app.py

"""
Danışman-Danışan Transkripsiyon Sistemi
Speaker diarization + transcription pipeline.
Zaman damgalı, konuşmacı ayrımlı çıktı + Klinik Analiz Araçları.
"""

import gradio as gr
from faster_whisper import WhisperModel
import tempfile
import time
import os
import torch
import re
from collections import Counter

from diarization import (
    get_diarization_pipeline, 
    diarize_audio, 
    format_speaker_label, 
    format_timestamp
)

# ==================== CONFIGURATION ====================
MODEL_SIZE = "medium"
DEVICE = "cuda" if torch.cuda.is_available() else "cpu"
COMPUTE_TYPE = "float16" if DEVICE == "cuda" else "int8"
# =======================================================

print(f"🔧 Device: {DEVICE}, Compute: {COMPUTE_TYPE}")

# Load models at startup
print("🔄 Whisper model yükleniyor...")
whisper_model = WhisperModel(
    MODEL_SIZE,
    device=DEVICE,
    compute_type=COMPUTE_TYPE
)
print("✅ Whisper model yüklendi!")

print("🔄 Diarization pipeline yükleniyor...")
diarization_pipeline = get_diarization_pipeline()


# ==================== KLİNİK ANALİZ MATRİSLERİ ====================

# 1. DUYGU DURUM GÖSTERGELERİ (AFFECTIVE INDICATORS)
CLINICAL_INDICATORS = {
    "Disforik/Depresif": [
        "üzgün", "mutsuz", "çaresiz", "umutsuz", "bıktım", "karanlık", "boşluk",
        "değersiz", "suçlu", "yorgun", "tükendim", "ölüm", "intihar", "bitse",
        "hiçbir şey", "zevk almıyorum", "ağır", "çöküş", "ağlıyorum", "kayıp"
    ],
    "Anksiyöz/Kaygılı": [
        "korkuyorum", "endişe", "panik", "ne olacak", "ya olursa", "gerginim",
        "kalbim", "nefes", "titreme", "kontrolü kaybetme", "tehlike", "felaket",
        "huzursuz", "yerimde duramıyorum", "kafayı yiyeceğim", "stres"
    ],
    "Öfke/Hostilite": [
        "nefret", "kızgınım", "aptal", "haksızlık", "intikam", "dayanamıyorum",
        "bağır", "vur", "kır", "sinir", "öfke", "düşman", "zarar", "sinirlendim"
    ],
    "Ötimik/Pozitif": [
        "iyi", "güzel", "mutlu", "başardım", "umutlu", "sakin", "huzurlu",
        "keyifli", "planlıyorum", "seviyorum", "şükür", "rahat"
    ]
}

# 2. BİLİŞSEL ÇARPITMALAR (COGNITIVE DISTORTIONS)
COGNITIVE_DISTORTIONS = {
    "Aşırı Genelleme": ["her zaman", "asla", "hiçbir zaman", "herkes", "hiç kimse", "hep"],
    "Zorunluluk (-meli/-malı)": ["yapmalıyım", "zorundayım", "mecburum", "etmeli", "olmalı", "gerekir"],
    "Felaketleştirme": ["mahvoldu", "bitti", "felaket", "korkunç", "dayanılmaz", "berbat"]
}

# 3. ZAMAN ODAĞI (TEMPORAL FOCUS)
TIME_MARKERS = {
    "Geçmiş": ["yaptım", "gitti", "oldu", "vardı", "eskiden", "keşke", "geçmişte"],
    "Gelecek": ["olacak", "yapacağım", "gidecek", "gelecek", "belki", "acaba", "planlıyorum"]
}

# 4. TEREDDÜT VE DOLGU (HESITATION MARKERS)
FILLERS = ["şey", "yani", "ııı", "eee", "işte", "falan", "filan", "hani"]

# Turkish stop words to exclude from word frequency
TURKISH_STOP_WORDS = {
    "bir", "bu", "şu", "o", "ve", "ile", "için", "de", "da", "ki", "ne", "var", "yok",
    "ben", "sen", "biz", "siz", "onlar", "ama", "fakat", "çünkü", "eğer", "gibi",
    "daha", "en", "çok", "az", "kadar", "sonra", "önce", "şimdi", "zaman", "her",
    "hiç", "bile", "sadece", "hem", "ya", "veya", "ise", "mi", "mı", "mu", "mü",
    "nasıl", "neden", "nerede", "kim", "hangi", "olan", "olarak", "oldu", "olur",
    "oluyor", "olmuş", "olacak", "yapmak", "yapıyor", "yaptı", "etti", "ediyor",
    "gidiyor", "geliyor", "diyor", "dedi", "söyledi", "bence", "aslında", "yani",
    "işte", "hani", "evet", "hayır", "tamam", "peki"
}


