import gradio as gr
import torch
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
import whisper # Pour le Speech-to-Text
from gtts import gTTS # Pour le Text-to-Speech
import os

# --- 1. Chargement des modèles ---
# Ton modèle Gheya
model_name = "Finisha-F-scratch/Gheya-dialogue-v1"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

# Modèle de transcription (Whisper base est rapide pour le temps réel)
stt_model = whisper.load_model("base")

def voice_chat(audio_path):
    if audio_path is None:
        return None, "Veuillez enregistrer un message."

    # ÉTAPE A : Transcription (Audio -> Texte)
    result = stt_model.transcribe(audio_path)
    user_text = result["text"]

    # ÉTAPE B : Génération Gheya (Texte -> Texte)
    input_ids = tokenizer(user_text, return_tensors="pt").input_ids
    outputs = model.generate(
        input_ids,
        max_new_tokens=150,
        do_sample=True,
        temperature=0.7
    )
    response_text = tokenizer.decode(outputs[0], skip_special_tokens=True)

    # ÉTAPE C : Synthèse Vocale (Texte -> Audio)
    tts = gTTS(text=response_text, lang='fr')
    output_audio_path = "response.mp3"
    tts.save(output_audio_path)

    return output_audio_path, response_text

# --- 2. Interface Gradio ---
with gr.Blocks(theme=gr.themes.Soft()) as demo:
    gr.Markdown("# 🎙️ Gheya Voice Call")
    gr.Markdown("Parlez directement avec le modèle Gheya-dialogue-v1.")
    
    with gr.Row():
        with gr.Column():
            # Entrée audio (Microphone)
            input_audio = gr.Audio(sources="microphone", type="filepath", label="Appuyez pour parler")
            submit_btn = gr.Button("Envoyer l'appel", variant="primary")
        
        with gr.Column():
            # Sortie audio et transcription textuelle pour suivi
            output_audio = gr.Audio(label="Gheya vous répond", autoplay=True)
            output_text = gr.Textbox(label="Transcription de la réponse")

    # Logique de clic
    submit_btn.click(
        fn=voice_chat, 
        inputs=input_audio, 
        outputs=[output_audio, output_text]
    )

if __name__ == "__main__":
    demo.launch()