app.py

import json
import os
import shutil
import subprocess
import threading
import uuid
from datetime import datetime, timedelta
from pathlib import Path
from typing import List, Optional

from fastapi import FastAPI, File, Form, HTTPException, Request, UploadFile
from fastapi.middleware.cors import CORSMiddleware
from fastapi.responses import FileResponse, HTMLResponse, JSONResponse
from fastapi.staticfiles import StaticFiles
from fastapi.templating import Jinja2Templates
from faster_whisper import WhisperModel
from pydantic import BaseModel, Field


APP_DIR = Path(__file__).resolve().parent
WORK_DIR = APP_DIR / "workspace"
TEMPLATES_DIR = APP_DIR / "templates"
STATIC_DIR = APP_DIR / "static"
WORK_DIR.mkdir(parents=True, exist_ok=True)


app = FastAPI(title="Viet AutoSub Editor")
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)
app.mount("/static", StaticFiles(directory=STATIC_DIR), name="static")
templates = Jinja2Templates(directory=str(TEMPLATES_DIR))


MODEL_LOCK = threading.Lock()
MODEL_CACHE = {}
DEFAULT_MODEL_SIZE = os.getenv("WHISPER_MODEL_SIZE", "small")
MAX_UPLOAD_MB = int(os.getenv("MAX_UPLOAD_MB", "250"))
KEEP_HOURS = int(os.getenv("KEEP_HOURS", "24"))


class SegmentIn(BaseModel):
    id: int
    start: str
    end: str
    text: str = Field(default="")


class ExportRequest(BaseModel):
    job_id: str
    segments: List[SegmentIn]
    burn_in: bool = True


class SegmentOut(BaseModel):
    id: int
    start: float
    end: float
    text: str



def cleanup_old_jobs() -> None:
    cutoff = datetime.utcnow() - timedelta(hours=KEEP_HOURS)
    for folder in WORK_DIR.iterdir():
        if not folder.is_dir():
            continue
        try:
            modified = datetime.utcfromtimestamp(folder.stat().st_mtime)
            if modified < cutoff:
                shutil.rmtree(folder, ignore_errors=True)
        except Exception:
            continue



def get_model(model_size: str = DEFAULT_MODEL_SIZE) -> WhisperModel:
    with MODEL_LOCK:
        if model_size not in MODEL_CACHE:
            MODEL_CACHE[model_size] = WhisperModel(
                model_size,
                device="cpu",
                compute_type="int8",
            )
        return MODEL_CACHE[model_size]



def ffmpeg_exists() -> bool:
    return shutil.which("ffmpeg") is not None and shutil.which("ffprobe") is not None



def save_upload(upload: UploadFile, target_dir: Path) -> Path:
    suffix = Path(upload.filename or "video.mp4").suffix or ".mp4"
    video_path = target_dir / f"source{suffix}"
    with video_path.open("wb") as f:
        while True:
            chunk = upload.file.read(1024 * 1024)
            if not chunk:
                break
            f.write(chunk)
            if f.tell() > MAX_UPLOAD_MB * 1024 * 1024:
                raise HTTPException(status_code=413, detail=f"File quá lớn. Giới hạn {MAX_UPLOAD_MB} MB.")
    return video_path



def run_ffprobe_duration(video_path: Path) -> Optional[float]:
    try:
        cmd = [
            "ffprobe",
            "-v",
            "error",
            "-show_entries",
            "format=duration",
            "-of",
            "default=noprint_wrappers=1:nokey=1",
            str(video_path),
        ]
        result = subprocess.run(cmd, capture_output=True, text=True, check=True)
        return float(result.stdout.strip())
    except Exception:
        return None


# ============================================================
#  TRANSCRIPTION — 2 chế độ: "music" (lời bài hát) và "speech" (giọng nói)
# ============================================================

def merge_segments_music(raw_segments: list, max_gap: float = 0.8, max_len: float = 8.0) -> list:
    """
    Gộp các segment ngắn liên tiếp thành câu dài hơn, phù hợp lời bài hát.
    - max_gap: khoảng trống tối đa giữa 2 segment để gộp (giây)
    - max_len: độ dài tối đa 1 segment sau gộp (giây)
    """
    if not raw_segments:
        return []

    merged = []
    current = {
        "start": raw_segments[0]["start"],
        "end": raw_segments[0]["end"],
        "text": raw_segments[0]["text"],
    }

    for seg in raw_segments[1:]:
        gap = seg["start"] - current["end"]
        new_duration = seg["end"] - current["start"]