def get_audio_duration(audio_path: str) -> float:
    """Get audio duration in seconds using ffprobe."""
    import subprocess
    try:
        result = subprocess.run([
            'ffprobe', '-v', 'error',
            '-show_entries', 'format=duration',
            '-of', 'default=noprint_wrappers=1:nokey=1',
            audio_path
        ], capture_output=True, text=True, check=True)
        return float(result.stdout.strip())
    except:
        return 0.0


def get_word_frequency(text: str, top_n: int = 15) -> list:
    """Get most frequent meaningful words."""
    words = re.findall(r'\b[a-zA-ZçğıöşüÇĞİÖŞÜ]{3,}\b', text.lower())
    meaningful_words = [w for w in words if w not in TURKISH_STOP_WORDS]
    word_counts = Counter(meaningful_words)
    return word_counts.most_common(top_n)


def analyze_clinical_features(text: str, duration_seconds: float) -> dict:
    """Metni klinik parametrelere göre analiz eder."""
    text_lower = text.lower()
    words = re.findall(r'\b\w+\b', text_lower)
    word_count = len(words)
    
    # 1. Konuşma Hızı (Words Per Minute)
    speech_rate = (word_count / duration_seconds) * 60 if duration_seconds > 0 else 0
    
    # 2. Klinik Gösterge Taraması
    scores = {category: 0 for category in CLINICAL_INDICATORS}
    matched_details = {category: [] for category in CLINICAL_INDICATORS}
    
    for category, keywords in CLINICAL_INDICATORS.items():
        for word in keywords:
            count = text_lower.count(word)
            if count > 0:
                scores[category] += count
                if word not in matched_details[category]:
                    matched_details[category].append(word)

    # 3. Bilişsel Çarpıtmalar
    distortions = {cat: 0 for cat in COGNITIVE_DISTORTIONS}
    distortion_matches = {cat: [] for cat in COGNITIVE_DISTORTIONS}
    for category, keywords in COGNITIVE_DISTORTIONS.items():
        for word in keywords:
            count = text_lower.count(word)
            if count > 0:
                distortions[category] += count
                if word not in distortion_matches[category]:
                    distortion_matches[category].append(word)

    # 4. Zaman Odağı
    time_focus = {"Geçmiş": 0, "Gelecek": 0}
    for category, keywords in TIME_MARKERS.items():
        for word in keywords:
            time_focus[category] += text_lower.count(word)

    # 5. Benlik Odağı (Self-Reference Ratio)
    self_refs = text_lower.count("ben") + text_lower.count("benim") + text_lower.count("bana") + text_lower.count("beni")
    self_ratio = (self_refs / word_count) * 100 if word_count > 0 else 0
    
    # 6. Dolgu kelime sayısı
    filler_count = sum(text_lower.count(f) for f in FILLERS)

    return {
        "word_count": word_count,
        "speech_rate": speech_rate,
        "clinical_scores": scores,
        "clinical_matches": matched_details,
        "distortions": distortions,
        "distortion_matches": distortion_matches,
        "time_focus": time_focus,
        "self_ratio": self_ratio,
        "filler_count": filler_count
    }


def generate_psychology_report(transcript: str, client_speaker: str) -> str:
    """Danışan için klinik formatta ön değerlendirme raporu oluşturur."""
    
