package pw.binom.agentik.desktop.voice

import androidx.compose.foundation.background
import androidx.compose.foundation.layout.Box
import androidx.compose.foundation.layout.fillMaxSize
import androidx.compose.ui.Modifier
import androidx.compose.ui.test.ExperimentalTestApi
import androidx.compose.ui.test.runComposeUiTest
import pw.binom.agentik.desktop.ui.renderMarkdownSegments
import pw.binom.agentik.desktop.ui.theme.AgentikTheme
import pw.binom.agentik.desktop.ui.theme.ProvideAgentikTheme
import pw.binom.agentik.desktop.ui.theme.toAgentikTheme
import kotlin.test.Test
import kotlin.test.assertTrue

/**
 * Настоящая речь через весь продуктовый путь, в том порядке, в каком это
 * происходит в приложении:
 *
 * 1. [VoiceNative.warmUp] — нативный ASR (Vosk + ONNX VAD) прогревается ДО skia;
 * 2. инициализируется skiko (оффскрин-рендер Compose с текстом);
 * 3. создаётся **новый** [VoskVoiceRecognizer] (свежая модель Vosk + свежий VAD)
 *    уже после skia и распознаёт реальный русский сэмпл.
 *
 * Шаг 3 — это ровно то, что делает кнопка микрофона в приложении (каждая запись
 * создаёт свой распознаватель). Без шага 1 он валит JVM с SIGSEGV: см.
 * [VoiceNative]. Реплика в `raz-dva-tri.wav` — «раз два три четыре пять»
 * (16 кГц, моно, s16le).
 */
class RealSpeechIT {

    @OptIn(ExperimentalTestApi::class)
    @Test
    fun `speech is recognized after the compose window has been initialized`() {
        // 1. как в main(): прогреваем нативный ASR до skiko.
        assertTrue(VoiceNative.warmUp(), "нативный ASR должен прогреться до skiko")
        assertTrue(VoiceNative.available)

        // 2. skiko/Compose инициализируется и реально рисует (как окно приложения).
        runComposeUiTest {
            setContent {
                ProvideAgentikTheme("dark".toAgentikTheme()) {
                    Box(Modifier.fillMaxSize().background(AgentikTheme.colors.botBubble)) {
                        renderMarkdownSegments(
                            content = "проверка: **окно** уже отрисовано",
                        )
                    }
                }
            }
        }

        // 3. обычный путь распознавания — уже после skiko.
        val recognizer = VoskVoiceRecognizer()
        try {
            val pcm = loadPcm("/voice/raz-dva-tri.wav")
            assertTrue(pcm.size > VOICE_SAMPLE_RATE, "сэмпл должен быть длиннее секунды")

            var offset = 0
            val chunk = VOICE_SAMPLE_RATE / 10 * 2
            var maxPartial = ""
            while (offset < pcm.size) {
                val n = minOf(chunk, pcm.size - offset)
                recognizer.feed(pcm.copyOfRange(offset, offset + n))
                offset += n
                recognizer.partial()?.let { if (it.length > maxPartial.length) maxPartial = it }
            }

            val final = recognizer.finish()
            assertTrue(recognizer.speechDetected, "VAD должен увидеть речь (partials: '$maxPartial')")
            assertTrue(
                final.contains("раз") && final.contains("пять"),
                "ожидали услышать «раз два три четыре пять», получили: '$final' (partials: '$maxPartial')",
            )
        } finally {
            recognizer.close()
        }
    }

    /** PCM-данные из WAV: пропускаем RIFF-заголовок до чанка `data`. */
    private fun loadPcm(resource: String): ByteArray {
        val bytes = javaClass.getResourceAsStream(resource)!!.readBytes()
        var i = 12
        while (i + 8 <= bytes.size) {
            val id = String(bytes, i, 4, Charsets.US_ASCII)
            val size = (bytes[i + 4].toInt() and 0xFF) or
                ((bytes[i + 5].toInt() and 0xFF) shl 8) or
                ((bytes[i + 6].toInt() and 0xFF) shl 16) or
                ((bytes[i + 7].toInt() and 0xFF) shl 24)
            if (id == "data") return bytes.copyOfRange(i + 8, minOf(i + 8 + size, bytes.size))
            i += 8 + size + (size and 1)
        }
        error("в $resource нет data-чанка")
    }
}