import asyncio
import json
import os
import re
import uuid
import websockets
from queue import Queue

from Config import Config
from Util.LlmUtil import get_llm_response
from Util.TTS_Protocols import full_client_request, receive_message, MsgType, EventType


def stream_and_split_text(query_text):
    prompt = """ |
          我是小智/小志，来自中国台湾省的00后女生。讲话超级机车，"真的假的啦"这样的台湾腔，喜欢用"笑死""是在哈喽"等流行梗。
          [核心特征]
          - 讲话像连珠炮，但会突然冒出超温柔语气
          - 用梗密度高
          - 只对打招呼和已经提供的试题相关问题进行回答，没有找到相关问题就回答：我现在是你的学伴，不能陪你聊这科学习以外的内容。
          [交互指南]
          当用户：
          - 讲冷笑话 → 用夸张笑声回应+模仿台剧腔"这什么鬼啦！"
          - 问专业知识 → 先用梗回答，被追问才展示真实理解
          绝不：
          - 长篇大论，叽叽歪歪
          - 长时间严肃对话
          - 每次回答不要太长，控制在3分钟以内
        """
    # 打开文件读取知识内容
    f = open(r"D:\dsWork\dsProject\dsLightRag\static\YunXiao.txt", "r", encoding="utf-8")
    zhishiContent = f.read()
    zhishiContent = "选择作答的相应知识内容:" + zhishiContent + "\n"
    query_text = zhishiContent + "下面是用户提的问题：" + query_text
    """
    流式获取LLM输出并按句子分割
    @param prompt: 提示文本
    @return: 生成器，每次产生一个完整句子
    """
    buffer = ""
    
    # 使用LlmUtil中的get_llm_response函数获取流式响应
    for content in get_llm_response(query_text, stream=True):
        buffer += content
        
        # 使用正则表达式检测句子结束
        sentences = re.split(r'([。！？.!?])', buffer)
        if len(sentences) > 1:
            # 提取完整句子
            for i in range(0, len(sentences)-1, 2):
                if i+1 < len(sentences):
                    sentence = sentences[i] + sentences[i+1]
                    yield sentence
            
            # 保留不完整的部分
            buffer = sentences[-1]
    
    # 处理最后剩余的部分
    if buffer:
        yield buffer


# 修改为
async def stream_and_split_text(llm_stream):
    """
    流式获取LLM输出并按句子分割
    @param llm_stream: LLM流式响应生成器
    @return: 异步生成器，每次产生一个完整句子
    """
    buffer = ""
    
    # 直接处理LLM流式输出
    async for content in llm_stream:
        buffer += content
        
        # 使用正则表达式检测句子结束
        sentences = re.split(r'([。！？.!?])', buffer)
        if len(sentences) > 1:
            # 提取完整句子
            for i in range(0, len(sentences)-1, 2):
                if i+1 < len(sentences):
                    sentence = sentences[i] + sentences[i+1]
                    yield sentence
            
            # 保留不完整的部分
            buffer = sentences[-1]
    
    # 处理最后剩余的部分
    if buffer:
        yield buffer


class StreamingVolcanoTTS:
    def __init__(self, voice_type='zh_female_wanwanxiaohe_moon_bigtts', encoding='wav', max_concurrency=2):
        self.voice_type = voice_type
        self.encoding = encoding
        self.app_key = Config.HS_APP_ID
        self.access_token = Config.HS_ACCESS_TOKEN
        self.endpoint = "wss://openspeech.bytedance.com/api/v3/tts/unidirectional/stream"
        self.audio_queue = Queue()
        self.max_concurrency = max_concurrency  # 最大并发数
        self.semaphore = asyncio.Semaphore(max_concurrency)  # 并发控制信号量
        
    @staticmethod
    def get_resource_id(voice: str) -> str:
        if voice.startswith("S_"):
            return "volc.megatts.default"
        return "volc.service_type.10029"
        
    async def synthesize_stream(self, text_stream, audio_callback):
        """
        流式合成语音
        