    # --- Danışan Verisini Ayıkla ve Süre Hesapla ---
    lines = transcript.split('\n')
    client_text_parts = []
    current_speaker = None
    total_client_duration = 0.0
    
    for line in lines:
        # Örnek satır: "[00:05 → 00:12] Kişi 2:"
        timestamp_match = re.search(r'\[(\d{2}:\d{2}) → (\d{2}:\d{2})\] (Kişi \d+):', line)
        
        if timestamp_match:
            start_str, end_str, spk = timestamp_match.groups()
            current_speaker = spk
            
            # Süreyi hesapla
            def to_sec(t): 
                m, s = map(int, t.split(':'))
                return m * 60 + s
            
            if spk == client_speaker:
                seg_dur = to_sec(end_str) - to_sec(start_str)
                total_client_duration += seg_dur
                
        elif current_speaker == client_speaker and line.strip():
            # Metni al (çizgiler ve meta veriler hariç)
            clean_line = line.strip()
            if not any(clean_line.startswith(c) for c in ['[', '═', '─', '📊', '•']):
                client_text_parts.append(clean_line)
    
    full_text = ' '.join(client_text_parts)
    
    if not full_text:
        return "⚠️ HATA: Seçilen kişiye ait yeterli veri bulunamadı. Lütfen doğru konuşmacıyı seçtiğinizden emin olun."

    # --- Analizi Çalıştır ---
    if total_client_duration == 0:
        total_client_duration = len(full_text.split()) / 2.5  # Tahmini süre
        
    analysis = analyze_clinical_features(full_text, total_client_duration)
    
    # Kelime frekansı
    word_freq = get_word_frequency(full_text)
    
    # --- RAPOR YAZIMI (KLİNİK FORMAT) ---
    
    # 1. Konuşma Hızı Yorumu
    wpm = analysis['speech_rate']
    speech_comment = "Olağan sınırlarda (100-150 wpm)"
    if wpm < 90: 
        speech_comment = "⚠️ Bradilali (Yavaşlamış konuşma) - Depresif duygulanım veya yüksek bilişsel yük lehine."
    elif wpm > 160: 
        speech_comment = "⚠️ Taşilali (Basınçlı konuşma) - Anksiyete veya manik dönem lehine."
    
    # 2. Baskın Duygu Yorumu
    scores = analysis['clinical_scores']
    dominant_mood = max(scores, key=scores.get)
    if scores[dominant_mood] == 0: 
        dominant_mood = "Nötr/Belirsiz"

    report = f"""
══════════════════════════════════════════════════════════════
🏥 KLİNİK GÖRÜŞME ÖN DEĞERLENDİRME RAPORU
══════════════════════════════════════════════════════════════
📅 TARİH: {time.strftime("%d.%m.%Y - %H:%M")}
👤 DANIŞAN KODU: {client_speaker}
⏱️ TOPLAM KONUŞMA SÜRESİ: {format_timestamp(total_client_duration)}

══════════════════════════════════════════════════════════════
I. GENEL GÖRÜNÜM VE KONUŞMA DAVRANIŞI
══════════════════════════════════════════════════════════════
• Toplam Kelime Sayısı: {analysis['word_count']}
• Konuşma Hızı: {wpm:.0f} kelime/dakika
  └─ {speech_comment}
• Dolgu Kelime Kullanımı: {analysis['filler_count']} adet (şey, yani, işte vb.)
• Benlik Odağı: %{analysis['self_ratio']:.1f}
  └─ {"⚠️ Yüksek - içe dönüklük veya ruminasyon riski" if analysis['self_ratio'] > 4 else "Normal sınırlarda"}

══════════════════════════════════════════════════════════════
II. DUYGUDURUM VE DUYGULANIM (MOOD & AFFECT)
══════════════════════════════════════════════════════════════
Yapay zeka dil örüntü analizine göre tespit edilen baskın duygulanım:

    ╔══════════════════════════════════╗
    ║  👉 {dominant_mood.upper():^26} ║
    ╚══════════════════════════════════╝

📊 Duygu Dağılımı:
"""
    # Duygu barları
    total_emotion = sum(scores.values()) or 1
    for category, score in sorted(scores.items(), key=lambda x: x[1], reverse=True):
        if score > 0:
            percentage = (score / total_emotion) * 100
            bar_length = int(percentage / 5)
            bar = "█" * bar_length + "░" * (20 - bar_length)
            words = ", ".join(analysis['clinical_matches'][category][:3])
            report += f"• {category}: {bar} {percentage:.0f}%\n"
            report += f"  └─ Anahtar: {words}\n"

    report += f"""
══════════════════════════════════════════════════════════════
III. DÜŞÜNCE İÇERİĞİ VE BİLİŞSEL SÜREÇLER
══════════════════════════════════════════════════════════════

