app.py

import os
import shutil
import subprocess
import uuid
import json
import time
import asyncio
import random
import re
import importlib.util
import inspect
import requests  
from datetime import datetime
from typing import List, Optional, Union, Dict
from fastapi import FastAPI, UploadFile, File, Form, HTTPException, BackgroundTasks
from fastapi.responses import FileResponse, JSONResponse
from fastapi.staticfiles import StaticFiles
from fastapi.middleware.cors import CORSMiddleware
import google.generativeai as genai
from pydantic import BaseModel
from PIL import Image, ImageDraw, ImageFont
from pydub import AudioSegment
from pydub.silence import detect_silence
from groq import Groq  

# --- سازگاری با محیط‌هایی که Pillow بدون libraqm نصب شده است ---
# در برخی سرورها Pillow بدون کتابخانه libraqm کامپایل می‌شود و پارامترهای
# direction/language/features باعث خطای "not supported without libraqm" می‌شوند.
# این پچ باعث می‌شود در چنین شرایطی به‌جای کرش کردن، متن بدون این پارامترها
# (با جهت پیش‌فرض چپ‌به‌راست کتابخانه) رسم شود و ساخت ویدیو ادامه پیدا کند.
_orig_draw_text = ImageDraw.ImageDraw.text
_orig_draw_textlength = ImageDraw.ImageDraw.textlength
_orig_draw_textbbox = ImageDraw.ImageDraw.textbbox

def _strip_raqm_kwargs(kwargs):
    kwargs.pop('direction', None)
    kwargs.pop('language', None)
    kwargs.pop('features', None)
    return kwargs

def _safe_draw_text(self, xy, text, *args, **kwargs):
    try:
        return _orig_draw_text(self, xy, text, *args, **kwargs)
    except ValueError as e:
        if 'raqm' in str(e).lower():
            return _orig_draw_text(self, xy, text, *args, **_strip_raqm_kwargs(kwargs))
        raise

def _safe_draw_textlength(self, text, *args, **kwargs):
    try:
        return _orig_draw_textlength(self, text, *args, **kwargs)
    except ValueError as e:
        if 'raqm' in str(e).lower():
            return _orig_draw_textlength(self, text, *args, **_strip_raqm_kwargs(kwargs))
        raise

def _safe_draw_textbbox(self, xy, text, *args, **kwargs):
    try:
        return _orig_draw_textbbox(self, xy, text, *args, **kwargs)
    except ValueError as e:
        if 'raqm' in str(e).lower():
            return _orig_draw_textbbox(self, xy, text, *args, **_strip_raqm_kwargs(kwargs))
        raise

ImageDraw.ImageDraw.text = _safe_draw_text
ImageDraw.ImageDraw.textlength = _safe_draw_textlength
ImageDraw.ImageDraw.textbbox = _safe_draw_textbbox

app = FastAPI()

app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_methods=["*"],
    allow_headers=["*"],
)

TEMP_DIR = "temp"
STATIC_DIR = "static"
STYLES_DIR = "styles"
os.makedirs(TEMP_DIR, exist_ok=True)
os.makedirs(STATIC_DIR, exist_ok=True)
os.makedirs(STYLES_DIR, exist_ok=True)

app.mount("/temp", StaticFiles(directory="temp"), name="temp")
app.mount("/static", StaticFiles(directory="static"), name="static")

MODEL_NAME = "Gemini 3 Flash Preview" 

FONT_DIR = "static/fonts" 
FONT_DATASET_REPO_ID = "Opera8/font"  # دیتاست عمومی هاگینگ‌فیس حاوی تمام فایل‌های فونت
FONT_FILES_MAP = {
    "vazir": "Vazirmatn.ttf", 
    "lalezar": "Lalezar.ttf",
    "amiri": "Amiri-Bold.ttf", 
    "sarbaz": "Sarbaz.ttf", 
    "nastaliq": "IranNastaliq.ttf", 
    "vazir-thin": "Vazirmatn-Thin.ttf", 
    "mada-thin": "Mada-ExtraLight.ttf", 
    "aref-bold": "ArefRuqaa-Bold.ttf", 
    "dastnevis": "Dastnevis.ttf",
    "entazar": "Entazar.ttf",
    "kamran": "Kamran.ttf",
    "gharib": "Gharib.ttf",
    "pinar": "Pinar-Bold.ttf",
    "hasti": "Hasti.ttf",
}

def ensure_fonts_downloaded():
    """
    دیگر هیچ فایل فونتی داخل خود پروژه/اسپیس قرار نمی‌گیرد.
    این تابع در لحظه بالا آمدن سرور، تمام فایل‌های فونت را از دیتاست عمومی
    هاگینگ‌فیس (Opera8/font) دریافت کرده و در مسیر static/fonts ذخیره می‌کند.
    """
    os.makedirs(FONT_DIR, exist_ok=True)
    downloaded_names = []
    failed_names = []
    try:
        from huggingface_hub import list_repo_files, hf_hub_download
        remote_files = list_repo_files(repo_id=FONT_DATASET_REPO_ID, repo_type="dataset")
        font_remote_files = [f for f in remote_files if f.lower().endswith((".ttf", ".otf"))]

        for remote_name in font_remote_files:
            local_name = os.path.basename(remote_name)
            local_path = os.path.join(FONT_DIR, local_name)
            try:
                cached_file_path = hf_hub_download(repo_id=FONT_DATASET_REPO_ID, filename=remote_name, repo_type="dataset")
                shutil.copyfile(cached_file_path, local_path)
                downloaded_names.append(local_name)
            except Exception as e:
                failed_names.append(f"{local_name} ({e})")
    except Exception as e:
        print(f"❌ اتصال به دیتاست فونت‌ها «{FONT_DATASET_REPO_ID}» ناموفق بود: {e}")
        return

    if downloaded_names:
        print(f"✅ تعداد {len(downloaded_names)} فونت از دیتاست «{FONT_DATASET_REPO_ID}» با موفقیت دریافت و ذخیره شد: {', '.join(downloaded_names)}")
    if failed_names:
        print(f"❌ دریافت {len(failed_names)} فونت از دیتاست با خطا مواجه شد:")
        for name in failed_names:
            print(f"   - {name}")

