app.py

from google import genai
from google.genai import types
import os
import wave
import tempfile
import gradio as gr
import requests

# ─── 1. Read & validate API key from environment ────────────────────────────────
api_key = os.getenv("GOOGLE_API_KEY")
eleven_api_key = os.getenv("ELEVEN_API_KEY")
if not eleven_api_key:
    raise ValueError("Environment variable 'GOOGLE_API_KEY' غير موجود.")
if not api_key:
    raise ValueError("Environment variable 'ELEVEN_API_KEY' غير موجود.")

# ─── 2. Instantiate the new Gen AI client ───────────────────────────────────────
client = genai.Client(api_key=api_key)

# ─── 3. Helper to write raw PCM bytes into a .wav file ───────────────────────────
def wave_file(pcm_bytes: bytes, channels: int = 1, rate: int = 24000, sample_width: int = 2) -> str:
    with tempfile.NamedTemporaryFile(delete=False, suffix=".wav") as tmp_file:
        with wave.open(tmp_file.name, "wb") as wf:
            wf.setnchannels(channels)
            wf.setsampwidth(sample_width)
            wf.setframerate(rate)
            wf.writeframes(pcm_bytes)
        return tmp_file.name

# ─── 4. Attribute descriptions (assumed imported in Arabic) ─────────────────────
tone_descriptions = {
    "دافئة ومبهجة": "استخدم نبرة ودودة وجذابة. تحدث بنغمة مبهجة مع ابتسامة طفيفة في الصوت وإيقاع إيجابي يشعر المستمعين بالترحيب والراحة.",
    "جدية": "اعتمد أسلوبًا رصينًا وسلطويًا. حافظ على استقرار في النغمة وتحدث بوتيرة معتدلة لإيصال الجدية.",
    "متحمسة": "أضف طاقة عالية في كل عبارة. استخدم تغييرات ديناميكية في النغمة مع سرعة في الإلقاء لإيصال الحماس.",
    "هادئة": "تحدث بإيقاع ناعم وثابت. حافظ على نغمة لطيفة وتجنب تغييرات مفاجئة لخلق تأثير مريح.",
    "حزينة": "اخفض النغمة وقلل السرعة قليلًا. استخدم نغمة حزينة تعكس الأسى أو الشوق.",
    "غاضبة": "زد من حدة الصوت واستخدم نغمة حادة. تحدث بسرعة وبحدة لتوصيل الغضب دون أن تكون قاسيًا.",
    "ودودة": "استخدم نغمة دافئة ومحاكية للحوار. تحدث بإيقاع طبيعي ونغمة جذابة وكأنك تتحدث مع صديق.",
    "متعاطفة": "استخدم نبرة ناعمة وحنونة. قلل الحدة قليلاً وتحدث برقة لتظهر التعاطف.",
    "ساخرة": "استخدم نبرة مبالغ فيها قليلاً مع لمسة من التهكم. أبطئ في نهاية بعض الكلمات وغيّر النغمة للإشارة إلى السخرية.",
    "رومانسية": "تحدث بنغمة ناعمة ودافئة. استخدم إيقاعًا بطيئًا مع عاطفة واضحة لإيصال الحميمية.", 
    "واثقة": "حافظ على صوت قوي وواضح. استخدم نغمة ثابتة وإلقاء واضح لعرض الثقة بالنفس.",
    "محايدة": "تحدث بنبرة متوازنة دون عاطفة. استخدم وتيرة ثابتة وصوت معتدل.",
    "مرحة": "أضف لمسة من الدعابة في الإلقاء. استخدم توقيتًا ذكيًا وتغييرات خفيفة في النغمة لخلق طابع مرح.",
    "درامية": "استخدم تعبيرًا قويًا مع تغييرات واسعة في النغمة. قف عند اللحظات المهمة وأبرز الكلمات الرئيسية.",
    "مشجعة": "اعتمد نبرة إيجابية وداعمة. استخدم نغمة صاعدة في الكلمات الإيجابية وحافظ على دفء في الإلقاء.",
    "فضولية": "تحدث بنغمة فضولية. ارفع النغمة في نهاية الجمل وأضف وقفات خفيفة وكأنك تتساءل.",
    "ملهمة": "استخدم نغمة قوية وملهمة. تحدث بإيقاع مقصود مع نغمة تصاعدية في العبارات المحفزة.",
    "متوترة": "استخدم إلقاء سريع ومضغوط. تحدث بنغمة حادة وقِف قليلًا لإيصال الإلحاح.",
    "كئيبة": "اخفض النغمة وسرعة الحديث. تحدث بإيقاع حزين مع وقفات طويلة تعكس الحزن.",
    "متفائلة": "ارفع النغمة في نهاية الجمل. استخدم نغمة دافئة وإلقاء معتدل لإيصال الأمل."
}

tempo_descriptions = {
    "بطيء جدًا": "انطق كل كلمة بوضوح وبتأنٍ شديد. حافظ على وتيرة بطيئة لتسهيل الاستيعاب.",
    "بطيء": "تحدث بسرعة أبطأ من المعتاد مع وقفات خفيفة بين الجمل لزيادة الوضوح.",
    "عادي": "استخدم سرعة الحديث المعتادة (حوالي 120–150 كلمة في الدقيقة). تحدث بشكل طبيعي وكأنك في محادثة يومية.",
    "سريع": "زد السرعة إلى حوالي 160–180 كلمة في الدقيقة، مع الحفاظ على الوضوح لنقل الحماس.",
    "سريع جدًا": "تحدث بسرعة تفوق 180 كلمة في الدقيقة. انطق بوضوح ولكن بسرعة مناسبة للمعلومات العاجلة.",
    "متغير": "غيّر السرعة بين الكلمات: أبطئ في النقاط المهمة وسرّع في العبارات المكررة لخلق تدفق طبيعي."
}

