import torch

import gradio as gr
import pytube as pt
from transformers import pipeline
from huggingface_hub import model_info

MODEL_NAME = "EdoAbati/whisper-large-v2-it" #this always needs to stay in line 8 :D sorry for the hackiness
lang = "it"

device = 0 if torch.cuda.is_available() else "cpu"
pipe = pipeline(
    task="automatic-speech-recognition",
    model=MODEL_NAME,
    chunk_length_s=30,
    device=device,
)

pipe.model.config.forced_decoder_ids = pipe.tokenizer.get_decoder_prompt_ids(language=lang, task="transcribe")

def transcribe(microphone, file_upload):
    warn_output = ""
    if (microphone is not None) and (file_upload is not None):
        warn_output = (
            "ATTENZIONE: Hai caricato un file audio e anche registrato col microfono. "
            "Verrà trascritta la registrazione dal microfono, mentre il file audio verrà cancellato. \n"
        )

    elif (microphone is None) and (file_upload is None):
        return "ERRORE: Devi caricare un file audio oppure registrare con il microfono."

    file = microphone if microphone is not None else file_upload

    text = pipe(file)["text"]

    return warn_output + text


def _return_yt_html_embed(yt_url):
    video_id = yt_url.split("?v=")[-1]
    HTML_str = (
        f'<center> <iframe width="500" height="320" src="https://www.youtube.com/embed/{video_id}"> </iframe>'
        " </center>"
    )
    return HTML_str


def yt_transcribe(yt_url):
    yt = pt.YouTube(yt_url)
    html_embed_str = _return_yt_html_embed(yt_url)
    stream = yt.streams.filter(only_audio=True)[0]
    stream.download(filename="audio.mp3")

    text = pipe("audio.mp3")["text"]

    return html_embed_str, text


demo = gr.Blocks()

text_output = gr.Textbox(show_label=True)
text_output.style(show_copy_button=True)

mf_transcribe = gr.Interface(
    fn=transcribe,
    inputs=[
        gr.inputs.Audio(source="microphone", type="filepath"),
        gr.inputs.Audio(source="upload", type="filepath"),
    ],
    outputs=text_output,
    title="Trascrivi Audio",
    description=(
        "Trascrivi l'input da microfono o file audio con un click!\n"
        "L'inference su scheda grafica riduce i tempi di circa 10 volte, " 
        "per coprire le spese puoi offrirmi un caffe ☕️[qui](https://ko-fi.com/marcobuiani)\n"
        "Questa demo usa una versione di Whisper ottimizzata per l'Italiano da " f"[EdoAbati](https://huggingface.co/{MODEL_NAME})"
    ),
    allow_flagging="never",
)

text_output_yt = gr.Textbox(show_label=True)
text_output_yt.style(show_copy_button=True)

yt_transcribe = gr.Interface(
    fn=yt_transcribe,
    inputs=[gr.inputs.Textbox(lines=1, placeholder="Incolla qui il link di un video YouTube", label="YouTube link")],
    outputs=["html", text_output_yt],
    title="Trascrivi Video YouTube",
    description=(
        "Trascrivi un video YouTube dal link con un click!\n"
        "L'inference su scheda grafica riduce i tempi di circa 10 volte, " 
        "per coprire le spese puoi offrirmi un caffe ☕️[qui](https://ko-fi.com/marcobuiani)\n"
        "Questa demo usa una versione di Whisper ottimizzata per l'Italiano da " f"[EdoAbati](https://huggingface.co/{MODEL_NAME})"
    ),
    allow_flagging="never",
)

with demo:
    gr.TabbedInterface([mf_transcribe, yt_transcribe], ["Trascrivi Audio", "Trascrivi YouTube"])

demo.launch(enable_queue=True)