# --- تنظیمات چندزبانه (Multi-language support) ---
# هر زبان: کد ویسپر گراک، جهت نوشتار، متن راهنمای رونویسی، و فونت پیش‌فرض امن برای آن زبان
SUPPORTED_LANGUAGES = {
    "fa": {
        "label": "فارسی", "flag": "🇮🇷", "rtl": True, "whisper_code": "fa",
        "default_font": "pinar",
        "prompt": "سلام سلام، چطوری؟ کلمات دقیقاً همان‌طور که تلفظ می‌شوند، با رعایت حروف اضافه، ساختار عامیانه، محاوره‌ای و شکسته نوشته شوند. حتماً تمامی کلمات تکراری و تکرار پشت سر هم کلمات (مثل سلام سلام، خوب خوب) دقیقاً و دونه به دونه ثبت شوند و به هیچ عنوان حذف یا خلاصه‌سازی نشوند."
    },
    "en": {
        "label": "English", "flag": "🇺🇸", "rtl": False, "whisper_code": "en",
        "default_font": "vazir",
        "prompt": "Hi hi, how are you? Transcribe the words exactly as spoken, keeping casual and colloquial speech intact. Repeated words said back to back (like hi hi, okay okay) must be written exactly and individually, never removed, merged or summarized."
    },
    "ar": {
        "label": "العربية", "flag": "🇸🇦", "rtl": True, "whisper_code": "ar",
        "default_font": "amiri",
        "prompt": "مرحباً مرحباً، كيف حالك؟ يجب كتابة الكلمات تماماً كما تُنطق، بما في ذلك اللهجة العامية. يجب تدوين الكلمات المكررة المتتالية (مثل مرحباً مرحباً) بدقة ودون حذف أو تلخيص."
    },
    "tr": {
        "label": "Türkçe", "flag": "🇹🇷", "rtl": False, "whisper_code": "tr",
        "default_font": "vazir",
        "prompt": "Merhaba merhaba, nasılsın? Kelimeleri tam olarak söylendiği gibi, günlük konuşma diliyle yazın. Art arda tekrar eden kelimeler (merhaba merhaba gibi) tek tek ve eksiksiz yazılmalı, asla silinmemeli veya özetlenmemelidir."
    },
    "es": {
        "label": "Español", "flag": "🇪🇸", "rtl": False, "whisper_code": "es",
        "default_font": "vazir",
        "prompt": "Hola hola, ¿cómo estás? Transcribe las palabras exactamente como se pronuncian, manteniendo el habla coloquial. Las palabras repetidas consecutivamente (como hola hola) deben escribirse exactamente, sin eliminarlas ni resumirlas."
    },
    "fr": {
        "label": "Français", "flag": "🇫🇷", "rtl": False, "whisper_code": "fr",
        "default_font": "vazir",
        "prompt": "Salut salut, comment ça va ? Transcrivez les mots exactement comme ils sont prononcés, en conservant le langage familier. Les mots répétés consécutivement (comme salut salut) doivent être écrits exactement, sans suppression ni résumé."
    },
    "de": {
        "label": "Deutsch", "flag": "🇩🇪", "rtl": False, "whisper_code": "de",
        "default_font": "vazir",
        "prompt": "Hallo hallo, wie geht's? Transkribiere die Wörter genau so, wie sie gesprochen werden, einschließlich Umgangssprache. Aufeinanderfolgende Wiederholungen (wie hallo hallo) müssen exakt und einzeln erfasst werden, niemals entfernt oder zusammengefasst."
    },
    "it": {
        "label": "Italiano", "flag": "🇮🇹", "rtl": False, "whisper_code": "it",
        "default_font": "vazir",
        "prompt": "Ciao ciao, come stai? Trascrivi le parole esattamente come vengono pronunciate, mantenendo il linguaggio colloquiale. Le parole ripetute consecutivamente (come ciao ciao) devono essere scritte esattamente, senza rimuoverle o riassumerle."
    },
    "pt": {
        "label": "Português", "flag": "🇵🇹", "rtl": False, "whisper_code": "pt",
        "default_font": "vazir",
        "prompt": "Oi oi, como vai? Transcreva as palavras exatamente como são faladas, mantendo a linguagem coloquial. Palavras repetidas consecutivamente (como oi oi) devem ser escritas exatamente, sem remover ou resumir."
    },
    "ur": {
        "label": "اردو", "flag": "🇵🇰", "rtl": True, "whisper_code": "ur",
        "default_font": "nastaliq",
        "prompt": "ہیلو ہیلو، کیا حال ہے؟ الفاظ کو بالکل اسی طرح لکھیں جیسے بولے گئے ہیں، بول چال کی زبان کو برقرار رکھیں۔ لگاتار دہرائے گئے الفاظ (جیسے ہیلو ہیلو) کو بالکل اور الگ الگ لکھا جائے، کبھی حذف یا خلاصہ نہ کیا جائے۔"
    },
}
DEFAULT_LANGUAGE = "fa"
RTL_LANGS = {code for code, cfg in SUPPORTED_LANGUAGES.items() if cfg["rtl"]}

def normalize_language(lang: Optional[str]) -> str:
    if lang and lang in SUPPORTED_LANGUAGES:
        return lang
    return DEFAULT_LANGUAGE

# دریافت توکن Groq و Gemini از تنظیمات سکرت اسپیس
GROQ_API_KEYS_ENV = os.getenv("GROQ_API_KEYS", "")
GROQ_API_KEYS = [k.strip() for k in GROQ_API_KEYS_ENV.split(",") if k.strip()]
groq_key_index = 0

API_KEYS = [os.getenv("GEMINI_API_KEY")] if os.getenv("GEMINI_API_KEY") else []

# --- سیستم صف و پایش موقت آپلود غیرهمگام ---
class UploadJobStatus:
    QUEUED = "queued"
    PROCESSING = "processing"
    COMPLETED = "completed"
    FAILED = "failed"

class UploadJob:
    def __init__(self, task_id: str, file_name: str, language: str = "fa"):
        self.id = task_id
        self.file_name = file_name
        self.language = language
        self.status = UploadJobStatus.QUEUED
        self.result = None
        self.error_message = None
        self.created_at = datetime.now()

upload_jobs: Dict[str, UploadJob] = {}

# --- Dynamic Style Loading ---
loaded_styles = {}
style_configs = {}
style_templates = {}

def load_all_styles():
    print("--- Loading Styles from /styles ---")
    for filename in os.listdir(STYLES_DIR):
        if filename.endswith(".py") and filename != "__init__.py":
            module_name = filename[:-3]
            file_path = os.path.join(STYLES_DIR, filename)
            spec = importlib.util.spec_from_file_location(module_name, file_path)
            if spec and spec.loader:
                mod = importlib.util.module_from_spec(spec)
                spec.loader.exec_module(mod)
                
                if hasattr(mod, 'config'):
                    ids = mod.config.get("ids", [])
                    for style_id in ids:
                        loaded_styles[style_id] = mod
                        style_configs[style_id] = mod.config
                        if hasattr(mod, 'frontend_template'):
                            style_templates[style_id] = mod.frontend_template.strip()
                        print(f"Loaded Style: {style_id}")

load_all_styles()

# تنظیم همزمانی پردازش
CONCURRENCY_LIMIT = 20
GEMINI_SEMAPHORE = asyncio.Semaphore(CONCURRENCY_LIMIT)

# --- Data Models ---
class WordInfo(BaseModel):
    word: str; start: float; end: float
    highlight: Optional[bool] = False
    color: Optional[str] = None

class SubtitleSegment(BaseModel):
    id: Optional[Union[str, int]] = None
    start: float
    end: float
    text: str
    words: Optional[List[WordInfo]] = []

class StyleConfig(BaseModel):
    font: str; fontSize: int; primaryColor: str; outlineColor: str
    backType: str; marginV: int
    x: Optional[int] = 0
    name: Optional[str] = "classic"
    radius: Optional[int] = 16
    paddingX: Optional[int] = 20
    paddingY: Optional[int] = 10
    total_video_duration: Optional[float] = None
    current_render_time: Optional[float] = None
    entry_anim_progress: Optional[float] = 1.0
    styleBgColors: Dict[str, str] = {}
    styleColors: Dict[str, str] = {}
    styleActiveColors: Dict[str, str] = {}
    useActiveColor: Optional[bool] = True
    fadeUnread: Optional[bool] = True
    fadeSurrounding: Optional[bool] = False
    typewriter: Optional[bool] = False
    language: Optional[str] = "fa"
    text_direction: Optional[str] = "rtl"
    lang_code: Optional[str] = "fa"
    ai_design: Optional[Dict] = None