        # Gộp nếu: khoảng trống nhỏ VÀ tổng thời lượng không quá dài
        if gap <= max_gap and new_duration <= max_len:
            current["end"] = seg["end"]
            current["text"] = current["text"] + " " + seg["text"]
        else:
            merged.append(current)
            current = {
                "start": seg["start"],
                "end": seg["end"],
                "text": seg["text"],
            }

    merged.append(current)
    return merged


def fill_timeline_gaps(segments: list, total_duration: Optional[float] = None, min_gap: float = 0.3) -> list:
    """
    Lấp khoảng trống lớn giữa các segment.
    Nếu khoảng trống > min_gap, điều chỉnh end/start của segment kề cho liền mạch.
    Giúp subtitle phủ toàn bộ timeline video.
    """
    if not segments:
        return segments

    result = []
    for i, seg in enumerate(segments):
        s = dict(seg)

        # Kéo start sớm hơn để lấp gap phía trước
        if i > 0:
            prev_end = result[-1]["end"]
            gap = s["start"] - prev_end
            if 0 < gap <= 1.5:
                # Gap nhỏ: kéo start segment hiện tại lùi lại
                s["start"] = prev_end
            elif gap > 1.5:
                # Gap lớn: kéo end segment trước ra + kéo start hiện tại lùi
                half = gap / 2
                result[-1]["end"] = prev_end + min(half, 0.5)
                s["start"] = s["start"] - min(half, 0.5)

        result.append(s)

    # Xử lý end của segment cuối nếu có total_duration
    if total_duration and result:
        last = result[-1]
        remaining = total_duration - last["end"]
        if 0 < remaining <= 2.0:
            last["end"] = total_duration

    return result


def transcribe_video_music(video_path: Path, duration: Optional[float] = None,
                           model_size: str = DEFAULT_MODEL_SIZE) -> List[SegmentOut]:
    """
    Chế độ LỜI BÀI HÁT: tối ưu để nhận diện toàn bộ lyrics.
    - Tắt VAD filter (không cắt đoạn nhạc nền)
    - Tăng beam_size cho accuracy
    - Bật word_timestamps cho khớp chính xác
    - Gộp segment thông minh
    - Lấp khoảng trống timeline
    """
    model = get_model(model_size)

    segments, info = model.transcribe(
        str(video_path),
        language="vi",
        vad_filter=False,           # QUAN TRỌNG: tắt VAD để không bỏ sót lời hát
        beam_size=8,                # Tăng beam cho accuracy lời bài hát
        best_of=5,                  # Sample nhiều hơn, chọn tốt nhất
        patience=1.5,               # Kiên nhẫn hơn khi decode
        condition_on_previous_text=True,
        word_timestamps=True,       # Timestamp cấp từ → khớp chính xác
        no_speech_threshold=0.3,    # Hạ threshold → ít bỏ sót đoạn hát nhỏ
        log_prob_threshold=-1.5,    # Chấp nhận xác suất thấp hơn (lời hát khó nghe)
        compression_ratio_threshold=2.8,  # Nới ngưỡng nén → ít reject segment
    )

    raw: list = []
    for seg in segments:
        text = (seg.text or "").strip()
        if not text:
            continue
        raw.append({
            "start": float(seg.start),
            "end": float(seg.end),
            "text": text,
        })

    if not raw:
        raise HTTPException(status_code=400, detail="Không nhận diện được lời thoại/lời hát trong video.")

    # Gộp segment ngắn thành câu lời bài hát tự nhiên
    merged = merge_segments_music(raw, max_gap=0.8, max_len=8.0)

    # Lấp khoảng trống timeline
    filled = fill_timeline_gaps(merged, total_duration=duration)

    rows: List[SegmentOut] = []
    for idx, seg in enumerate(filled, start=1):
        rows.append(SegmentOut(
            id=idx,
            start=seg["start"],
            end=seg["end"],
            text=seg["text"],
        ))

