#!/usr/bin/env python3
"""Genera una locución con XTTS-v2 usando la voz de referencia de GRP (o una
voz de referencia propia de la estación, si reemplazó el archivo).

Uso:
    generar.py "texto de la locución" [nombre_salida]

Salida: ruta del MP3 generado, impresa en stdout (para que scripts la capturen).

Variables de entorno:
    GR_LOCUTOR_VOZ  ruta al WAV de referencia (default: ~/.gradio/data/locutor-ia/referencia/voz_referencia.wav)
    GR_LOCUTOR_DIR  carpeta de datos (default: ~/.gradio/data/locutor-ia)
"""

import os
import socket
import subprocess
import sys
import time

# Forzar resolución IPv4: en la prueba real en RPi5 una conexión IPv6 mal
# enrutada dejó el proceso colgado ~53 minutos esperando una respuesta que
# nunca llegó. Esto evita ese modo de falla en cualquier red similar.
_orig_getaddrinfo = socket.getaddrinfo


def _ipv4_only_getaddrinfo(host, port, family=0, type=0, proto=0, flags=0):
    return _orig_getaddrinfo(host, port, socket.AF_INET, type, proto, flags)


socket.getaddrinfo = _ipv4_only_getaddrinfo

DATA_DIR = os.environ.get("GR_LOCUTOR_DIR", os.path.expanduser("~/.gradio/data/locutor-ia"))
SALIDA_DIR = os.path.join(DATA_DIR, "salida")


def log(msg):
    print(f"[gr-locutor] {msg}", file=sys.stderr, flush=True)


def voz_referencia():
    """Prioridad: variable de entorno GR_LOCUTOR_VOZ > locutor.config
    (voz_modo=propia + voz_propia_path, escrito por gr-locutor-config) >
    voz genérica de GRP por defecto."""
    env = os.environ.get("GR_LOCUTOR_VOZ")
    if env:
        return env

    config_path = os.path.join(DATA_DIR, "locutor.config")
    modo = "generica"
    ruta_propia = ""
    try:
        with open(config_path) as f:
            for line in f:
                if "=" not in line or line.strip().startswith("#"):
                    continue
                clave, valor = line.split("=", 1)
                clave, valor = clave.strip(), valor.strip()
                if clave == "voz_modo":
                    modo = valor
                elif clave == "voz_propia_path":
                    ruta_propia = valor
    except FileNotFoundError:
        pass

    if modo == "propia" and ruta_propia:
        return ruta_propia
    return os.path.join(DATA_DIR, "referencia", "voz_referencia.wav")


REF_VOICE = voz_referencia()


def has_gpu():
    try:
        import torch
        return torch.cuda.is_available()
    except Exception:
        return False


def main():
    if len(sys.argv) < 2:
        print(f"Uso: {sys.argv[0]} \"texto de la locución\" [nombre_salida]", file=sys.stderr)
        sys.exit(1)

    texto = sys.argv[1]
    nombre = sys.argv[2] if len(sys.argv) > 2 else time.strftime("locucion_%Y%m%d_%H%M%S")

    if not os.path.isfile(REF_VOICE):
        log(f"ERROR: no existe la voz de referencia en {REF_VOICE}")
        log("Ejecuta el instalador o coloca un WAV de 15-30s en esa ruta.")
        sys.exit(1)

    os.makedirs(SALIDA_DIR, exist_ok=True)
    wav_path = f"/tmp/{nombre}.wav"
    mp3_path = os.path.join(SALIDA_DIR, f"{nombre}.mp3")

    device = "cuda" if has_gpu() else "cpu"
    log(f"Dispositivo: {device}  |  Voz de referencia: {REF_VOICE}")

    t0 = time.time()
    from TTS.api import TTS
    tts = TTS("tts_models/multilingual/multi-dataset/xtts_v2").to(device)
    t_load = time.time()
    tts.tts_to_file(text=texto, speaker_wav=REF_VOICE, language="es", file_path=wav_path)
    t_gen = time.time()
    log(f"Cargar modelo: {t_load - t0:.1f}s  |  Generar: {t_gen - t_load:.1f}s")

    subprocess.run(
        ["ffmpeg", "-y", "-loglevel", "error", "-i", wav_path, "-ar", "44100", "-b:a", "320k", mp3_path],
        check=True,
    )
    os.remove(wav_path)
    print(mp3_path)


if __name__ == "__main__":
    main()