clarity_descriptions = {
    "واضح جدًا": "انطق كل صوت بوضوح تام. حافظ على سرعة معتدلة وتجنب التمتمة أو السهو.",
    "واضح": "استخدم وضوحًا عاليًا في النطق مع بعض الانسيابية الطبيعية في الحديث.",
    "متوسط": "استخدم وضوحًا تقليديًا كما في الحديث اليومي. يمكن أن تمتزج بعض الحروف بشكل طبيعي.",
    "غير واضح قليلًا": "استخدم نطقًا غير رسمي مع بعض الاسترخاء في الحروف أو إسقاطها بشكل بسيط.",
    "ناعم ولطيف": "اخفض مستوى الصوت وتحدث بلطف. انطق الكلمات بهدوء لإضفاء طابع حميمي.",
    "متمتم": "انطق الكلمات بصوت منخفض مع وضوح أقل. يمكن أن تمتزج الكلمات ببعضها.",
    "حاد وواضح": "أبرز الحروف الساكنة بقوة مع نطق دقيق. استخدم نغمة واضحة وقوية.",
    "بنبرة هوائية": "أضف بعض الهواء في الصوت أثناء النطق. تحدث بلطف وبهمس خفيف.",
    "بهمس": "تحدث بصوت منخفض جدًا مع إغلاق جزئي للأوتار الصوتية. يصلح للحديث السري أو القريب جدًا.",
    "مرتفع وواضح": "استخدم صوتًا قويًا وواضحًا مع نبرة بارزة. نطق كل كلمة بثقة وحزم."
}

style_descriptions = {
    "تحفيزي وغير رسمي": "تحدث بأسلوب ودي ومشجع. استخدم لغة غير رسمية مع نبرة إيجابية ملهمة.",
    "رسمي": "اعتمد لغة مهنية ومنظمة. تحدث بنبرة محترمة دون استخدام العامية أو الاختصارات.",
    "روائي": "استخدم أسلوب قصصي مع تغييرات في النغمة وتوقفات درامية لجذب المستمع.",
    "مهني": "تحدث بلغة عمل واضحة ومحايدة. حافظ على نغمة واثقة دون عاطفة زائدة.",
    "حواري": "اعتمد أسلوبًا عفويًا وغير رسمي. تحدث كما لو كنت في محادثة ودية.",
    "أكاديمي": "استخدم لغة دقيقة ومصطلحات واضحة. تحدث بأسلوب محاضرة هادئ ومركز.",
    "إقناعي": "تحدث بثقة وحماس. أبرز النقاط المهمة بنغمة صاعدة وأسلوب مقنع.",
    "وصفي": "استخدم نغمة توضيحية مع إبراز الصفات والكلمات الحسية.",
    "تفسيري": "اعتمد أسلوبًا تعليميًا واضحًا. قسم المعلومات إلى خطوات وتحدث بتأنٍ.",
    "نقاشي": "استخدم نغمة قوية ومتحدية. زد من سرعة الحديث أثناء الردود وشدد على النقاط الجدلية.",
    "شعري": "تحدث بإيقاع لحني وجمالي. أطِل في نطق الحروف وامنح الحديث طابعًا غنائيًا.",
    "نشرة إخبارية": "استخدم نغمة محايدة وواضحة. تحدث بوضوح وبدون عاطفة، كما في الأخبار.",
    "تعليمي": "تحدث بأسلوب منظم وواضح. استخدم توقفات قصيرة بين الخطوات للمساعدة في الفهم.",
    "سرد خارجي (شخص ثالث)": "تحدث كراوٍ خارجي. غيّر النغمة للحوار وابقَ على وتيرة متزنة.",
    "شهادة شخصية": "استخدم نغمة صادقة وشخصية. تحدث وكأنك تروي تجربة حقيقية.",
    "أسلوب مقابلة": "قلد نمط سؤال وجواب. ارفع نغمة السؤال، ثم انزلها في الجواب مع توقفات طبيعية.",
    "مرِح وعفوي": "استخدم نبرة مرحة ومبالغ فيها قليلًا. غير السرعة والنغمة لإضافة حس فكاهي.",
    "تقني ودقيق": "استخدم نبرة حيادية ومصطلحات دقيقة. تحدث بثبات وبدون تغييرات كبيرة في النغمة.",
    "فلسفي": "استخدم نبرة تأملية وهادئة. تحدث بإيقاع بطيء وتوقفات طويلة لإيصال العمق الفكري.",
    "روحي أو ديني": "استخدم نغمة مطمئنة ومحترمة. تحدث بلطف واحترام لإيصال الشعور الروحي."
}