class ProcessRequest(BaseModel):
    file_id: str; segments: List[SubtitleSegment]
    video_width: int; video_height: int; style: StyleConfig

class StylePrompt(BaseModel):
    description: str

class JobStatus:
    QUEUED = "queued"; PROCESSING = "processing"
    COMPLETED = "completed"; FAILED = "failed"

class Job:
    def __init__(self, job_id: str, request_data: ProcessRequest):
        self.id = job_id; self.data = request_data; self.status = JobStatus.QUEUED
        self.created_at = datetime.now(); self.result_url = None; self.error_message = None

render_queue = asyncio.Queue()
jobs_db: Dict[str, Job] = {}

async def queue_worker():
    print("--- Queue Worker Started ---")
    while True:
        job_id = await render_queue.get()
        job = jobs_db.get(job_id)
        if job:
            try:
                print(f"Processing job: {job_id}")
                job.status = JobStatus.PROCESSING
                output_url = process_render_logic(job.data)
                job.result_url = output_url
                job.status = JobStatus.COMPLETED  # اصلاح باگ عدم تعریف نام متغیر COMPLETED
                print(f"Job {job_id} completed.")
            except Exception as e:
                print(f"Job {job_id} failed: {e}")
                job.status = JobStatus.FAILED
                job.error_message = str(e)
        render_queue.task_done()

async def cleanup_old_files_loop():
    print("--- File Cleanup Worker Started ---")
    while True:
        await asyncio.sleep(600)  # بررسی وضعیت هر ۱۰ دقیقه یک‌بار
        try:
            now = time.time()
            for filename in os.listdir(TEMP_DIR):
                file_path = os.path.join(TEMP_DIR, filename)
                if filename.endswith(".mp4") and "_final_" in filename:
                    try:
                        mtime = os.path.getmtime(file_path)
                        if now - mtime > 7200:
                            os.remove(file_path)
                            print(f"Cleanup: Removed expired final video: {filename}")
                    except Exception as e:
                        print(f"Cleanup error for {filename}: {e}")
        except Exception as e:
            print(f"Global cleanup loop error: {e}")

@app.on_event("startup")
async def startup_event(): 
    print(f"تعداد {len(API_KEYS)} کلید جیمینای و تعداد {len(GROQ_API_KEYS)} کلید گراک شناسایی شد.")
    ensure_fonts_downloaded()
    check_fonts_integrity()
    asyncio.create_task(queue_worker())
    asyncio.create_task(cleanup_old_files_loop())

def check_fonts_integrity():
    """بررسی سلامت تمامی فایل‌های فونت هنگام بالا آمدن سرور و گزارش آن به فارسی در لاگ"""
    healthy = []
    broken = []
    for key, filename in FONT_FILES_MAP.items():
        fpath = os.path.join(FONT_DIR, filename)
        if not os.path.exists(fpath):
            broken.append(f"{filename} (فایل موجود نیست)")
            continue
        try:
            ImageFont.truetype(fpath, 40)
            healthy.append(filename)
        except Exception as e:
            broken.append(f"{filename} ({e})")

    if healthy:
        print(f"✅ تعداد {len(healthy)} فونت با این نام‌ها شناسایی و با موفقیت بارگذاری شد: {', '.join(healthy)}")
    if broken:
        print(f"❌ تعداد {len(broken)} فونت خراب/ناقص یا در دسترس نبود:")
        for b in broken:
            print(f"   - {b}")

# --- Helper Functions ---
def clean_json_response(text: str):
    text = text.strip()
    if text.startswith('{') and text.endswith('}'): return text
    match = re.search(r'```json\s*(\{.*?\})\s*```', text, re.DOTALL)
    if match: return match.group(1)
    match = re.search(r'\{.*\}', text, re.DOTALL)
    if match: return match.group(0)
    return text

def get_video_info(path):
    try:
        cmd = ["ffprobe", "-v", "error", "-select_streams", "v:0", "-show_entries", "stream=width,height,duration", "-of", "json", path]
        res = subprocess.run(cmd, capture_output=True, text=True)
        data = json.loads(res.stdout)
        stream = data['streams'][0]
        w = int(stream.get('width', 1080)); h = int(stream.get('height', 1920)); dur = stream.get('duration')
        if not dur:
            cmd_dur = ["ffprobe", "-v", "error", "-show_entries", "format=duration", "-of", "json", path]
            res_dur = subprocess.run(cmd_dur, capture_output=True, text=True)
            data_dur = json.loads(res_dur.stdout)
            dur = data_dur['format'].get('duration', 60)
        return w, h, float(dur)
    except: return 1080, 1920, 60.0

_FONT_OBJ_CACHE = {}

def get_font_object(style_font_name, size):
    """
    بار کردن فونت درخواستی. اگر فایل فونت موردنظر روی دیسک نبود، مانند قبل
    به فونت پیش‌فرض Vazirmatn سوییچ می‌کند؛ اما اگر فایل فونت وجود داشت ولی خراب/ناقص
    بود (مثلاً مشکل دانلود ناقص Git LFS)، به‌جای رد شدن بی‌صدا، خطای واضح و مشخص
    می‌دهد تا خودتان متوجه شوید و فایل فونت صحیح را در static/fonts قرار دهید.
    """
    cache_key = (style_font_name, size)
    if cache_key in _FONT_OBJ_CACHE:
        return _FONT_OBJ_CACHE[cache_key]

    target_filename = FONT_FILES_MAP.get(style_font_name, "Vazirmatn.ttf")
    target_path = os.path.join(FONT_DIR, target_filename)
    if not os.path.exists(target_path):
        target_path = os.path.join(FONT_DIR, "Vazirmatn.ttf")

    try:
        font_obj = ImageFont.truetype(target_path, size)
    except Exception as e:
        raise RuntimeError(
            f"❌ فایل فونت «{os.path.basename(target_path)}» خراب یا ناقص است و بارگذاری نشد ({e}). "
            f"لطفاً یک فایل فونت (.ttf) سالم را در مسیر static/fonts/{os.path.basename(target_path)} قرار دهید."
        )

    _FONT_OBJ_CACHE[cache_key] = font_obj
    return font_obj

def get_color_tuple(color_str: str, default=(255, 255, 255, 255)):
    if not color_str or not isinstance(color_str, str): return default
    color_str = color_str.strip().lower()
    if color_str.startswith('#'):
        try:
            hex_val = color_str.lstrip('#')
            if len(hex_val) == 6: return tuple(int(hex_val[i:i+2], 16) for i in (0, 2, 4)) + (255,)
            elif len(hex_val) == 8: return tuple(int(hex_val[i:i+2], 16) for i in (0, 2, 4, 6))
        except: pass
    elif color_str.startswith('rgba'):
        try:
            content = color_str[color_str.find('(')+1 : color_str.rfind(')')]
            parts = [x.strip() for x in content.split(',')]
            if len(parts) >= 4:
                r, g, b = int(parts[0]), int(parts[1]), int(parts[2])
                a = int(float(parts[3]) * 255)
                return (r, g, b, a)
        except: pass
    elif color_str.startswith('rgb'):
        try:
            content = color_str[color_str.find('(')+1 : color_str.rfind(')')]
            parts = [x.strip() for x in content.split(',')]
            if len(parts) >= 3: return (int(parts[0]), int(parts[1]), int(parts[2]), 255)
        except: pass
    return default

def create_subtitle_image(text_parts: list, active_idx: int, width: int, height: int, style: StyleConfig, word_infos: Optional[List[WordInfo]] = None):
    img = Image.new('RGBA', (width, height), (0, 0, 0, 0))
    draw = ImageDraw.Draw(img)