    return rows


def transcribe_video_speech(video_path: Path, model_size: str = DEFAULT_MODEL_SIZE) -> List[SegmentOut]:
    """
    Chế độ GIỌNG NÓI: giữ nguyên logic cũ, tối ưu cho lời thoại/thuyết trình.
    - Bật VAD filter (lọc tiếng ồn)
    - beam_size vừa phải
    """
    model = get_model(model_size)
    segments, _info = model.transcribe(
        str(video_path),
        language="vi",
        vad_filter=True,
        beam_size=5,
        condition_on_previous_text=True,
    )
    rows: List[SegmentOut] = []
    for idx, seg in enumerate(segments, start=1):
        text = (seg.text or "").strip()
        if not text:
            continue
        rows.append(
            SegmentOut(
                id=idx,
                start=float(seg.start),
                end=float(seg.end),
                text=text,
            )
        )
    if not rows:
        raise HTTPException(status_code=400, detail="Không nhận diện được lời thoại trong video.")
    return rows



def format_srt_time(seconds: float) -> str:
    total_ms = max(0, int(round(seconds * 1000)))
    hours = total_ms // 3600000
    total_ms %= 3600000
    minutes = total_ms // 60000
    total_ms %= 60000
    secs = total_ms // 1000
    millis = total_ms % 1000
    return f"{hours:02d}:{minutes:02d}:{secs:02d},{millis:03d}"



def parse_time_string(value: str) -> float:
    value = value.strip()
    if not value:
        return 0.0
    value = value.replace(".", ",")
    try:
        hhmmss, ms = value.split(",") if "," in value else (value, "0")
        parts = hhmmss.split(":")
        if len(parts) == 2:
            hours = 0
            minutes, secs = parts
        elif len(parts) == 3:
            hours, minutes, secs = parts
        else:
            raise ValueError
        return int(hours) * 3600 + int(minutes) * 60 + int(secs) + int(ms.ljust(3, "0")[:3]) / 1000.0
    except Exception as exc:
        raise HTTPException(status_code=400, detail=f"Sai định dạng thời gian: {value}") from exc



def write_srt(job_dir: Path, segments: List[SegmentIn]) -> Path:
    srt_path = job_dir / "edited.srt"
    lines: List[str] = []
    cleaned = sorted(segments, key=lambda s: parse_time_string(s.start))
    for idx, seg in enumerate(cleaned, start=1):
        start_sec = parse_time_string(seg.start)
        end_sec = parse_time_string(seg.end)
        if end_sec <= start_sec:
            end_sec = start_sec + 1.0
        text = (seg.text or "").strip()
        if not text:
            continue
        lines.extend(
            [
                str(idx),
                f"{format_srt_time(start_sec)} --> {format_srt_time(end_sec)}",
                text,
                "",
            ]
        )
    if not lines:
        raise HTTPException(status_code=400, detail="Không có subtitle hợp lệ để xuất SRT.")
    srt_path.write_text("\n".join(lines), encoding="utf-8")
    return srt_path



def burn_subtitles(job_dir: Path, video_path: Path, srt_path: Path) -> Path:
    output_path = job_dir / "output_subtitled.mp4"
    subtitle_filter = (
        "subtitles=edited.srt:"
        "force_style='FontName=DejaVu Sans,FontSize=20,Outline=1,Shadow=0,MarginV=18,Alignment=2'"
    )
    cmd = [
        "ffmpeg",
        "-y",
        "-i",
        video_path.name,
        "-vf",
        subtitle_filter,
        "-c:v",
        "libx264",
        "-preset",
        "veryfast",
        "-crf",
        "23",
        "-c:a",
        "aac",
        "-b:a",
        "192k",
        output_path.name,
    ]
    try:
        subprocess.run(cmd, cwd=job_dir, capture_output=True, text=True, check=True)
    except subprocess.CalledProcessError as exc:
        stderr = (exc.stderr or "").strip()
        raise HTTPException(status_code=500, detail=f"FFmpeg lỗi khi xuất MP4: {stderr[:1200]}") from exc
    return output_path



def job_meta_path(job_dir: Path) -> Path:
    return job_dir / "meta.json"



def save_job_meta(job_dir: Path, data: dict) -> None:
    job_meta_path(job_dir).write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")



def load_job_meta(job_id: str) -> dict:
    meta = job_meta_path(WORK_DIR / job_id)
    if not meta.exists():
        raise HTTPException(status_code=404, detail="Không tìm thấy job.")
    return json.loads(meta.read_text(encoding="utf-8"))