A. BİLİŞSEL ÇARPITMALAR (Cognitive Distortions):
"""
    has_distortion = False
    for dist, count in analysis['distortions'].items():
        if count > 0:
            has_distortion = True
            words = ", ".join(analysis['distortion_matches'][dist][:3])
            report += f"• {dist}: {count} kez\n"
            report += f"  └─ Örnek: \"{words}\"\n"
    if not has_distortion: 
        report += "• ✓ Belirgin bir bilişsel çarpıtma dili tespit edilmedi.\n"

    report += "\nB. ZAMAN YÖNELİMİ (Temporal Orientation):\n"
    past = analysis['time_focus']['Geçmiş']
    future = analysis['time_focus']['Gelecek']
    
    if past > future * 1.5:
        report += f"• ⚠️ Geçmiş Odaklı ({past} ifade vs {future} gelecek)\n"
        report += "  └─ Pişmanlık, yas veya depresif ruminasyon eğilimi gösterebilir.\n"
    elif future > past * 1.5:
        report += f"• ⚠️ Gelecek Odaklı ({future} ifade vs {past} geçmiş)\n"
        report += "  └─ Beklenti anksiyetesi eğilimi gösterebilir.\n"
    else:
        report += f"• ✓ Dengeli zaman yönelimi (Geçmiş: {past}, Gelecek: {future})\n"

    report += f"""
══════════════════════════════════════════════════════════════
IV. SIK KULLANILAN KELİMELER
══════════════════════════════════════════════════════════════
"""
    for i, (word, count) in enumerate(word_freq[:10], 1):
        report += f"{i:2}. {word}: {count} kez\n"

    report += f"""
══════════════════════════════════════════════════════════════
V. KLİNİK İZLENİM VE ÖNERİLER
══════════════════════════════════════════════════════════════
"""
    # Dinamik Sonuç Çıkarımı
    observations = []
    
    if dominant_mood == "Disforik/Depresif" and past > future:
        observations.append("🔴 DİKKAT: Depresif duygulanım ve geçmişe saplanma (ruminasyon) örüntüsü gözlenmiştir.")
        observations.append("   └─ İntihar riski değerlendirmesi önerilir.")
    
    if dominant_mood == "Anksiyöz/Kaygılı" and wpm > 140:
        observations.append("🔴 DİKKAT: Yüksek anksiyete belirtileri (hızlı konuşma, kaygı ifadeleri).")
        observations.append("   └─ Panik bozukluk veya yaygın anksiyete açısından değerlendirilmeli.")
        
    if analysis['distortions']['Zorunluluk (-meli/-malı)'] >= 2:
        observations.append("🟡 Terapötik Hedef: Mükemmeliyetçi şemalar ve '-meli/-malı' kuralları.")
        observations.append("   └─ Bilişsel yeniden yapılandırma önerilir.")
        
    if analysis['distortions']['Aşırı Genelleme'] >= 2:
        observations.append("🟡 Terapötik Hedef: Aşırı genelleme eğilimi tespit edildi.")
        observations.append("   └─ 'Her zaman', 'asla' gibi mutlaklaştırmalar sorgulanmalı.")
        
    if analysis['self_ratio'] > 5:
        observations.append("🟡 Yüksek benlik odağı: Ruminatif düşünce örüntüsü olabilir.")
        observations.append("   └─ Dikkat odağını genişletme egzersizleri düşünülebilir.")

    if not observations:
        observations.append("🟢 Acil müdahale gerektiren belirgin bir risk örüntüsü (dilsel düzeyde) saptanmamıştır.")
        observations.append("   └─ Rutin takip önerilir.")

    for obs in observations:
        report += f"{obs}\n"

    report += """
══════════════════════════════════════════════════════════════
⚠️ YASAL UYARI
══════════════════════════════════════════════════════════════
Bu rapor Yapay Zeka (AI) algoritmaları tarafından sadece dilsel
verilere dayanarak otomatik olarak oluşturulmuştur.