    # --- تعیین جهت نوشتار و کد زبان بر اساس زبان انتخابی پروژه (چندزبانه) ---
    lang_code = normalize_language(getattr(style, 'language', None))
    is_rtl = lang_code in RTL_LANGS
    text_direction = 'rtl' if is_rtl else 'ltr'
    setattr(style, 'text_direction', text_direction)
    setattr(style, 'lang_code', lang_code)

    text_offset = 0
    fs = style.fontSize
    if style.font == 'dastnevis':
        text_offset = int(fs * 0.15) if style.name == "music_player" else int(fs * 0.25)
    elif style.font == 'entazar':
        text_offset = int(fs * 0.03) if style.name == "music_player" else int(fs * 0.2)
    elif style.font == 'kamran':
        text_offset = int(fs * 0.03) if style.name == "music_player" else int(fs * 0.2)
    elif style.font == 'pinar':
        text_offset = 0 if style.name == "music_player" else int(fs * -0.2)

    stroke_val = 0
    if style.font == 'entazar' and style.name != "music_player":
        stroke_val = 0.1

    if text_offset != 0 or stroke_val > 0:
        original_text_method = draw.text
        def custom_draw_text(xy, text, **kwargs):
            if stroke_val > 0:
                current_fill = kwargs.get('fill', (255, 255, 255, 255))
                kwargs['stroke_width'] = stroke_val
                kwargs['stroke_fill'] = current_fill
            
            # برای استایل‌های کادردار، انحراف دستی را صفر می‌کنیم تا تراز بصری کادر به هم نخورد
            actual_offset = text_offset
            if style.name in ["instagram_box", "alpha_gradient", "karaoke_static", "auto_director", "falling_karaoke"]:
                actual_offset = 0
                
            original_text_method((xy[0], xy[1] + actual_offset), text, **kwargs)
        draw.text = custom_draw_text

    font = get_font_object(style.font, style.fontSize)
    lines = []
    if style.name == "music_player":
        lines.append(text_parts)
    else:
        MAX_WORDS_PER_LINE = 5
        current_line = []
        for i, word in enumerate(text_parts):
            current_line.append(word)
            if len(current_line) == MAX_WORDS_PER_LINE:
                lines.append(current_line)
                current_line = []
        if current_line:
            lines.append(current_line)

    line_metrics = [] 
    max_line_width = 0
    for line_words in lines:
        w_widths = []
        l_width = 0
        full_line_text = " ".join(line_words)
        try: l_width = draw.textlength(full_line_text, font=font, direction=text_direction, language=lang_code)
        except: l_width = font.getlength(full_line_text)
        if l_width > max_line_width: max_line_width = l_width
        for w in line_words:
            try: wl = draw.textlength(w, font=font, direction=text_direction, language=lang_code)
            except: wl = font.getlength(w)
            w_widths.append(wl)
        line_metrics.append({"width": l_width, "words": line_words, "word_widths": w_widths})

    safe_word_infos = word_infos
    if word_infos:
        safe_word_infos = []
        self_handled = ["instagram_box", "alpha_gradient", "music_player", "falling_words", "falling_karaoke", "blue_cloud", "spring_popup", "falling_plain", "red_outline_box"]
        should_fade_unread = getattr(style, 'fadeUnread', True) and (style.name not in self_handled)
        should_fade_surr = getattr(style, 'fadeSurrounding', False) and (style.name not in self_handled)
        curr_t = getattr(style, 'current_render_time', None)
        
        for i, w in enumerate(word_infos):
            w_copy = w.copy() if hasattr(w, 'copy') else w
            
            if (i == active_idx) and not getattr(style, 'useActiveColor', True):
                if style.name in ["auto_director", "karaoke_static", "falling_karaoke", "alpha_gradient", "falling_plain"]:
                    # اعمال رنگ متن انتخابی کاربر برای استایل‌های داینامیک و نئون آلفا
                    w_copy.color = style.styleColors.get(style.name, "#FFFFFF")
                elif style.name in ["instagram_box"]:
                    # حفظ رفتار قبلی برای باکس متحرک بدون تغییر
                    w_copy.color = "#FFFFFF"
            
            is_future = (curr_t is not None and curr_t < w.start) or (curr_t is None and active_idx != -1 and i > active_idx)
            is_past = (curr_t is not None and curr_t >= w.end) or (curr_t is None and active_idx != -1 and i < active_idx)
            
            if (is_future and (should_fade_unread or should_fade_surr)) or (is_past and should_fade_surr):
                    if style.name in ["classic", "progressive_write"]:
                        default_txt_color = style.primaryColor
                    else:
                        # تعریف جدول رنگ‌های پیش‌فرض استایل‌های اختصاصی جهت جلوگیری از لود رنگ سفید اشتباه
                        default_style_colors = {
                            "blue_outline": "#0000FF",
                            "blue_cloud": "#00b4ff",
                            "dark_edges": "#ffffff",
                            "falling_words": "#ffffff",
                            "falling_karaoke": "#ffffff"
                        }
                        default_txt_color = style.styleColors.get(style.name, default_style_colors.get(style.name, "#FFFFFF"))
                    
                    tr, tg, tb, _ = get_color_tuple(w_copy.color if w_copy.color else default_txt_color, (255, 255, 255, 255))
                    
                    # قرار دادن هر دو استایل جدید در لیست بدون کادرها جهت اعمال مستقیم کانال آلفا
                    no_box_styles = ["karaoke_static", "auto_director", "plain_white", "white_outline", "dark_edges", "blue_outline", "spring_popup", "falling_plain"]
                    if style.name in no_box_styles:
                        w_copy.color = f"rgba({tr},{tg},{tb},0.35)"
                    else:
                        bg_key = 'simple_bar_main_box' if style.name == "simple_bar" else style.name
                        bgr, bgg, bgb, _ = get_color_tuple(style.styleBgColors.get(bg_key, style.outlineColor), (0, 0, 0, 255))
                        fr, fg, fb = int((tr * 0.35) + (bgr * 0.65)), int((tg * 0.35) + (bgg * 0.65)), int((tb * 0.35) + (bgb * 0.65))
                        w_copy.color = f"rgba({fr},{fg},{fb},255)"
            
            safe_word_infos.append(w_copy)