# accent_descriptions = {
#     "العربية الفصحى": (
#         "نطق رسمي وواضح، مع الالتزام الكامل بعلامات التشكيل مثل الضم والفتح والكسر. "
#         "الحروف المفخمة مثل ص، ط، ق تُنطق بقوة ووضوح، دون تليين أو اختصار. "
#         "مخارج الحروف دقيقة ومحافظة، خاصة في العين، الحاء، الغين، والخاء. "
#         "الإيقاع متزن ومعتدل، النبرة محايدة وجادة، تشبه أداء نشرات الأخبار أو تلاوة القرآن. "
#         "يُتجنب تماماً استخدام التعابير المحكية أو العامية."
#     ),
#     "المصرية": (
#         "نطق الجيم ناعم ومفتوح، أقرب إلى 'zh' (كما في كلمة 'جميل'). "
#         "القاف تُنطق غالباً همزة، خاصة في وسط الكلمة: 'قال' تُصبح 'آل'. "
#         "الإيقاع مرن ومتنوع، مع نبرة صوت صاعدة قليلاً في نهاية الجمل الاستفهامية أو التعجبية. "
#         "نبرة الصوت ودودة وعفوية، تميل إلى الفكاهة والخفة في الأداء. "
#         "التلفظ سريع نسبياً، مع سلاسة ومدّ بسيط أحيانًا في النهايات."
#     ),
#     "الشامية": (
#         "القاف غالبًا ما تتحول إلى همزة ناعمة: 'قلب' تُنطق 'ألب'. "
#         "الراء تُنطق بخفة دون تفخيم، وتظهر بوضوح في نهايات الكلمات. "
#         "يتم تمطيط الحروف الصوتية في كلمات مثل 'كتير'، مع مدّ خفيف يدل على اللين والهدوء. "
#         "نبرة الصوت هادئة، رقيقة، وتميل للانخفاض في نهاية الجملة. "
#         "الإيقاع متوازن وناعم، مع تسلسل موسيقي بسيط يعطي إحساسًا بالارتياح والود."
#     ),
#     "السورية": (
#         "نطق القاف كهمزة واضح، خاصة في المحادثة اليومية: 'قال' تُلفظ 'آل'. "
#         "النبرة مستقرة ودافئة، مع بعض التمطيط اللطيف في كلمات مثل 'تمام التمام'. "
#         "الصوت يُستخدم بنغمة معتدلة تميل للهدوء، دون تغييرات حادة في طبقة الصوت. "
#         "الإيقاع سلس، مريح، ويظهر فيه الاتزان في تشكيل الجمل والنبرات. "
#         "المقاطع تُلفظ بشكل واضح لكن غير مشدد، ما يعطي انطباعاً بالبساطة والود."
#     ),
#     "اللبنانية": (
#         "لهجة موسيقية بإيقاع صاعد وهابط، يتغير حسب العاطفة أو نوع الجملة. "
#         "القاف تُخفف إلى همزة، والنطق يكون ناعمًا وسلسًا. "
#         "الراء تُنطق بخفة، وأحيانًا بترجيع بسيط يجعلها مميزة في الأداء. "
#         "سرعة الكلام متوسطة إلى سريعة، مع وضوح المقاطع وإبراز نهايات الجمل بتغييرات لحنية ملحوظة. "
#         "نبرة الصوت ناعمة، عاطفية، ومعبّرة، ما يجعلها جذابة في الأداء الصوتي وتناسب النصوص الحوارية أو العاطفية."
#     ),
#     "الفلسطينية": (
#         "نطق واضح ودقيق لمخارج الحروف، مع ميل لتخفيف القاف إلى همزة في الكلام العامّي. "
#         "الراء تُفخم أحيانًا بشكل طفيف، خاصة عند التأكيد أو الانفعال. "
#         "الإيقاع متزن وجاد نسبياً، مع نبرة مستقرة تميل إلى الثبات في نهاية الجمل. "
#         "النغمة الصوتية واضحة ومباشرة، وتُظهر درجة من الجدية والانضباط في الأداء. "
#         "الكلمات تُلفظ بطريقة كاملة مع وضوح التشكيل عند الحاجة دون مبالغة."
#     ),
#     "الأردنية": (
#         "قريبة من الفلسطينية لكن بنبرة أكثر رسمية وثباتاً. "
#         "القاف غالبًا تُفخم وتُلفظ بوضوح، بخلاف اللهجات الشامية الأخرى. "
#         "نبرة الصوت مستقيمة، جدية، وفيها نوع من الوقار والهدوء، مع استخدام نغمة معتدلة في جميع الجمل. "
#         "الإيقاع منتظم ومتحكم به، دون مبالغة في التغيير اللحني، ويُظهر وضوحًا في النطق والحزم في الأداء. "
#         "مثالية للنصوص الرسمية أو الخطاب التقريري بأسلوب عامّي خفيف."
#     ),
#     "الخليجية": (
#         "القاف تُنطق بوضوح ومفخمة، مما يعطي طابعًا قويًا للنبرة. "
#         "الذال تتحول أحيانًا إلى د حسب السياق: 'ذهب' → 'دَهَب'. "
#         "الإيقاع بطيء نسبياً ومستقر، مع نغمة رزينة ونبرة منخفضة. "
#         "الصوت يميل إلى الرسمية والاحترام، وتُلفظ الكلمات بطريقة محافظة مع استخدام تعبيرات محلية أصيلة. "
#         "النبرة العامة رصينة وتقليدية، تعكس شخصية هادئة وواثقة."
#     ),
#     "السعودية": (
#         "تشمل لهجتين أساسيتين: نجدية (وسطى) وحجازية (غربية)، وتميل بشكل عام إلى نطق القاف بوضوح. "
#         "نبرة الصوت واضحة ومفهومة، وتستخدم طبقة متوسطة إلى منخفضة، مع نغمة ترحيبية مألوفة. "
#         "الإيقاع معتدل، لا هو سريع ولا بطيء، مع تغير طفيف في النبرة في الجمل الطويلة. "
#         "اللهجة تُظهر رسمية معتدلة، ويمكن استخدامها بمرونة سواء في الحديث العفوي أو النص الرسمي."
#     ),
#     "الإماراتية": (
#         "لهجة محافظة وناعمة، تُستخدم فيها القاف بوضوح دون تليين. "
#         "الكلمات تُلفظ برتابة موسيقية خفيفة، والنبرة الصوتية ثابتة وهادئة. "
#         "الإيقاع بطيء إلى معتدل، مع تفخيم خفيف لبعض الحروف مثل الراء والصاد حسب السياق. "
#         "تُستخدم طبقة صوت متوسطة، ولا يُكثر من تغيير النغمة، مما يعطي الأداء طابعًا وقورًا وبسيطًا. "
#         "مناسبة لنصوص فيها خصوصية ثقافية أو طابع رسمي تقليدي."
#     ),
#     "الكويتية": (
#         "نطق مميز وواضح خاصة في القاف والصاد، مع ميل طفيف للتفخيم. "
#         "القاف تُلفظ غالبًا بقوة في بداية الكلمة، وتُظهر جديّة في الأداء. "
#         "الإيقاع متوسط إلى بطيء، مع استخدام نغمة مرحة أو ودودة خصوصًا في الجمل التفاعلية. "
#         "الصوت يحمل مزيجًا من الرسمية والعفوية، مما يجعله مناسبًا للمواقف اليومية أو الخطابات شبه الرسمية. "
#         "الميل لنغمة صاعدة في نهاية الجملة يُضفي على الأداء طابعًا حيًا دون مبالغة."
#     ),
#     "القطرية": (
#         "نغمة صوت أعمق قليلاً من الإماراتية، مع نطق واضح للحروف، خصوصًا الذال والثاء. "
#         "القاف تُلفظ مفخمة وبشكل تقليدي دون تليين. "
#         "الإيقاع بطيء نسبياً، والكلام يتم بنبرة هادئة ورزينة. "
#         "تُستخدم طبقات صوت منخفضة تعكس الوقار، ويُظهر الأداء وضوحًا في مخارج الحروف مع تجنب السرعة. "
#         "مثالية لنصوص تُظهر الاحترام والرسمية والبُعد الثقافي المحلي."
#     ),
#     "البحرينية": (
#         "لهجة موسيقية بطابع خاص، تتغير فيها طبقة الصوت بسلاسة، مع نغمة خفيفة تُظهر الارتياح والتلقائية. "
#         "القاف تُلفظ أحياناً 'چ'، خاصة في اللهجة الشعبية. "
#         "الإيقاع متنوع، ويتراوح بين السرعة في الجمل الحماسية والبطء في العبارات التفسيرية. "
#         "نبرة الصوت مرنة، وتُظهر دفئاً اجتماعياً وودّياً، مناسبة للنصوص الحوارية والعاطفية. "
#         "الأداء يُفضّل فيه بعض التمطيط الخفيف في نهايات الكلمات للتعبير."
