import numpy as np
from config import SCORE_THRESHOLD, CHUNK_SIZE
from core.model_loader import wait_until_ready, get_model, get_error
from utils.audio_utils import load_audio_as_int16, iter_chunks, make_silence


# Số chunk silence chạy sau khi verify xong
# để flush state bên trong ONNX model,
# tránh ảnh hưởng sang lần verify tiếp theo
_FLUSH_CHUNKS = 7


def _run_model(audio_int16: np.ndarray) -> float:
    """
    Chạy model trên toàn bộ audio, trả về score cao nhất tìm được.
    Gọi hàm này chỉ khi đã chắc chắn model sẵn sàng.
    """
    model = get_model()
    model.reset()

    max_score = 0.0
    for chunk in iter_chunks(audio_int16):
        prediction = model.predict(chunk)
        raw = list(prediction.values())[0]
        score = float(raw[0]) if isinstance(raw, (np.ndarray, list)) else float(raw)
        if score > max_score:
            max_score = score

    # Flush model state
    silence = make_silence()
    for _ in range(_FLUSH_CHUNKS):
        model.predict(silence)

    return max_score


def verify_audio(audio_path: str) -> tuple[bool, float]:
    """
    Kiểm tra chất lượng mẫu âm thanh bằng wakeword model.
    Returns:
        (passed, score)
        passed — True nếu score >= SCORE_THRESHOLD
        score  — float 0.0 ~ 1.0
    Raises:
        RuntimeError — model chưa sẵn sàng hoặc bị lỗi lúc load
        ValueError   — file audio không đọc được
    """
    # --- Kiểm tra model ---
    if not wait_until_ready():
        error = get_error()
        if error:
            raise RuntimeError(f"Model lỗi khi khởi động: {error}")
        raise RuntimeError("Model chưa sẵn sàng, vui lòng thử lại sau.")

    # --- Kiểm tra file ---
    if not audio_path:
        raise ValueError("Không có file audio.")

    # --- Load audio ---
    try:
        audio_int16 = load_audio_as_int16(audio_path)
    except Exception as e:
        raise ValueError(f"Không đọc được file audio: {e}")

    # --- Chạy model ---
    score = _run_model(audio_int16)
    return score >= SCORE_THRESHOLD, score