_file: str, output_file: Optional[str] = None) -> str:
    """
    Ses dosyasını temizleyerek gürültüyü azaltır ve kaliteyi artırır
    
    Args:
        input_file: Girdi ses dosyasının yolu
        output_file: Çıktı ses dosyasının yolu (None ise otomatik oluşturulur)
        
    Returns:
        Temizlenmiş ses dosyasının yolu
    """
    # Çıktı dosya adını oluştur
    if output_file is None:
        output_file = input_file.replace('.wav', '_cleaned.wav')
    
    try:
        # Ses dosyasını yükle
        audio, sr = librosa.load(input_file, sr=None)
        
        # 1. Gürültü azaltma
        reduced_noise = nr.reduce_noise(y=audio, sr=sr, stationary=True)
        
        # 2. Ses seviyesi normalizasyonu
        normalized = librosa.util.normalize(reduced_noise)
        
        # 3. Sessiz bölümleri kırp
        non_silent_intervals = librosa.effects.split(normalized, top_db=30)
        if len(non_silent_intervals) > 0:
            non_silent_audio = np.concatenate([
                normalized[start:end] for start, end in non_silent_intervals
            ])
            # Çok kısa ise orijinali kullan
            if len(non_silent_audio) > 0.5 * len(normalized):
                normalized = non_silent_audio
        
        # 4. Band-pass filtresi (insan sesi için optimize - 80Hz-8000Hz)
        y_filter = librosa.effects.preemphasis(normalized)
        
        # Temizlenmiş sesi kaydet
        sf.write(output_file, y_filter, sr)
        
        return output_file
    
    except Exception as e:
        print(f"Ses temizleme hatası: {str(e)}")
        # Hata durumunda orijinal dosyayı döndür
        return input_file

def clean_audio_streaming(input_file: str, output_file: Optional[str] = None, chunk_seconds: int = 30) -> str:
    """Büyük dosyaları parça parça işle"""
    if output_file is None:
        output_file = input_file.replace('.wav', '_cleaned.wav')
    
    try:
        # Temel bilgileri al
        y, sr = librosa.load(input_file, sr=None, duration=10)  # Sadece örnek rate için
        
        # Çıktı dosyasını hazırla
        with sf.SoundFile(output_file, 'w', sr, channels=1) as out_f:
            # Dosyayı parça parça işle
            for i, (audio_chunk, sr) in enumerate(librosa.stream(input_file, 
                                                            block_length=chunk_seconds,
                                                            frame_length=2048,
                                                            hop_length=512)):
                # Her parça için gürültü azaltma
                reduced_noise = nr.reduce_noise(y=audio_chunk, sr=sr)
                # Normalize
                normalized = librosa.util.normalize(reduced_noise)
                # Yaz
                out_f.write(normalized)
        
        return output_file
    
    except Exception as e:
        print(f"Ses temizleme hatası: {str(e)}")
        return input_file

def _apply_vad(audio: AudioSegment, vad: webrtcvad.Vad) -> AudioSegment:
    frame_duration = 30
    frames = []
    samples = audio.get_array_of_samples()
    for i in range(0, len(samples), int(settings.SAMPLE_RATE * frame_duration / 1000)):
        frame = samples[i:i + int(settings.SAMPLE_RATE * frame_duration / 1000)]
        is_speech = vad.is_speech(
            frame.tobytes(), sample_rate=settings.SAMPLE_RATE
        )
        if is_speech:
            frames.extend(frame)
    return AudioSegment(
        data=bytes(frames),
        sample_width=audio.sample_width,
        frame_rate=settings.SAMPLE_RATE,
        channels=audio.channels
    )