    style_module = loaded_styles.get(style.name)
    if style_module and hasattr(style_module, 'draw_frame'):
        style_module.draw_frame(
            draw=draw,
            img=img,
            width=width,
            height=height,
            style_config=style,
            lines=lines,
            line_metrics=line_metrics,
            active_idx=active_idx,
            font=font,
            color_parser=get_color_tuple,
            word_infos=safe_word_infos
        )
    else:
        y = height - style.marginV
        draw.text((width/2, y), "Style Error", font=font, fill="red")
    return img

def generate_subtitle_video(data: ProcessRequest, temp_dir: str):
    target_styles = [
        "instagram_box",      
        "dark_edges",         
        "falling_words",      
        "classic",            
        "progressive_write"   
    ]
    
    if data.style.name in target_styles:
        data.style.paddingX = (data.style.paddingX or 0) + 15

    list_file = os.path.join(temp_dir, f"{data.file_id}_list.txt")
    empty_img_path = os.path.join(temp_dir, "empty.png")
    if not os.path.exists(empty_img_path): Image.new('RGBA', (data.video_width, data.video_height), (0, 0, 0, 0)).save(empty_img_path)

    sorted_segments = sorted(data.segments, key=lambda x: x.start)
    if sorted_segments:
        setattr(data.style, 'total_video_duration', sorted_segments[-1].end)
    else:
        setattr(data.style, 'total_video_duration', 1.0)

    with open(list_file, "w") as f:
        current_timeline = 0.0
        last_generated_image = "empty.png"

        for idx, seg in enumerate(sorted_segments):
            start_time = round(max(seg.start, current_timeline), 3)
            end_time = round(max(seg.end, start_time + 0.1), 3)
            if end_time - start_time < 0.04: continue

            gap = round(start_time - current_timeline, 3)
            if gap > 0.005:
                # حذف کلمات چسبیده قبلی در زمان سکوت و نمایش ندادن هیچ متنی (نمایش فریم خالی)
                f.write(f"file 'empty.png'\nduration {gap:.3f}\n")
                current_timeline = start_time
                last_generated_image = "empty.png"
            
            current_timeline = start_time
            available_duration = round(end_time - current_timeline, 3)
            words = [w.word for w in seg.words] if seg.words else seg.text.split()
            
            if seg.words and len(words) > 0:
                seg.words.sort(key=lambda x: x.start)
                words = [w.word for w in seg.words]

                SUB_FRAME_DURATION = 0.025 if data.style.name in ["falling_words", "falling_karaoke", "spring_popup"] else 0.05
                time_cursor = start_time
                ANIMATION_DURATION = 0.4 
                while time_cursor < end_time:
                    active_word_index = -1
                    for i, w_info in enumerate(seg.words):
                        if time_cursor >= w_info.start and time_cursor < w_info.end:
                            active_word_index = i
                            break
                    setattr(data.style, 'current_render_time', time_cursor)
                    time_into_segment = time_cursor - start_time
                    anim_progress = min(1.0, time_into_segment / ANIMATION_DURATION)
                    setattr(data.style, 'entry_anim_progress', anim_progress)
                    name = f"sub_{data.file_id}_{idx}_{int(time_cursor*1000)}.png"
                    img = create_subtitle_image(words, active_word_index, data.video_width, data.video_height, data.style, word_infos=seg.words)
                    img.save(os.path.join(temp_dir, name))
                    last_generated_image = name
                    f.write(f"file '{name}'\nduration {SUB_FRAME_DURATION:.3f}\n")
                    time_cursor += SUB_FRAME_DURATION
                current_timeline = end_time
            else:
                name = f"sub_{data.file_id}_{idx}_full.png"
                img = create_subtitle_image(words, -1, data.video_width, data.video_height, data.style, word_infos=seg.words)
                img.save(os.path.join(temp_dir, name))
                f.write(f"file '{name}'\nduration {available_duration:.3f}\n")
                last_generated_image = name
                current_timeline += available_duration

        f.write(f"file 'empty.png'\nduration 30.0\n")
    return list_file

def process_render_logic(req: ProcessRequest) -> str:
    # اعمال زمان‌های مرزی دقیق برای هر سگمنت
    for s in req.segments:
        if s.words:
            s.words.sort(key=lambda x: x.start)
            s.start = s.words[0].start
            s.end = s.words[-1].end

    req.segments = [s for s in req.segments if s.end > s.start]
    req.segments.sort(key=lambda x: x.start)

    lst = generate_subtitle_video(req, TEMP_DIR)
    inp = f"{TEMP_DIR}/{req.file_id}.mp4"
    if not os.path.exists(inp): raise Exception("Input video not found")

    out = f"{TEMP_DIR}/{req.file_id}_final_{int(time.time())}.mp4"
    
    # ترکیب مستقیم روی ویدیو با حفظ زمان‌بندی متغیر (VFR) بدون دستکاری فریم‌ها
    cmd_merge = [
        "ffmpeg", "-y", 
        "-i", inp, 
        "-f", "concat", "-safe", "0", "-i", lst, 
        "-filter_complex", "[0:v][1:v]overlay=0:0:eof_action=pass[outv]", 
        "-map", "[outv]", "-map", "0:a", 
        "-c:v", "libx264", "-r", "30", "-preset", "ultrafast", "-c:a", "aac", out
    ]
    
    res = subprocess.run(cmd_merge, capture_output=True, text=True)
    if res.returncode != 0: raise Exception(f"Merge failed: {res.stderr}")
    return f"/temp/{os.path.basename(out)}"

@app.get("/")
async def index(): return FileResponse("index.html")

@app.get("/api/styles")
def get_style_definitions():
    return {
        "styles": style_configs,
        "templates": style_templates
    }

@app.get("/api/languages")
def get_supported_languages():
    return {
        "default": DEFAULT_LANGUAGE,
        "languages": [
            {"code": code, "label": cfg["label"], "flag": cfg["flag"], "rtl": cfg["rtl"]}
            for code, cfg in SUPPORTED_LANGUAGES.items()
        ]
    }

def _hex_or_default(value, default):
    """اعتبارسنجی ساده کد رنگ هگز؛ اگر نامعتبر بود مقدار پیش‌فرض امن برمی‌گردد."""
    if isinstance(value, str) and re.fullmatch(r"#[0-9A-Fa-f]{6}", value.strip()):
        return value.strip()
    return default

def _clamp_ai_design(raw: dict) -> dict:
    """
    هرچه هوش مصنوعی برگرداند، اینجا کاملاً کنترل و به مقادیر امن محدود (clamp) می‌شود
    تا موتور رندر هیچ‌وقت با یک مقدار عجیب/خراب کرش نکند.
    توجه: این استایل دیگر هیچ‌وقت کادر/باکس/پس‌زمینه دور کلمه نمی‌سازد؛ فقط
    حرکت ورود/خروج و رنگ متن (و در صورت لزوم، درخشش نور) طراحی می‌شود.
    برای فیلدهای نامعتبر/جاافتاده، به‌جای یک مقدار خنثی و همیشه‌یکسان، یک مقدار
    تصادفی و چشمگیر انتخاب می‌شود تا حتی در بدترین حالت (خطای هوش مصنوعی) هم
    خروجی «ساده و کسل‌کننده» به نظر نرسد.
    """
    if not isinstance(raw, dict):
        raw = {}

