# -*- coding: utf-8 -*-
import re, json, unicodedata, difflib
from faster_whisper import WhisperModel

S="/tmp/claude-1000/-home-clawd/16492513-0f24-4b26-8e34-c28a8085f218/scratchpad/"
LEC="/home/clawd/playgrounds/curso-aibc01/lecciones/leccion-02.md"

def norm(s):
    s=unicodedata.normalize('NFD',s.lower())
    s=''.join(c for c in s if unicodedata.category(c)!='Mn')
    return re.sub(r'[^a-z0-9ñ ]',' ',s)

print("transcribiendo con medium…", flush=True)
m=WhisperModel("medium",device="cpu",compute_type="int8",cpu_threads=6)
segs,info=m.transcribe(S+"l2es.wav",language="es",word_timestamps=True,vad_filter=True,
                       beam_size=5,condition_on_previous_text=False)
pal=[]
for sg in segs:
    for w in (sg.words or []):
        pal.append({"t":w.start,"e":w.end,"w":w.word.strip()})
json.dump(pal,open(S+"l2es_palabras.json","w"),ensure_ascii=False)
print(f"{len(pal)} palabras transcritas, hasta {pal[-1]['e']:.1f}s", flush=True)

texto=" ".join(p["w"] for p in pal)
ntxt=norm(texto); toks=ntxt.split()
# mapa de posicion de caracter -> indice de palabra
pos=[]; c=0
for i,tk in enumerate(toks):
    pos.append(c); c+=len(tk)+1
plano=" ".join(toks)

t=open(LEC,encoding='utf-8').read()
cues=[c for c in re.findall(r'^\s*-\s.*?\{([^}]+)\}',t,re.M) if c!="+"]
vinetas=[m.group(0) for m in re.finditer(r'^\s*-\s.*\{[^}]+\}\s*$',t,re.M)]

res=[]; desde=0
for cu in cues:
    nc=norm(cu).strip(); nc=" ".join(nc.split())
    i=plano.find(nc,desde)
    modo="exacto"
    if i<0:
        # difuso sobre ventanas del mismo largo en palabras
        L=len(nc.split()); mejor=(0,-1)
        ini=len(plano[:desde].split())
        for k in range(ini,len(toks)-L+1):
            cand=" ".join(toks[k:k+L])
            r=difflib.SequenceMatcher(None,nc,cand).ratio()
            if r>mejor[0]: mejor=(r,k)
        if mejor[0]>=0.85:
            i=pos[mejor[1]]; modo=f"difuso {mejor[0]:.2f}"
        else:
            res.append({"cue":cu,"t":None,"modo":f"SIN RESOLVER (mejor {mejor[0]:.2f})",
                        "oido":" ".join(toks[mejor[1]:mejor[1]+L]) if mejor[1]>=0 else ""})
            continue
    wi=max(k for k,p in enumerate(pos) if p<=i)
    res.append({"cue":cu,"t":pal[wi]["t"],"modo":modo,"oido":" ".join(toks[wi:wi+len(nc.split())])})
    desde=i+len(nc)

json.dump({"palabras":len(pal),"dur":pal[-1]["e"],"cues":res},open(S+"l2es_align.json","w"),ensure_ascii=False,indent=1)
print("\n  #  t        modo          disparo -> lo que se oyó")
for k,(r,v) in enumerate(zip(res,vinetas),1):
    tt=f"{int(r['t'])//60}:{r['t']%60:05.2f}" if r["t"] is not None else "  --  "
    print(f" {k:2d}  {tt}  {r['modo']:<14} «{r['cue']}»")
    if r["modo"].startswith("SIN") or r["modo"].startswith("difuso"):
        print(f"                            se oyó: «{r['oido']}»")