@app.get("/", response_class=HTMLResponse)
def home(request: Request):
    return templates.TemplateResponse("index.html", {"request": request})


@app.get("/health")
def health():
    return {
        "ok": True,
        "ffmpeg": ffmpeg_exists(),
        "workspace": str(WORK_DIR),
        "default_model": DEFAULT_MODEL_SIZE,
    }


@app.post("/api/transcribe")
def api_transcribe(
    file: UploadFile = File(...),
    mode: str = Form(default="music"),
):
    """
    mode: "music" (lời bài hát) hoặc "speech" (giọng nói/thuyết trình)
    """
    cleanup_old_jobs()
    if not ffmpeg_exists():
        raise HTTPException(status_code=500, detail="Máy chủ chưa có FFmpeg.")

    filename = file.filename or "video.mp4"
    if not filename.lower().endswith((".mp4", ".mov", ".mkv", ".avi", ".webm", ".m4v")):
        raise HTTPException(status_code=400, detail="Chỉ hỗ trợ video mp4, mov, mkv, avi, webm, m4v.")

    if mode not in ("music", "speech"):
        mode = "music"

    job_id = uuid.uuid4().hex
    job_dir = WORK_DIR / job_id
    job_dir.mkdir(parents=True, exist_ok=True)
    try:
        video_path = save_upload(file, job_dir)
        duration = run_ffprobe_duration(video_path)

        if mode == "music":
            segments = transcribe_video_music(video_path, duration=duration)
        else:
            segments = transcribe_video_speech(video_path)

        # Tính coverage: tổng thời lượng sub / tổng video
        total_sub_time = sum(s.end - s.start for s in segments)
        coverage_pct = round((total_sub_time / duration * 100), 1) if duration and duration > 0 else 0

        save_job_meta(
            job_dir,
            {
                "job_id": job_id,
                "video_path": video_path.name,
                "duration": duration,
                "mode": mode,
                "created_at": datetime.utcnow().isoformat() + "Z",
            },
        )
        return JSONResponse(
            {
                "job_id": job_id,
                "duration": duration,
                "mode": mode,
                "coverage_pct": coverage_pct,
                "segments": [
                    {
                        "id": seg.id,
                        "start": format_srt_time(seg.start),
                        "end": format_srt_time(seg.end),
                        "text": seg.text,
                    }
                    for seg in segments
                ],
            }
        )
    except Exception:
        shutil.rmtree(job_dir, ignore_errors=True)
        raise


@app.post("/api/export")
def api_export(payload: ExportRequest):
    job_dir = WORK_DIR / payload.job_id
    if not job_dir.exists():
        raise HTTPException(status_code=404, detail="Job đã hết hạn hoặc không tồn tại.")

    meta = load_job_meta(payload.job_id)
    video_path = job_dir / meta["video_path"]
    if not video_path.exists():
        raise HTTPException(status_code=404, detail="Không tìm thấy video gốc để xuất lại.")

    srt_path = write_srt(job_dir, payload.segments)
    response = {
        "job_id": payload.job_id,
        "srt_url": f"/download/{payload.job_id}/srt",
        "mp4_url": None,
    }

    if payload.burn_in:
        mp4_path = burn_subtitles(job_dir, video_path, srt_path)
        response["mp4_url"] = f"/download/{payload.job_id}/mp4"
        response["mp4_size_mb"] = round(mp4_path.stat().st_size / (1024 * 1024), 2)

    return JSONResponse(response)


@app.get("/download/{job_id}/srt")
def download_srt(job_id: str):
    path = WORK_DIR / job_id / "edited.srt"
    if not path.exists():
        raise HTTPException(status_code=404, detail="Chưa có file SRT.")
    return FileResponse(path, media_type="application/x-subrip", filename=f"{job_id}.srt")


@app.get("/download/{job_id}/mp4")
def download_mp4(job_id: str):
    path = WORK_DIR / job_id / "output_subtitled.mp4"
    if not path.exists():
        raise HTTPException(status_code=404, detail="Chưa có file MP4.")
    return FileResponse(path, media_type="video/mp4", filename=f"{job_id}.mp4")


if __name__ == "__main__":
    import uvicorn

    port = int(os.getenv("PORT", "7860"))
    uvicorn.run("app:app", host="0.0.0.0", port=port, reload=False)