    entry_options = ["fall", "rise", "pop", "slide_left", "slide_right"]
    exit_options = ["fade", "shrink", "fall", "rise"]
    timing_options = ["elastic", "punch", "smooth"]
    glow_options = ["soft", "strong", "none"]
    valid_fonts = list(FONT_FILES_MAP.keys())
    vivid_color_pairs = [
        ("#FFFFFF", "#FFD700", "#7C4DFF"),
        ("#FFFFFF", "#00E5FF", "#FF2D95"),
        ("#F5F5F5", "#39FF14", "#8A2BE2"),
        ("#FFFFFF", "#FF6EC7", "#00B3FF"),
        ("#EAEAEA", "#FFEE58", "#FF3B30"),
        ("#FFFFFF", "#00FFC6", "#FF5E00"),
    ]

    entry_options_full = {"fall", "rise", "pop", "slide_left", "slide_right", "fade"}
    exit_options_full = {"fade", "shrink", "fall", "rise", "none"}
    timing_options_full = {"elastic", "smooth", "punch", "linear"}
    glow_options_full = {"none", "soft", "strong"}

    entry = raw.get("entry") if raw.get("entry") in entry_options_full else random.choice(entry_options)
    exit_type = raw.get("exit") if raw.get("exit") in exit_options_full else random.choice(exit_options)
    timing = raw.get("timing") if raw.get("timing") in timing_options_full else random.choice(timing_options)
    glow = raw.get("glow") if raw.get("glow") in glow_options_full else random.choice(glow_options)
    font = raw.get("font") if raw.get("font") in valid_fonts else random.choice(valid_fonts)

    try:
        stagger = float(raw.get("stagger", 0.06))
    except (TypeError, ValueError):
        stagger = 0.06
    stagger = max(0.0, min(0.12, stagger))
    if stagger == 0.0 and "stagger" not in raw:
        stagger = round(random.uniform(0.04, 0.09), 2)

    try:
        font_size = int(raw.get("fontSize", 60))
    except (TypeError, ValueError):
        font_size = 60
    font_size = max(30, min(90, font_size))

    fallback_primary, fallback_active, fallback_glow = random.choice(vivid_color_pairs)

    return {
        "entry": entry,
        "exit": exit_type,
        "timing": timing,
        "stagger": stagger,
        "glow": glow,
        "primaryColor": _hex_or_default(raw.get("primaryColor"), fallback_primary),
        "activeColor": _hex_or_default(raw.get("activeColor"), fallback_active),
        "glowColor": _hex_or_default(raw.get("glowColor") or raw.get("shapeColor"), fallback_glow),
        "font": font,
        "fontSize": font_size,
    }

@app.post("/api/generate-style")
def generate_style_api(req: StylePrompt):
    if not API_KEYS: raise HTTPException(500, "API Keys Missing")
    prompt = f"""شما یک طراح موشن‌گرافیک زیرنویس هستی. کار تو فقط طراحی «حرکت ورود کلمات» و «رنگ‌ها»ست — هیچ‌وقت دور متن یا دور کلمات کادر/باکس/حباب نمی‌سازی؛ فقط خود متن با یک انیمیشن و رنگ مشخص روی صحنه ظاهر می‌شود.

توضیح کاربر: "{req.description}"

قوانین جدی که باید دقیقاً رعایت کنی:
1) مهم‌ترین قانون: هرچه کاربر برای «جهت حرکت» گفته را دقیقاً همان اجرا کن. مثلاً:
   - «از بالا بیاد» یا «بریزه» → entry="fall"
   - «از پایین بیاد» یا «بلند شه» → entry="rise"
   - «از چپ بیاد» → entry="slide_left"
   - «از راست بیاد» → entry="slide_right"
   - «بپره تو» یا «پاپ‌آپ» → entry="pop"
   اگر کاربر جهتی نگفت، بر اساس حس‌وحال کلی یک جهت مناسب انتخاب کن.
2) رنگ: هرچه کاربر برای رنگ گفته را دقیقاً همان اجرا کن (مثلاً «قرمز» → یک قرمز واقعی مثل #FF3B30، «آبی» → یک آبی واقعی، «طلایی» → یک طلایی واقعی). اگر کاربر گفت «رنگ کل متن قرمز باشه» یعنی primaryColor باید قرمز باشد. اگر گفت «کلمه‌ای که گفته می‌شه فلان رنگ بشه» یعنی activeColor باید همان رنگ باشد. هرگز رنگ درخواستی کاربر را با یک رنگ «قشنگ‌تر» از نظر خودت جایگزین نکن.
3) glow (درخشش نور اطراف متن) را فقط وقتی روشن کن که کاربر واقعاً به نور/نئون/درخشش اشاره کرده باشد یا حس‌وحال آن (نئون، درخشان، فانتزی) از توضیحش برمی‌آید؛ در غیر این صورت glow="none".
4) اگر کلمه‌ای مثل «آبشاری»، «ریزان»، «موج» گفته شد: stagger را بالا (حدود 0.08 تا 0.12) بگذار.
5) اگر کلمه‌ای مثل «فنری»، «پرشی»، «باحال» گفته شد: timing را "elastic" یا "punch" بگذار؛ برای حس آرام و ساده timing="smooth" یا "linear" بگذار.
6) اگر کاربر توضیح ساده/مینیمالی داد (مثلاً «فقط متن سفید که آروم بیاد»)، رنگ‌ها را ساده نگه‌دار و glow="none" بگذار — زینت اضافه بدون درخواست کاربر اشتباه است.
7) هیچ‌وقت shape/کادر/باکس/پس‌زمینه دور کلمه طراحی نکن؛ فقط حرکت و رنگ خود متن مهم است.

فقط یک JSON با دقیقاً همین کلیدها برگردان (بدون هیچ توضیح اضافه، بدون Markdown):
- entry: یکی از ["fall", "rise", "pop", "slide_left", "slide_right", "fade"]  (نحوه ورود هر کلمه به صحنه)
- exit: یکی از ["fade", "shrink", "fall", "rise", "none"]  (نحوه خروج/فروکش هر کلمه بعد از گفته‌شدن)
- timing: یکی از ["elastic", "smooth", "punch", "linear"]  (منحنی حرکت)
- stagger: عددی بین 0 تا 0.12 (تاخیر آبشاری بین کلمات پشت‌سرهم؛ برای افکت آبشاری عدد بالاتر بده)
- glow: یکی از ["none", "soft", "strong"]  (درخشش نور اطراف متن؛ فقط اگر کاربر خواسته)
- primaryColor: کد رنگ هگز برای رنگ اصلی متن (دقیقاً مطابق درخواست کاربر)
- activeColor: کد رنگ هگز برای کلمه‌ای که همین الان گفته می‌شود (دقیقاً مطابق درخواست کاربر)
- glowColor: کد رنگ هگز برای نور اطراف متن (اگر glow فعال باشد)
- font: یکی از {list(FONT_FILES_MAP.keys())}
- fontSize: عددی بین 30 تا 90"""

    last_error = None
    for attempt in range(3): 
        try:
            genai.configure(api_key=random.choice(API_KEYS))
            model = genai.GenerativeModel(MODEL_NAME)
            res = model.generate_content(
                prompt,
                generation_config={
                    "response_mime_type": "application/json",
                    "temperature": 1.35,
                    "top_p": 0.97,
                }
            )
            data = json.loads(clean_json_response(res.text))
            design = _clamp_ai_design(data)
            return {"success": True, "design": design}
        except Exception as e:
            last_error = str(e)
            print(f"⚠️ تلاش {attempt + 1} برای ساخت استایل هوشمند ناموفق بود: {last_error}")
            continue
    # در صورت شکست کامل هوش مصنوعی، یک طراحی امن و پیش‌فرض برگردانده می‌شود، ولی صادقانه اعلام می‌شود که موفق نبوده
    print(f"❌ ساخت استایل هوشمند بعد از ۳ تلاش ناموفق ماند. آخرین خطا: {last_error}")
    return {"success": False, "design": _clamp_ai_design({}), "error": last_error}