#     ),
#     "العمانية": (
#         "نبرة محافظة ومتماسكة، تعتمد على وضوح مخارج الحروف دون مبالغة. "
#         "القاف والثاء تُلفظ بوضوح تام، مما يعطي اللهجة طابعاً فصيحاً نسبياً. "
#         "الإيقاع بطيء إلى معتدل، مع طبقة صوت منخفضة ومتوازنة. "
#         "الصوت يُستخدم بوقار، دون تغييرات لحنية حادة، ما يضيف هيبة واستقراراً للنبرة العامة. "
#         "مناسبة للحوارات الرسمية أو المواد ذات الطابع التراثي والوقور."
#     ),
#     "اليمنية": (
#         "لهجة صنعانية أو تعزية بنغمة صوت مرتفعة قليلاً مقارنة بالخليجية، مع نطق واضح ومفخّم للقاف. "
#         "النغمة ديناميكية وتميل للتغيير السريع، مما يُضفي نشاطاً وحيوية على الأداء. "
#         "الإيقاع سريع نسبياً، والكلمات غالباً تُلفظ بكثافة وتتابع، مع تكرار لبعض التعابير لزيادة التأكيد. "
#         "الصوت يظهر فيه حماس ومباشرة، ومناسب للحوارات الحيّة أو السرد القصصي الشعبي. "
#         "المقاطع تُنطق كاملة دون حذف، رغم سرعة الأداء، مما يجعلها فصيحة بطريقتها الخاصة."
#     ),
#     "العراقية": (
#         "القاف تُلفظ 'گ' بوضوح، وتُعطي الكلمة نغمة قوية وعميقة. "
#         "الأداء الصوتي غني بالتنويع، مع تغييرات نغمية واضحة حسب الانفعال والمعنى. "
#         "نغمة الصوت فيها دفء عاطفي عند الحديث الودي، وقوة درامية في الجمل الجادة. "
#         "الإيقاع متوسط السرعة، ويميل إلى استخدام تعبيرات صوتية لإيصال المشاعر. "
#         "اللهجة مناسبة جداً للنصوص التي تتطلب تعبيرًا غنيًا وحضورًا صوتيًا قويًا."
#     ),
#     "المغاربية": (
#         "لهجة سريعة الإيقاع، تتداخل فيها عناصر من الفرنسية والأمازيغية، وتُلفظ بعض الحروف مثل القاف كـ 'گ'. "
#         "الجمل قصيرة وسريعة، مع نغمة صوت صاخبة ونشطة. "
#         "النطق يميل إلى اختزال المقاطع، ما يجعل الأداء سريعًا ومباشرًا. "
#         "يُستخدم الكثير من الكلمات المستعارة ونطقها بأسلوب محلي. "
#         "النبرة العامة قوية، ديناميكية، وغير تقليدية، ومناسبة لنصوص ترفيهية أو شبابية."
#     ),
#     "المغربية": (
#         "لهجة فرعية من المغاربية، لكن أسرع إيقاعًا وأكثر حيوية. "
#         "القاف تُنطق 'گ' غالبًا، وتُختصر بعض الحروف أو تُدمج داخل الجملة. "
#         "الإيقاع سريع جداً، مع نغمة صوت قوية وتعبيرية. "
#         "يُكثر من الكلمات المختصرة، وتُظهر النبرة استقلالية واختزالًا في التوصيل. "
#         "مثالية للمواقف اليومية أو السياقات الحية، لكن تتطلب تبسيطًا في النص المكتوب كي يسهل تحويله إلى كلام مسموع بوضوح."
#     ),
#     "الجزائرية": (
#         "تتضمن الكثير من الكلمات الفرنسية، مع نغمة صوتية سريعة وجدية. "
#         "الأداء الصوتي غالبًا مباشر وقوي، مع إيقاع متقطع. "
#         "الحروف تُنطق بجفاف نسبي، والنغمة تميل إلى الرسمية والحدة في بعض الأحيان. "
#         "النبرة العامة لا تتغير كثيراً، ما يضيف طابعًا حازمًا للأداء. "
#         "مناسبة للنصوص ذات الطابع الرسمي أو الخطابي، حيث يُراد إيصال الجدية والانضباط."
#     ),
#     "السودانية": (
#         "نغمة صوت مريحة ومتمهلة، مع ميل واضح لتمطيط الحروف الصوتية. "
#         "القاف تُنطق أحياناً 'غ' في الكلام الشعبي، مما يضفي طابعاً خاصاً ومميزاً. "
#         "الإيقاع بطيء نسبياً، مع استخدام صوت هادئ ومنخفض النغمة. "
#         "الأداء الصوتي يميل إلى الهدوء والسلاسة، ما يجعله مناسباً للسرد أو التعليم أو الرسائل الودية. "
#         "اللهجة تحمل طابعاً دافئاً وبسيطاً، يوصل المعنى دون تعقيد أو تكلف."
#     ),
#     "الحجازية": (
#         "نطق القاف واضح وصريح، دون تفخيم مبالغ فيه، ويُحافظ على فصاحته نسبياً. "
#         "النغمة رخيمة ومتزنة، تُستخدم طبقات صوت مريحة مع وضوح في مخارج الحروف. "
#         "الإيقاع معتدل، لا يميل للسرعة أو البطء، مع تغييرات خفيفة في النبرة حسب العاطفة. "
#         "اللهجة تتميّز بالودّ والتهذيب، مع نبرة ترحيبية مألوفة. "
#         "مناسبة للحوارات الاجتماعية والروايات الصوتية الهادئة."
#     ),
#     "النجدية": (
#         "نغمة رزينة وواضحة، تتميز بثبات طبقة الصوت وقوة نطق القاف والمفخّمات. "
#         "النبرة رسمية قليلاً، وتعكس طابعًا تقليديًا محترمًا في الأداء الصوتي. "
#         "الإيقاع ثابت ومتوازن، دون مبالغة في التنغيم أو التمطيط. "
#         "تُستخدم للخطابات الجادة أو النصوص التعليمية والشرعية بأسلوب شعبي. "
#         "اللهجة مناسبة للنصوص التي تتطلب وضوحًا وقوة في التوصيل."
#     ),
#     "الحضرمية": (
#         "نطق القاف يتحول إلى 'گ'، مع طبقة صوت منخفضة وهادئة. "
#         "نغمة مميزة تميل إلى البطء والتأني، وتعكس طابعًا وقورًا ومحافظًا. "
#         "الأداء الصوتي سلس، والكلمات تُنطق بشكل كامل دون اختزال. "
#         "الإيقاع بطيء نسبيًا، مما يناسب النصوص الروحية أو السردية الهادئة. "
#         "اللهجة تُضفي شعورًا بالطمأنينة والتواضع في النبرة."
#     ),
#     "الحسانية": (
#         "لهجة مميزة تُستخدم فيها نغمة منخفضة ومتمهلة، مع تمديد واضح للأصوات الطويلة. "
#         "الكلمات تُنطق ببطء ووضوح، مع نبرة صوت معتدلة وثابتة. "
#         "القاف تُلفظ بوضوح، دون تليين، مع استخدام نبرة تقليدية فصيحة في بعض السياقات. "
#         "الإيقاع هادئ، يُناسب النصوص التعليمية أو الأدبية. "
#         "اللهجة تُحافظ على الإرث العربي الأصيل في طريقة النطق."
#     ),
#     "العربية التشادية": (
#         "نطق بسيط ومباشر، يُقارب الفصحى مع ميل للوضوح والسهولة في الكلمات. "
#         "الأداء الصوتي مبسّط وسلس، مع غياب التعقيدات النغمية أو التمطيط. "
#         "الإيقاع معتدل، مناسب للمواد التوعوية أو التعليمية. "
#         "الحروف تُنطق بوضوح، ولا يتم اختصارها كثيرًا، مع تجنّب المفردات العامّية الثقيلة. "
#         "النبرة الصوتية حيادية، مما يجعلها سهلة الفهم لمجموعة واسعة من المستمعين."
#     ),
#     "عربية جوبا": (
#         "لهجة مبسطة مع الكثير من الكلمات المختصرة، تتأثر بالإنجليزية واللغات المحلية. "
#         "نغمة مرحة وخفيفة، مع سرعة واضحة في الأداء. "
#         "الكلمات تُلفظ بأسلوب مباشر وغير رسمي، وغالباً تُختصر المقاطع. "
#         "الإيقاع سريع نسبياً، مما يعطي طابعًا نشيطًا ومناسبًا للمواقف اليومية أو الشبابية. "
#         "النبرة الصوتية ودودة وتلقائية، ما يُناسب النصوص الخفيفة أو الحوارية."
#     ),
#     "المالطية": (
#         "مزيج فريد بين العربية القديمة والإيطالية، مع نطق متأثر بالصوت الأوروبي. "
#         "القاف تُخفف غالبًا، والحروف الصوتية تُلفظ بأسلوب إيطالي واضح. "
#         "الإيقاع سريع إلى متوسط، والنغمة تُظهر حيوية وتغيّر لحني متكرر. "
#         "الصوت ديناميكي، يُظهر تأثرًا بالثقافة اللاتينية، مع وضوح في نهاية الجمل. "
#         "مناسبة للنصوص الحركية، السياحية، أو التفاعلية."
#     ),
# }