• Tanı veya teşhis yerine geçmez.
• Klinik karar vermede tek başına kullanılamaz.
• Sadece klinisyene yardımcı veri olarak sunulmuştur.
• Profesyonel değerlendirme mutlaka gereklidir.
══════════════════════════════════════════════════════════════
"""
    return report


def transcribe_with_diarization(audio_path: str) -> tuple:
    """
    Full pipeline: diarization + transcription.
    Returns formatted transcript with speaker labels and timestamps.
    """
    start_time = time.time()
    
    # Get audio duration for stats
    duration = get_audio_duration(audio_path)
    
    # Step 1: Diarization
    print("🎭 Diarization başlıyor...")
    if diarization_pipeline is None:
        # Fallback: no diarization, just transcribe
        segments, info = whisper_model.transcribe(audio_path, language="tr", beam_size=5)
        
        full_text = []
        for segment in segments:
            timestamp = format_timestamp(segment.start)
            full_text.append(f"[{timestamp}] {segment.text}")
        
        result = "\n".join(full_text)
        elapsed = time.time() - start_time
        
        stats = f"""
───────────────────────────────────
📊 İstatistikler
• Toplam süre: {format_timestamp(info.duration)}
• İşlem süresi: {elapsed:.1f} saniye
• ⚠️ Diarization kullanılamadı (yalnızca transkripsiyon)
───────────────────────────────────"""
        
        return result + stats, None
    
    # Run diarization
    diarization_segments = diarize_audio(audio_path, diarization_pipeline, num_speakers=None)
    
    if not diarization_segments:
        return "❌ Diarization başarısız oldu.", None
    
    # Step 2: Transcribe each segment
    print("🎙️ Transkripsiyon başlıyor...")
    segments, info = whisper_model.transcribe(audio_path, language="tr", beam_size=5)
    whisper_segments = list(segments)
    
    # Track which whisper segments have been used
    used_whisper_indices = set()
    
    # Step 3: Merge diarization with transcription
    print("🔗 Birleştirme yapılıyor...")
    transcript_parts = []
    speaker_times = {}
    
    for start, end, speaker in diarization_segments:
        speaker_label = format_speaker_label(speaker)
        
        if speaker_label not in speaker_times:
            speaker_times[speaker_label] = 0
        speaker_times[speaker_label] += (end - start)
        
        segment_text = []
        for idx, ws in enumerate(whisper_segments):
            if idx in used_whisper_indices:
                continue
            ws_midpoint = (ws.start + ws.end) / 2
            if start <= ws_midpoint <= end:
                segment_text.append(ws.text)
                used_whisper_indices.add(idx)
        
        if segment_text:
            text = " ".join(segment_text).strip()
            timestamp_start = format_timestamp(start)
            timestamp_end = format_timestamp(end)
            transcript_parts.append(f"[{timestamp_start} → {timestamp_end}] {speaker_label}:\n{text}\n")
    
    header = """═══════════════════════════════════════════════════
📋 GÖRÜŞME TRANSKRİPTİ
═══════════════════════════════════════════════════

"""
    
    body = "\n".join(transcript_parts)
    
    elapsed = time.time() - start_time
    total_time = info.duration
    
    stats_lines = [
        "",
        "───────────────────────────────────",
        "📊 İstatistikler",
        f"• Toplam süre: {format_timestamp(total_time)}",
        f"• İşlem süresi: {elapsed:.1f} saniye",
    ]
    
    for speaker, stime in sorted(speaker_times.items()):
        percentage = (stime / total_time) * 100 if total_time > 0 else 0
        stats_lines.append(f"• {speaker} konuşma: {format_timestamp(stime)} (%{percentage:.0f})")
    
    stats_lines.append("───────────────────────────────────")
    stats = "\n".join(stats_lines)
    
    full_result = header + body + stats
    
    txt_file = tempfile.NamedTemporaryFile(
        mode='w',
        suffix='.txt',
        delete=False,
        encoding='utf-8'
    )
    txt_file.write(full_result)
    txt_file.close()
    
    return full_result, txt_file.name


def process_audio(audio_path):
    """Gradio handler."""
    if audio_path is None:
        return "⚠️ Lütfen bir ses dosyası yükleyin.", None
    
    try:
        return transcribe_with_diarization(audio_path)
    except Exception as e:
        return f"❌ Beklenmeyen hata: {str(e)}", None


def analyze_client(transcript: str, client_selection: str):
    """Analyze the selected client's speech."""
    if not transcript or transcript.startswith("⚠️") or transcript.startswith("❌"):
        return "⚠️ Önce bir transkript oluşturun.", None
    
    if not client_selection:
        return "⚠️ Lütfen danışanı seçin.", None
    
    report = generate_psychology_report(transcript, client_selection)
    