# --- تابع ارسال فایل صوتی به Groq با پرامپت تقویت‌شده تکرارها (چندزبانه) ---
async def transcribe_audio_via_groq(audio_path: str, language: str = "fa"):
    global groq_key_index
    if not GROQ_API_KEYS:
        raise Exception("متغیر محیطی GROQ_API_KEYS در قسمت Secrets تنظیم نشده است.")
    
    lang_cfg = SUPPORTED_LANGUAGES.get(language, SUPPORTED_LANGUAGES[DEFAULT_LANGUAGE])
    
    # انتخاب چرخشی کلید
    current_key = GROQ_API_KEYS[groq_key_index % len(GROQ_API_KEYS)]
    groq_key_index += 1
    
    client = Groq(api_key=current_key)
    
    def call_groq():
        with open(audio_path, "rb") as file:
            return client.audio.transcriptions.create(
                file=(os.path.basename(audio_path), file.read()),
                model="whisper-large-v3",
                response_format="verbose_json",
                timestamp_granularities=["word", "segment"],
                temperature=0.0,
                language=lang_cfg["whisper_code"],
                prompt=lang_cfg["prompt"]
            )
            
    transcription = await asyncio.to_thread(call_groq)
    return transcription

# --- تابع بازگشتی هوشمند برای برش فایل‌های صوتی سنگین از نقاط سکوت (چندزبانه) ---
async def transcribe_audio_recursive(audio_path: str, start_time_offset: float = 0.0, language: str = "fa") -> list:
    file_size = os.path.getsize(audio_path)
    MAX_SIZE = 24 * 1024 * 1024  # 24 MB محدودیت امن

    if file_size <= MAX_SIZE:
        transcription = await transcribe_audio_via_groq(audio_path, language)
        
        # استخراج ساختار داده خروجی Groq
        if hasattr(transcription, "model_dump"):
            data = transcription.model_dump()
        elif hasattr(transcription, "dict"):
            data = transcription.dict()
        elif isinstance(transcription, dict):
            data = transcription
        else:
            try: data = dict(transcription)
            except: data = {}
            
        raw_word_items = []
        segments = data.get("segments", [])
        words_list = data.get("words", [])
        
        if words_list:
            raw_word_items = words_list
        elif segments:
            for seg in segments:
                text_val = seg.get("text", "").strip()
                if not text_val: continue
                if "words" in seg and seg["words"]:
                    raw_word_items.extend(seg["words"])
                else:
                    seg_start = float(seg.get("start", 0))
                    seg_end = float(seg.get("end", 0))
                    w_list = text_val.split()
                    if w_list:
                        duration = seg_end - seg_start
                        word_duration = duration / max(1, len(w_list))
                        for i, w_txt in enumerate(w_list):
                            w_start_time = seg_start + (i * word_duration)
                            raw_word_items.append({
                                "word": w_txt,
                                "start": round(w_start_time, 3),
                                "end": round(w_start_time + word_duration, 3)
                            })
        
        # اعمال آفست زمانی برای برش‌های بعدی که در جای درست قرار بگیرند
        adjusted_words = []
        for w in raw_word_items:
            if not isinstance(w, dict):
                word_text = getattr(w, "word", getattr(w, "text", ""))
                word_start = float(getattr(w, "start", getattr(w, "start_time", 0)))
                word_end = float(getattr(w, "end", getattr(w, "end_time", 0)))
            else:
                word_text = w.get("word", w.get("text", ""))
                word_start = float(w.get("start", w.get("start_time", 0)))
                word_end = float(w.get("end", w.get("end_time", 0)))
            
            adjusted_words.append({
                "word": word_text,
                "start": round(word_start + start_time_offset, 3),
                "end": round(word_end + start_time_offset, 3)
            })
        return adjusted_words

    else:
        # فایل سنگین‌تر از حد مجاز است، باید برش بخورد
        print(f"File size {file_size} > 24MB. Splitting audio...")
        audio = await asyncio.to_thread(AudioSegment.from_mp3, audio_path)
        mid_point_ms = len(audio) // 2

        # جستجو برای پیدا کردن نقطه سکوت در محدوده 40% تا 60% فایل
        search_start = int(len(audio) * 0.4)
        search_end = int(len(audio) * 0.6)
        search_chunk = audio[search_start:search_end]
        
        def find_silences():
            # تشخیص سکوت (سکوت بالاتر از 500 میلی‌ثانیه با آستانه -40dB)
            return detect_silence(search_chunk, min_silence_len=500, silence_thresh=-40)
            
        silences = await asyncio.to_thread(find_silences)
        
        if silences:
            # انتخاب سکوتی که نزدیک‌ترین فاصله را به وسط بخش مورد جستجو دارد
            best_silence = silences[len(silences)//2]
            split_point_ms = search_start + (best_silence[0] + best_silence[1]) // 2
        else:
            # اگر هیچ سکوتی پیدا نشد، دقیقاً از وسط برش می‌زنیم
            split_point_ms = mid_point_ms
            
        part1_path = audio_path.replace(".mp3", f"_part1_{int(time.time()*1000)}_{random.randint(100,999)}.mp3")
        part2_path = audio_path.replace(".mp3", f"_part2_{int(time.time()*1000)}_{random.randint(100,999)}.mp3")
        
        def export_parts():
            audio[:split_point_ms].export(part1_path, format="mp3", bitrate="64k")
            audio[split_point_ms:].export(part2_path, format="mp3", bitrate="64k")
            
        await asyncio.to_thread(export_parts)
        
        # فراخوانی بازگشتی هوش مصنوعی برای هر دو قسمت
        words1 = await transcribe_audio_recursive(part1_path, start_time_offset, language)
        words2 = await transcribe_audio_recursive(part2_path, start_time_offset + (split_point_ms / 1000.0), language)
        
        # پاکسازی فایل‌های تکه‌تکه‌شده
        try:
            os.remove(part1_path)
            os.remove(part2_path)
        except Exception as e:
            print(f"Cleanup error for split files: {e}")
            
        # تجمیع نتایج
        return words1 + words2

# --- پردازش موقت در صف پس‌زمینه (نسخه اصلاح شده بدون فیلتر متنی، چندزبانه و با پشتیبانی از فایل‌های سنگین) ---
async def bg_process_upload(task_id: str, raw_path: str, fixed_path: str, audio_path: str, language: str = "fa"):
    job = upload_jobs.get(task_id)
    if not job:
        return
    
    job.status = UploadJobStatus.PROCESSING
    try:
        # ۱. تبدیل ویدیوی خام به فرمت استاندارد 30fps h264
        proc1 = await asyncio.create_subprocess_exec(
            "ffmpeg", "-y", "-i", raw_path, "-r", "30", "-c:v", "libx264", 
            "-preset", "ultrafast", "-c:a", "copy", fixed_path,
            stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL
        )
        await proc1.communicate()
        
        w, h, total_duration = get_video_info(fixed_path)
        