accent_descriptions = {
    "العربية الفصحى": "استخدم النطق بالعربية الفصحى.",
    "المصرية": "استخدم اللهجة المصرية.",
    "الشامية": "استخدم اللهجة الشامية.",
    "السورية": "استخدم اللهجة السورية الشامية.",
    "اللبنانية": "استخدم اللهجة اللبنانية.",
    "الفلسطينية": "استخدم اللهجة الفلسطينية.",
    "الأردنية": "استخدم اللهجة الأردنية.",
    "الخليجية": "استخدم اللهجة الخليجية.",
    "السعودية": "استخدم اللهجة السعودية.",
    "الإماراتية": "استخدم اللهجة الإماراتية.",
    "الكويتية": "استخدم اللهجة الكويتية.",
    "القطرية": "استخدم اللهجة القطرية.",
    "البحرينية": "استخدم اللهجة البحرينية.",
    "العمانية": "استخدم اللهجة العمانية.",
    "اليمنية": "استخدم اللهجة اليمنية.",
    "العراقية": "استخدم اللهجة العراقية.",
    "المغاربية": "استخدم اللهجة المغاربية.",
    "المغربية": "استخدم اللهجة المغربية.",
    "الجزائرية": "استخدم اللهجة الجزائرية.",
    "السودانية": "استخدم اللهجة السودانية.",
    "الحجازية": "استخدم اللهجة الحجازية.",
    "النجدية": "استخدم اللهجة النجدية.",
    "الحضرمية": "استخدم اللهجة الحضرمية.",
    "الحسانية": "استخدم اللهجة الحسانية.",
    "العربية التشادية": "استخدم اللهجة التشادية.",
    "عربية جوبا": "استخدم لهجة جوبا.",
    "المالطية": "استخدم اللهجة المالطية."
}