    # Create downloadable report
    report_file = tempfile.NamedTemporaryFile(
        mode='w',
        suffix='_klinik_rapor.txt',
        delete=False,
        encoding='utf-8'
    )
    report_file.write(report)
    report_file.close()
    
    return report, report_file.name


# ==================== GRADIO UI ====================
with gr.Blocks(title="Klinik Görüşme Transkripsiyon & Analiz") as demo:
    
    gr.HTML("""
        <style>
            footer { display: none !important; }
            .gradio-container { max-width: 1100px !important; margin: auto !important; }
        </style>
        <div style="text-align: center; padding: 40px 20px 30px; 
                    background: linear-gradient(135deg, #1e3a5f 0%, #2d5a87 100%); 
                    border-radius: 20px; margin-bottom: 24px; color: white;">
            <h1 style="font-size: 2.2rem; font-weight: 700; margin: 0 0 8px 0;">
                🏥 Klinik Görüşme Transkripsiyon & Analiz
            </h1>
            <p style="font-size: 1rem; opacity: 0.95; margin: 0;">
                Danışman-Danışan görüşmelerini yazıya dökün ve AI destekli klinik ön değerlendirme alın
            </p>
        </div>
    """)
    
    with gr.Tabs():
        # Tab 1: Transkripsiyon
        with gr.TabItem("📝 Transkripsiyon"):
            with gr.Row():
                with gr.Column():
                    gr.HTML('<div style="font-weight: 600; margin-bottom: 12px;">📤 Ses Dosyası</div>')
                    
                    audio_input = gr.Audio(
                        label="Görüşme Kaydı",
                        type="filepath",
                        sources=["upload", "microphone"]
                    )
                    
                    submit_btn = gr.Button(
                        "🚀 Transkripsiyon Başlat",
                        variant="primary",
                        size="lg"
                    )
                    
                    gr.HTML("""
                        <div style="background: linear-gradient(135deg, #f0f9ff 0%, #e0f2fe 100%);
                                    border: 1px solid #7dd3fc; border-radius: 12px; 
                                    padding: 16px 20px; margin-top: 16px;">
                            <p style="margin: 0; color: #0369a1; font-size: 14px;">
                                ℹ️ <strong>Nasıl Çalışır:</strong><br>
                                1. Ses dosyasını yükleyin<br>
                                2. AI konuşmacıları otomatik ayırır<br>
                                3. Transkript oluşturulur<br>
                                4. Klinik Analiz sekmesinde danışanı seçip rapor alın
                            </p>
                        </div>
                    """)
            
            with gr.Row():
                with gr.Column():
                    gr.HTML('<div style="font-weight: 600; margin-bottom: 12px;">📝 Transkript Sonucu</div>')
                    
                    output_text = gr.Textbox(
                        label="",
                        placeholder="Transkript burada görünecek...",
                        lines=25,
                        interactive=False
                    )
                    
                    download_file = gr.File(
                        label="📥 Transkripti İndir (.txt)"
                    )
        
        # Tab 2: Klinik Analiz
        with gr.TabItem("🏥 Klinik Analiz"):
            gr.HTML("""
                <div style="background: linear-gradient(135deg, #fef3c7 0%, #fde68a 100%);
                            border: 1px solid #f59e0b; border-radius: 12px; 
                            padding: 16px 20px; margin-bottom: 16px;">
                    <p style="margin: 0; color: #92400e; font-size: 14px;">
                        🏥 <strong>Klinik Ön Değerlendirme:</strong> Bu modül danışanın konuşmasını 
                        duygudurum, bilişsel çarpıtmalar, zaman yönelimi ve konuşma hızı açısından 
                        analiz eder. Profesyonel klinik değerlendirmenin yerini almaz.
                    </p>
                </div>
            """)
            
            with gr.Row():
                with gr.Column(scale=1):
                    client_selector = gr.Radio(
                        label="🎯 Danışanı Seçin",
                        choices=["Kişi 1", "Kişi 2"],
                        value="Kişi 2",
                        info="Hangi kişi danışan?"
                    )
                    
                    analyze_btn = gr.Button(
                        "🔍 Klinik Analiz Başlat",
                        variant="primary",
                        size="lg"
                    )
                    