        # ۲. استخراج مستقیم صدا به صورت MP3 با نرخ بیت 64k
        proc2 = await asyncio.create_subprocess_exec(
            "ffmpeg", "-y", "-i", fixed_path, "-vn", "-acodec", "libmp3lame", 
            "-ar", "16000", "-ac", "1", "-b:a", "64k", audio_path,
            stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL
        )
        await proc2.communicate()
        
        print(f"--- [BG Task {task_id}] Transcribing audio with Recursive Groq Logic (lang={language}) ---")
        
        # ۳. ارسال فایل صوتی به تابع هوشمند که فایل‌های سنگین را برش می‌دهد
        raw_word_items = await transcribe_audio_recursive(audio_path, 0.0, language)
        
        # پاکسازی فایل‌های موقت پایه
        if os.path.exists(audio_path):
            try: os.remove(audio_path)
            except: pass
        if os.path.exists(raw_path):
            try: os.remove(raw_path)
            except: pass

        if not raw_word_items:
            job.status = UploadJobStatus.FAILED
            job.error_message = "تبدیل گفتار به متن ناموفق بود. هیچ متنی در فایل شناسایی نشد."
            return

        # ۶. گروه‌بندی کلمات به صورت دسته‌های ۵ تایی استاندارد
        final_segs = []
        chunk_size = 5
        for k in range(0, len(raw_word_items), chunk_size):
            sub = raw_word_items[k:k+chunk_size]
            if not sub: continue
            sc_words = []
            for w in sub:
                sc_words.append({
                    "word": w["word"],
                    "start": round(w["start"], 3),
                    "end": round(w["end"], 3),
                    "highlight": False
                })
            
            if sc_words:
                final_segs.append({
                    "start": sc_words[0]["start"],
                    "end": sc_words[-1]["end"],
                    "text": " ".join([x["word"] for x in sc_words]),
                    "words": sc_words
                })

        lang_cfg = SUPPORTED_LANGUAGES.get(language, SUPPORTED_LANGUAGES[DEFAULT_LANGUAGE])
        suggested_style = {"primaryColor": "#FFFFFF", "outlineColor": "#000000", "font": lang_cfg["default_font"], "fontSize": 60, "backType": "solid"}

        job.result = {
            "file_id": task_id,
            "url": f"/temp/{task_id}.mp4",
            "width": w,
            "height": h,
            "segments": final_segs,
            "suggested_style": suggested_style,
            "language": language
        }
        job.status = UploadJobStatus.COMPLETED

    except Exception as e:
        if os.path.exists(audio_path):
            try: os.remove(audio_path)
            except: pass
        if os.path.exists(raw_path):
            try: os.remove(raw_path)
            except: pass
        job.status = UploadJobStatus.FAILED
        job.error_message = f"Processing Error: {str(e)}"

@app.post("/api/upload")
async def upload(background_tasks: BackgroundTasks, file: UploadFile = File(...), language: str = Form("fa")):
    task_id = str(uuid.uuid4())[:8]
    ext = file.filename.split('.')[-1]
    raw_path = f"{TEMP_DIR}/{task_id}_raw.{ext}"
    fixed_path = f"{TEMP_DIR}/{task_id}.mp4"
    audio_path = f"{TEMP_DIR}/{task_id}.mp3"
    lang = normalize_language(language)
    
    try:
        with open(raw_path, "wb") as f:
            shutil.copyfileobj(file.file, f)
            
        upload_jobs[task_id] = UploadJob(task_id, file.filename, lang)
        
        background_tasks.add_task(
            bg_process_upload, task_id, raw_path, fixed_path, audio_path, lang
        )
        
        return {"task_id": task_id, "status": UploadJobStatus.QUEUED, "language": lang}
    except Exception as e:
        if os.path.exists(raw_path):
            try: os.remove(raw_path)
            except: pass
        raise HTTPException(500, f"Failed to queue upload task: {str(e)}")

@app.get("/api/upload-status/{task_id}")
async def get_upload_status(task_id: str):
    job = upload_jobs.get(task_id)
    if not job:
        raise HTTPException(404, "Upload job not found")
    
    response = {"task_id": job.id, "status": job.status, "language": job.language}
    if job.status == UploadJobStatus.COMPLETED:
        response["result"] = job.result
    elif job.status == UploadJobStatus.FAILED:
        response["error"] = job.error_message
    return response

import glob

@app.delete("/api/delete-project/{file_id}")
async def delete_project_files(file_id: str):
    if "/" in file_id or "\\" in file_id or ".." in file_id:
        raise HTTPException(400, "Invalid file_id")
    
    raw_video_path = os.path.join(TEMP_DIR, f"{file_id}.mp4")
    if os.path.exists(raw_video_path):
        try: os.remove(raw_video_path)
        except Exception as e: print(f"Error removing raw video: {e}")
    
    final_patterns = os.path.join(TEMP_DIR, f"{file_id}_final_*.mp4")
    for f_path in glob.glob(final_patterns):
        try: os.remove(f_path)
        except Exception as e: print(f"Error removing final video {f_path}: {e}")
    
    return {"status": "success", "message": "Files deleted successfully"}

@app.post("/api/reupload")
async def reupload_video(file: UploadFile = File(...), file_id: str = Form(...)):
    if not file_id or '/' in file_id or '\\' in file_id: raise HTTPException(400, "Invalid file_id")
    target_path = os.path.join(TEMP_DIR, f"{file_id}.mp4")
    try:
        with open(target_path, "wb") as buffer: shutil.copyfileobj(file.file, buffer)
    except Exception as e: raise HTTPException(500, f"Could not save file: {e}")
    finally: await file.close()
    return {"status": "success", "message": f"File {file_id}.mp4 restored."}

@app.post("/api/enqueue-render")
async def enqueue_render(req: ProcessRequest):
    if not os.path.exists(os.path.join(TEMP_DIR, f"{req.file_id}.mp4")):
        return JSONResponse(status_code=200, content={"error": "Video not found", "error_code": "VIDEO_NOT_FOUND"})
    job_id = str(uuid.uuid4())
    jobs_db[job_id] = Job(job_id, req)
    await render_queue.put(job_id)
    return {"job_id": job_id, "status": JobStatus.QUEUED}

@app.get("/api/job-status/{job_id}")
async def get_job_status(job_id: str):
    job = jobs_db.get(job_id)
    if not job: raise HTTPException(404, "Job not found")
    response = {"job_id": job.id, "status": job.status}
    if job.status == JobStatus.QUEUED:
        response["queue_position"] = sum(1 for j in jobs_db.values() if j.status == JobStatus.QUEUED and j.created_at < job.created_at) + 1
    elif job.status == JobStatus.COMPLETED: response["url"] = job.result_url # اصلاح نام متغیر COMPLETED به JobStatus.COMPLETED
    elif job.status == JobStatus.FAILED: response["error"] = job.error_message
    return response