import os
from pathlib import Path
from dotenv import load_dotenv
import ptts
import sounddevice as sd
import numpy as np
import huggingface_hub as hf

#Load Token for HuggingFace.
load_dotenv(dotenv_path=Path(__file__).with_name(".env"))

if not os.environ.get("HF_TOKEN", "").strip():
    raise RuntimeError(
        "HF_TOKEN is not set. Add your Hugging Face token to a .env file."
    )

def main():
    print("Cargando el modelo Phonon TTS...")
    
    # Inicializamos el modelo multilingue que incluye soporte para español.
    # Nota: Si prefieres no usar el login de Hugging Face y hacer una prueba rapida,
    # puedes cambiar el id a "hf://gradium/phonon-31m-en" y lang="en" (licencia Apache 2.0).
    tts = ptts.TTS(model="hf://gradium/phonon-40m-es", lang="es")
    tts.add_voice("MiVoz", "C:\\Users\\alcar\\Downloads\\TTS\\Phonon-40M-es\\x6lttij74JUPawTc.ba7a5a45@300.safetensors")
    
    return tts
    
tts=main()
    
while True :
        
    texto_prueba = input("Escribe el texto que quieres convertir a voz: ")
    
    # 1. Guardar el resultado en un archivo WAV
    archivo_salida = "audio_clonado.wav"
    print(f"\nGenerando y guardando audio en {archivo_salida}...")
    
    # Opcionalmente, puedes pasar el parametro voice="NombreVoz" si tienes voces descargadas.
    # Sin este parametro, usara la voz por defecto del modelo.
    tts.save("audio_clonado.wav", texto_prueba, voice="MiVoz")
    print("Archivo WAV guardado exitosamente.")
    
    # 2. Streaming en tiempo real (reproduccion simultanea a la generacion)
    print("\nIniciando streaming de audio por los altavoces...")
    
    # tts.stream devuelve un generador de chunks de audio
    with tts.stream(texto_prueba, voice="MiVoz") as audio_generator:
        # Abrimos el stream fisico de audio usando la frecuencia de muestreo nativa del modelo (usualmente 24 kHz)
        with sd.OutputStream(samplerate=audio_generator.sample_rate, channels=1, dtype='float32') as stream_salida:
            for pcm_chunk in audio_generator:
                # Phonon entrega float32, lo preparamos como un array de numpy en 2D (frames, channels)
                # para asegurar la maxima compatibilidad con sounddevice
                datos_audio = np.array(pcm_chunk, dtype=np.float32).reshape(-1, 1)
                
                # Escribimos el chunk directamente a la tarjeta de sonido
                stream_salida.write(datos_audio)
                
    print("\nStreaming finalizado correctamente.")