voice_name_map = {
    "سارة": "Achernar",
    "سامي": "Achird",
    "كريم": "Algenib",
    "فهد": "Algieba",
    "يوسف": "Alnilam",
    "رنا": "Aoede",
    "نورا": "Autonoe",
    "جنى": "Callirrhoe",
    "بدر": "Charon",
    "فرح": "Despina",
    "حاتم": "Enceladus",
    "أنس": "Fenrir",
    "هالة": "Gacrux",
    "مالك": "Iapetus",
    "إياد": "Orus",
    "راكان": "Puck",
    "هيثم": "Sadachbia",
    "نادر": "Sadaltager",
    "وليد": "Schedar",
    "سمية": "Zephyr",
    "دعاء": "Erinome",
    "أميرة": "Laomedeia",
    "بتول": "Kore",
    "زينب": "Leda",
    "باسل": "Pulcherrima",
    "حسام": "Umbriel",
    "ياسمين": "Vindemiatrix",
    "طارق": "Zubenelgenubi",
    "لينا": "Sulafat",
    "مازن": "Rasalgethi"
}

# ─── Additional helper function ──────────────────────────────────────────────
def convert_text_to_dialect(text: str, accent: str) -> str:
    """Uses Gemini 2.0 Flash model to rewrite the text into a specified dialect."""
    prompt = f"""
    قم بتحويل النص التالي إلى لهجة {accent} مع الحفاظ على نفس المعنى وعدد الجمل.
    عدّل فقط الكلمات والتعابير لتتناسب مع اللهجة المطلوبة.
    الرجاء إرسال النص الناتج فقط دون أي شروحات أو تعليقات إضافية.
    
    النص:
    {text}
    """

    response = client.models.generate_content(
        model="gemini-2.0-flash",
        contents=[prompt],
        config=types.GenerateContentConfig(
            temperature=0.3,
            max_output_tokens=1000
        )
    )
    return response.text.strip()

# ─── 5. Main TTS-generation function ─────────────────────────────────────────────
def generate_audio(
    model_choice: str,
    language: str,
    accent: str,
    tone: str,
    speed: str,
    clarity: str,
    style: str,
    convert_method: str,
    speaker_mode: str,
    speaker1_name: str,
    speaker1_voice: str,
    speaker2_name: str,
    speaker2_voice: str,
    text: str,
    voice_name: str,
    premium_voice_id: str,
    extra_prompt: str,
) -> tuple:
    tone_desc = tone_descriptions.get(tone, tone)
    speed_desc = tempo_descriptions.get(speed, speed)
    clarity_desc = clarity_descriptions.get(clarity, clarity)
    style_desc = style_descriptions.get(style, style)
    accent_desc = accent_descriptions.get(accent, f"استخدم لهجة {accent} الطبيعية.")
    