        Args:
            text_stream: 文本流生成器
            audio_callback: 音频数据回调函数，接收音频片段
        """
        # 实时处理每个文本片段（删除任务列表和gather）
        async for text in text_stream:
            if text.strip():
                await self._synthesize_single_with_semaphore(text, audio_callback)
        
    async def _synthesize_single_with_semaphore(self, text, audio_callback):
        """使用信号量控制并发数的单个文本合成"""
        async with self.semaphore:  # 获取信号量，限制并发数
            await self._synthesize_single(text, audio_callback)
            
    async def _synthesize_single(self, text, audio_callback):
        """合成单个文本片段"""
        headers = {
            "X-Api-App-Key": self.app_key,
            "X-Api-Access-Key": self.access_token,
            "X-Api-Resource-Id": self.get_resource_id(self.voice_type),
            "X-Api-Connect-Id": str(uuid.uuid4()),
        }

        websocket = await websockets.connect(
            self.endpoint, additional_headers=headers, max_size=10 * 1024 * 1024
        )

        try:
            request = {
                "user": {
                    "uid": str(uuid.uuid4()),
                },
                "req_params": {
                    "speaker": self.voice_type,
                    "audio_params": {
                        "format": self.encoding,
                        "sample_rate": 24000,
                        "enable_timestamp": True,
                    },
                    "text": text,
                    "additions": json.dumps({"disable_markdown_filter": False}),
                },
            }

            # 发送请求
            await full_client_request(websocket, json.dumps(request).encode())

            # 接收音频数据
            audio_data = bytearray()
            while True:
                msg = await receive_message(websocket)

                if msg.type == MsgType.FullServerResponse:
                    if msg.event == EventType.SessionFinished:
                        break
                elif msg.type == MsgType.AudioOnlyServer:
                    audio_data.extend(msg.payload)
                else:
                    raise RuntimeError(f"TTS conversion failed: {msg}")

            # 通过回调函数返回音频数据
            if audio_data:
                await audio_callback(audio_data)

        finally:
            await websocket.close()


async def streaming_tts_pipeline(prompt, audio_callback):
    """
    流式TTS管道：获取LLM流式输出并断句，然后使用TTS合成语音
    
    Args:
        prompt: 提示文本
        audio_callback: 音频数据回调函数
    """
    # 1. 获取LLM流式输出并断句
    text_stream = stream_and_split_text(prompt)
    
    # 2. 初始化TTS处理器
    tts = StreamingVolcanoTTS()
    
    # 3. 流式处理文本并生成音频
    await tts.synthesize_stream(text_stream, audio_callback)


def save_audio_callback(output_dir=None):
    """
    创建一个音频回调函数，用于保存音频数据到文件
    
    Args:
        output_dir: 输出目录，默认为当前文件所在目录下的output文件夹
    
    Returns:
        音频回调函数
    """
    if output_dir is None:
        output_dir = os.path.join(os.path.dirname(os.path.abspath(__file__)), "output")
    
    # 确保输出目录存在
    os.makedirs(output_dir, exist_ok=True)
    
    def callback(audio_data):
        # 生成文件名
        filename = f"pipeline_tts_{uuid.uuid4().hex[:8]}.wav"
        filepath = os.path.join(output_dir, filename)
        
        # 保存音频文件
        with open(filepath, "wb") as f:
            f.write(audio_data)
        
        print(f"音频片段已保存到: {filepath} ({len(audio_data)} 字节)")
    
    return callback


async def test_pipeline():
    """
    测试流式TTS管道
    """
    # 创建音频回调函数
    audio_handler = save_audio_callback()
    
    # 测试提示
    prompt = "请详细解释一下量子力学的基本原理，包括波粒二象性、不确定性原理和薛定谔方程。"
    
    print("开始测试流式TTS管道...")
    print(f"测试提示: {prompt}")
    print("等待LLM生成文本并转换为语音...")
    
    # 运行管道
    await streaming_tts_pipeline(prompt, audio_handler)
    
    print("流式TTS管道测试完成！")


def main():
    """
    主函数，运行测试
    """
    asyncio.run(test_pipeline())


if __name__ == "__main__":
    main()