main.py

from fastapi import FastAPI, UploadFile, File, Form
from faster_whisper import WhisperModel
from phonology_engine import FonolojikVaryasyonMotoru
import shutil
import os
import uuid
import difflib

app = FastAPI()

# --- MODELLERİ YÜKLEME ---
print("⏳ Modeller yükleniyor...")

# 1. Uygulama Modeli (Small - Promptlu)
model_small = WhisperModel("small", device="cpu", compute_type="int8")

# 2. Kontrol Modeli (Large v2 - Saf)
model_large = WhisperModel("large-v2", device="cpu", compute_type="int8")

motor = FonolojikVaryasyonMotoru()
print("✅ Modeller Hazır!")

# --- YARDIMCI FONKSİYON ---
def detayli_analiz_yap(hedef, gelen):
    matcher = difflib.SequenceMatcher(None, hedef.lower(), gelen.lower())
    skor = int(matcher.ratio() * 100)
    
    # Basit bir hata mesajı mantığı (Senin eski kodundaki gibi)
    if skor == 100:
        durum = "mukemmel"
        mesaj = "Harika! Tam doğru söyledin."
    elif skor >= 80:
        durum = "basarili"
        mesaj = "Gayet iyi, ama ufak pürüzler var."
    else:
        durum = "hatali"
        mesaj = "Tekrar denemelisin, tam anlaşılmadı."

    return {
        "skor": skor,
        "durum": durum,
        "mesaj": mesaj
    }

# --- API ENDPOINT ---
@app.post("/analiz")
async def analiz(
    file: UploadFile = File(...), 
    hedef_kelime: str = Form(...)
):
    temp_filename = f"temp_{uuid.uuid4()}.wav"
    
    # Dosyayı kaydet
    with open(temp_filename, "wb") as buffer:
        shutil.copyfileobj(file.file, buffer)

    try:
        # --- KUTU 1: SMALL MODEL İŞLEMLERİ ---
        # Varyasyon üret
        varyasyonlar = motor.varyasyonlari_uret(hedef_kelime)
        prompt_metni = f"Şu kelimelerden birini seç: {', '.join(varyasyonlar)}"

        # Transcribe (Small)
        segments_s, _ = model_small.transcribe(
            temp_filename, 
            language="tr",
            initial_prompt=prompt_metni,
            #beam_size=1,
            #best_of=1,
            vad_filter=False
        )
        small_text = " ".join([s.text for s in segments_s]).strip()
        
        # Analiz (Small sonucuna göre)
        analiz_sonucu = detayli_analiz_yap(hedef_kelime, small_text)


        # --- KUTU 2: LARGE MODEL İŞLEMLERİ ---
        # Transcribe (Large - Promptsuz)
        segments_l, _ = model_large.transcribe(
            temp_filename, 
            language="tr",
            beam_size=5,
            vad_filter=False
        )
        large_text = " ".join([s.text for s in segments_l]).strip()


        # --- FİNAL JSON CEVABI (Senin İstediğin Format) ---
        return {
            "genel_bilgi": {
                "hedef_kelime": hedef_kelime
            },
            
            "small_model_cikti": {
                "algilanan_metin": small_text,
                "analiz_detaylari": analiz_sonucu,
                "kullanilan_prompt_listesi": varyasyonlar
            },

            "large_model_cikti": {
                "algilanan_metin": large_text,
                "not": "Bu veri modele hiç ipucu verilmeden (saf) elde edildi."
            }
        }

    except Exception as e:
        return {"error": str(e)}
        
    finally:
        if os.path.exists(temp_filename):
            os.remove(temp_filename)