    header = f"""
[اللغة]: تحدث بـ {language}، وتأكد من أن جميع التعبيرات والمفردات تتماشى مع الاستخدام الطبيعي للغة.
[نبرة الصوت]: {tone_desc}
[سرعة الكلام]: {speed_desc}
[الوضوح]: {clarity_desc}
[الأسلوب]: {style_desc}
[اللهجة]: {accent_desc}
""".strip()

    conversion_instruction = ""
    converted_text = text
    if convert_method == "تحويل بسيط":
        conversion_instruction = (
            f"[تحويل]: قم فقط بتعديل المفردات والتعابير لتتناسب مع اللهجة {accent} "
            "دون تغيير المعنى أو حذف/إضافة جمل."
        )
    if convert_method == "تحويل متطور":
        converted_text = convert_text_to_dialect(text, accent)

    speaker_instruction = ""
    if speaker_mode == "عدة أصوات":
        speaker_instruction = (
            "[تعليمات]: لا تنطق أسماء المتحدثين (مثل: خالد، سارة) أثناء قراءة النص. "
            "استخدم صوت كل متحدث حسب اسمه فقط."
        )

    if convert_method == "تحويل بسيط":
        text_instruction = (
            "[المهمة]: اقرأ النص التالي مع تطبيق تعليمات التحويل البسيط مع الالتزام بالسمات المذكورة أعلاه. "
            "لا تقرأ التعليمات. "
            "توقف برهة عند علامات الترقيم (مثل الفاصلة، النقطة، النقطتين)، "
            "وتوقف تام عند الانتقال إلى سطر جديد كما يفعل القارئ الطبيعي."
        )
    else:
        text_instruction = (
            "[المهمة]: اقرأ النص التالي فقط كما هو مكتوب، مع الالتزام بالسمات المذكورة أعلاه. "
            "لا تقرأ التعليمات، ولا تقم بتعديله أو إعادة تفسيره. "
            "توقف برهة عند علامات الترقيم (مثل الفاصلة، النقطة، النقطتين)، "
            "وتوقف تام عند الانتقال إلى سطر جديد كما يفعل القارئ الطبيعي."
        )
    
    full_prompt = f"{header}"
    if conversion_instruction:
        full_prompt += f"\n\n{conversion_instruction}"
    if speaker_instruction:
        full_prompt += f"\n\n{speaker_instruction}"
    if extra_prompt.strip():
        full_prompt += f"\n[ملاحظات إضافية]: {extra_prompt.strip()}"
    full_prompt += f"\n\n{text_instruction}\n\n[النص]:\n{converted_text}"

    if speaker_mode == "عدة أصوات":
        speaker1_real_voice = voice_name_map.get(speaker1_voice, speaker1_voice)
        speaker2_real_voice = voice_name_map.get(speaker2_voice, speaker2_voice)

        response = client.models.generate_content(
            model=model_choice,
            contents=full_prompt,
            config=types.GenerateContentConfig(
                response_modalities=["AUDIO"],
                speech_config=types.SpeechConfig(
                    multi_speaker_voice_config=types.MultiSpeakerVoiceConfig(
                        speaker_voice_configs=[
                            types.SpeakerVoiceConfig(
                                speaker=speaker1_name.strip(),
                                voice_config=types.VoiceConfig(
                                    prebuilt_voice_config=types.PrebuiltVoiceConfig(voice_name=speaker1_real_voice)
                                )
                            ),
                            types.SpeakerVoiceConfig(
                                speaker=speaker2_name.strip(),
                                voice_config=types.VoiceConfig(
                                    prebuilt_voice_config=types.PrebuiltVoiceConfig(voice_name=speaker2_real_voice)
                                )
                            )
                        ]
                    )
                ),
            )
        )
    else:
        voice_name_real = voice_name_map.get(voice_name, voice_name)
        response = client.models.generate_content(
            model=model_choice,
            contents=full_prompt,
            config=types.GenerateContentConfig(
                response_modalities=["AUDIO"],
                speech_config=types.SpeechConfig(
                    voice_config=types.VoiceConfig(
                        prebuilt_voice_config=types.PrebuiltVoiceConfig(voice_name=voice_name_real)
                    )
                ),
            ),
        )

    pcm_data = response.candidates[0].content.parts[0].inline_data.data
    wav_path = wave_file(pcm_data)

    if premium_voice_id == "":
        return wav_path, converted_text if convert_method == "تحويل متطور" else ""
    else:
        url = f"https://api.elevenlabs.io/v1/speech-to-speech/{premium_voice_id}"
        headers = {"xi-api-key": eleven_api_key}
        with open(wav_path, "rb") as audio_file:
            files = {"audio": audio_file}
            data = {"model_id": "eleven_multilingual_sts_v2", "output_format": "mp3_44100_128"}
            response = requests.post(url, headers=headers, files=files, data=data)
        if response.ok:
            with open("output.mp3", "wb") as f:
                f.write(response.content)
            return "output.mp3", converted_text if convert_method == "تحويل متطور" else ""
        else:
            return wav_path, converted_text if convert_method == "تحويل متطور" else ""