                    gr.HTML("""
                        <div style="background: #f9fafb; border-radius: 12px; 
                                    padding: 16px 20px; margin-top: 16px;">
                            <p style="margin: 0 0 8px 0; color: #374151; font-size: 13px; font-weight: 600;">
                                📊 Analiz Kapsamı:
                            </p>
                            <ul style="margin: 0; padding-left: 20px; color: #6b7280; font-size: 12px;">
                                <li>Duygudurum göstergeleri</li>
                                <li>Bilişsel çarpıtmalar</li>
                                <li>Zaman yönelimi</li>
                                <li>Konuşma hızı</li>
                                <li>Benlik odağı</li>
                                <li>Kelime frekansı</li>
                            </ul>
                        </div>
                    """)
                
                with gr.Column(scale=2):
                    analysis_output = gr.Textbox(
                        label="📋 Klinik Ön Değerlendirme Raporu",
                        placeholder="Analiz raporu burada görünecek...",
                        lines=30,
                        interactive=False
                    )
                    
                    report_download = gr.File(
                        label="📥 Raporu İndir (.txt)"
                    )
    
    # Features
    gr.HTML("""
        <div style="display: grid; grid-template-columns: repeat(6, 1fr); gap: 10px; margin-top: 24px;">
            <div style="text-align: center; padding: 14px; background: #f9fafb; border-radius: 12px;">
                <div style="font-size: 22px; margin-bottom: 4px;">🎭</div>
                <div style="font-size: 11px; color: #6b7280; font-weight: 500;">Konuşmacı Ayrımı</div>
            </div>
            <div style="text-align: center; padding: 14px; background: #f9fafb; border-radius: 12px;">
                <div style="font-size: 22px; margin-bottom: 4px;">⏱️</div>
                <div style="font-size: 11px; color: #6b7280; font-weight: 500;">Zaman Damgası</div>
            </div>
            <div style="text-align: center; padding: 14px; background: #f9fafb; border-radius: 12px;">
                <div style="font-size: 22px; margin-bottom: 4px;">🔒</div>
                <div style="font-size: 11px; color: #6b7280; font-weight: 500;">%100 Local</div>
            </div>
            <div style="text-align: center; padding: 14px; background: linear-gradient(135deg, #ede9fe 0%, #ddd6fe 100%); border-radius: 12px;">
                <div style="font-size: 22px; margin-bottom: 4px;">🧠</div>
                <div style="font-size: 11px; color: #5b21b6; font-weight: 500;">Duygudurum</div>
            </div>
            <div style="text-align: center; padding: 14px; background: linear-gradient(135deg, #fef3c7 0%, #fde68a 100%); border-radius: 12px;">
                <div style="font-size: 22px; margin-bottom: 4px;">💭</div>
                <div style="font-size: 11px; color: #92400e; font-weight: 500;">Bilişsel Analiz</div>
            </div>
            <div style="text-align: center; padding: 14px; background: linear-gradient(135deg, #d1fae5 0%, #a7f3d0 100%); border-radius: 12px;">
                <div style="font-size: 22px; margin-bottom: 4px;">📋</div>
                <div style="font-size: 11px; color: #065f46; font-weight: 500;">Klinik Rapor</div>
            </div>
        </div>
    """)
    
    gr.HTML("""
        <div style="background: #ecfdf5; border: 1px solid #6ee7b7; border-radius: 8px; 
                    padding: 12px 16px; margin-top: 16px;">
            <p style="margin: 0; color: #047857; font-size: 13px;">
                🔒 <strong>Gizlilik:</strong> Tüm işlemler yerel olarak yapılır. 
                Ses dosyalarınız ve analizler hiçbir sunucuya gönderilmez.
            </p>
        </div>
    """)
    
    gr.HTML("""
        <div style="text-align: center; padding: 24px 0; color: #9ca3af; font-size: 13px;">
            <p>Powered by Faster-Whisper & Pyannote-Audio • Klinisyen Asistanı v2.0</p>
        </div>
    """)
    
    # Event handling
    submit_btn.click(
        fn=process_audio,
        inputs=[audio_input],
        outputs=[output_text, download_file]
    )
    
    analyze_btn.click(
        fn=analyze_client,
        inputs=[output_text, client_selector],
        outputs=[analysis_output, report_download]
    )

# Launch
if __name__ == "__main__":
    demo.launch(share=False, show_error=True)