# ─── 6. Gradio UI (Arabic) ──────────────────────────────────────────────────────
model_choices = ["gemini-2.5-flash-preview-tts", "gemini-2.5-pro-preview-tts"]
language_choices = ["العربية", "الإنجليزية", "الفرنسية"]
tone_choices = list(tone_descriptions.keys())
speed_choices = list(tempo_descriptions.keys())
clarity_choices = list(clarity_descriptions.keys())
style_choices = list(style_descriptions.keys())
voice_name_choices = list(voice_name_map.keys())
accent_choices = list(accent_descriptions.keys())

with gr.Blocks(theme=gr.themes.Soft()) as demo:
    gr.Markdown("## 🎤 مولد الصوت باستخدام Gemini")

    with gr.Row():
        with gr.Column():
            model_choice = gr.Dropdown(model_choices, value=model_choices[0], label="نموذج Gemini")
            language = gr.Dropdown(language_choices, value=language_choices[0], label="اللغة")
            accent = gr.Dropdown(accent_choices, value=accent_choices[0], label="اللهجة")

            convert_method = gr.Dropdown(
                label="طريقة تحويل النص إلى اللهجة",
                choices=["بدون تحويل", "تحويل بسيط", "تحويل متطور"],
                value="بدون تحويل"
            )

            tone = gr.Dropdown(tone_choices, value=tone_choices[0], label="النبرة / الشعور")
            speed = gr.Dropdown(speed_choices, value=speed_choices[2], label="سرعة الكلام")
            clarity = gr.Dropdown(clarity_choices, value=clarity_choices[1], label="وضوح الصوت")
            style = gr.Dropdown(style_choices, value=style_choices[0], label="الأسلوب")
            speaker_mode = gr.Radio(["صوت واحد", "عدة أصوات"], value="صوت واحد", label="وضع المتحدثين")

            with gr.Row(visible=True) as single_speaker_input:
                voice_name = gr.Dropdown(voice_name_choices, value=voice_name_choices[0], label="اختر اسم المتحدث (في حالة صوت واحد)")

            with gr.Row(visible=False) as speaker_inputs:
                with gr.Column():
                    speaker1_name = gr.Textbox(label="اسم المتحدث الأول", value="سارة")
                    speaker1_voice = gr.Dropdown(voice_name_choices, value=voice_name_choices[23], label="صوت المتحدث الأول")
                with gr.Column():
                    speaker2_name = gr.Textbox(label="اسم المتحدث الثاني", value="خالد")
                    speaker2_voice = gr.Dropdown(voice_name_choices, value=voice_name_choices[24], label="صوت المتحدث الثاني")

            premium_voice_id = gr.Textbox(label="معرف الصوت المميز (اختياري)")
            extra_prompt = gr.Textbox(label="تعليمات إضافية للنموذج (اختياري)", lines=2)

        with gr.Column():
            text = gr.Textbox(
                label="النص المطلوب نطقه",
                lines=6
            )
            converted_output_text = gr.Textbox(
                label="النص بعد تحويله للهجة المطلوبة",
                lines=6,
                visible=False
            )
            output = gr.Audio(label="الصوت الناتج", type="filepath")
            generate_btn = gr.Button("🎧 توليد الصوت")

    def toggle_inputs(mode):
        if mode == "عدة أصوات":
            new_text = (
                "خالد: مرحباً، كيف كان يومك يا سارة؟\n"
                "سارة: بخير الحمد لله، وأنت؟\n"
                "خالد: بخير, اليوم عثرت على الكتاب الذي كنت أبحث عنه منذ فترة طويلة\n"
                "سارة: سعيدة لسماع هذا!"
            )
            return gr.update(visible=False), gr.update(visible=True), gr.update(value=new_text)
        else:
            new_text = (
                "في يوم من الأيام، قرر سامي أن يغادر بلدته الصغيرة ليبحث عن فرصة عمل في المدينة الكبيرة. "
                "كان يشعر بالقلق والخوف من المجهول، لكنه كان يعلم أن عليه أن يخوض هذه التجربة ليحقق أحلامه. "
                "ودّع والدته التي أوصته بأن يبقى على تواصل دائم معها، وأن لا ينسى القيم التي نشأ عليها. "
                "عندما وصل إلى المدينة، صُدم من صخبها واختلاف نمط الحياة فيها. حاول التأقلم، لكنه واجه صعوبات كثيرة في البداية، "
                "خاصةً في التعامل مع الناس وفهم لهجتهم المختلفة. ومع ذلك، لم يفقد الأمل، وظل يبحث عن فرصة تُناسب مهاراته وطموحاته."
            )
            return gr.update(visible=True), gr.update(visible=False), gr.update(value=new_text)

    speaker_mode.change(
        fn=toggle_inputs,
        inputs=speaker_mode,
        outputs=[single_speaker_input, speaker_inputs, text]
    )

    def handle_generate_audio(*args):
        audio_path, converted_text = generate_audio(*args)
        return audio_path, gr.update(value=converted_text, visible=bool(converted_text))

    text.value = (
        "في يوم من الأيام، قرر سامي أن يغادر بلدته الصغيرة ليبحث عن فرصة عمل في المدينة الكبيرة. "
        "كان يشعر بالقلق والخوف من المجهول، لكنه كان يعلم أن عليه أن يخوض هذه التجربة ليحقق أحلامه. "
        "ودّع والدته التي أوصته بأن يبقى على تواصل دائم معها، وأن لا ينسى القيم التي نشأ عليها. "
        "عندما وصل إلى المدينة، صُدم من صخبها واختلاف نمط الحياة فيها. حاول التأقلم، لكنه واجه صعوبات كثيرة في البداية، "
        "خاصةً في التعامل مع الناس وفهم لهجتهم المختلفة. ومع ذلك، لم يفقد الأمل، وظل يبحث عن فرصة تُناسب مهاراته وطموحاته."
    )

    generate_btn.click(
        fn=handle_generate_audio,
        inputs=[
            model_choice,
            language,
            accent,
            tone,
            speed,
            clarity,
            style,
            convert_method,
            speaker_mode,
            speaker1_name,
            speaker1_voice,
            speaker2_name,
            speaker2_voice,
            text,
            voice_name,
            premium_voice_id,
            extra_prompt
        ],
        outputs=[output, converted_output_text]
    )

demo.launch()