"""真实语音时间对齐集成测试（数据 → 测试过程 → 验证结果）。

覆盖模块：`nodes/whisper.py`（真实转写）+ `tests/shared/realdata_contract.py`
（对齐量化工具）。这是模块级直测的补充：用真实模型 + 真实音频 + 人工校对
参考字幕，量化字幕时间轴与"说话真实发生时间"的偏差。

数据契约：`tests/shared/data/alignment/` 下 `<name>.wav|.mp4` 与其同名
`<name>.reference.srt`（人工校对）。素材缺失或本地无模型时跳过。
"""

from __future__ import annotations

from pathlib import Path

import pytest

from nodes.whisper import _local_model_candidates, invoke
from tests.shared.realdata_contract import (
    TIER1_TOLERANCE_SECONDS,
    align_report,
    alignment_candidates,
    clean_reference,
)
from tests.shared.srt_entries import parse_srt_entries
from wov_sdk.models import InvokeRequest


def _model_available() -> Path | None:
    """返回可用的 V2 权重目录（缺失则返回 None 供跳过）。

    只接受 V2 权重：V3 已全面停用（均改用 V2），留在盘上的 V3 目录不得被
    测试使用，否则测的不是线上实际运行的模型。
    """
    from tests.nodes.test_whisper.test_transcribe import _v2_model_candidates

    for candidate in _v2_model_candidates():
        if candidate.is_dir() and (candidate / "model.bin").is_file():
            return candidate
    return None


def _sample_dir() -> Path | None:
    """返回包含对齐素材的目录（共享数据目录；缺失时返回 None）。"""
    directory = Path(__file__).resolve().parents[2] / "shared" / "data" / "alignment"
    return directory if directory.is_dir() else None


MEDIA_SUFFIXES = {
    ".wav", ".mp3", ".flac", ".m4a", ".aac", ".ogg",
    ".mp4", ".mkv", ".mov", ".webm", ".ts",
}


@pytest.mark.integration
def test_real_alignment_candidates_discovered() -> None:
    """对齐素材探查：能找到成对的媒体与参考字幕（数据契约可用）。"""
    # 数据：共享数据目录下的真实素材。
    directory = _sample_dir()
    if directory is None:
        pytest.skip("缺少 tests/shared/data/alignment 目录")
    # 真实媒体素材不入库（.gitignore 掉的 mp4/wav），没拷过素材属环境状态：跳过
    # 而不是失败；只要有一个媒体文件就说明素材已就位，此时配对不全才是真回归。
    has_media = any(p.is_file() and p.suffix.lower() in MEDIA_SUFFIXES
                    for p in directory.iterdir())
    if not has_media:
        pytest.skip("缺少真实媒体素材（按需从媒体库复制，不入库）")

    # 测试过程
    candidates = alignment_candidates(directory)

    # 验证结果：至少一对，且每对都有同名 reference.srt。
    assert candidates, "应至少有一对素材 + 参考字幕"
    for media in candidates:
        assert media.with_suffix(".reference.srt").is_file()


@pytest.mark.integration
def test_real_whisper_alignment_within_tolerance(tmp_path) -> None:
    """真实转写产物 vs 人工参考字幕：时间偏差在容差内且无系统性偏移。

    这验证"字幕时间与说话时刻对齐"这一核心功能，使用真实模型与真实音频。
    """
    # 数据：最小的真实对齐素材（避免长视频拖慢测试）。
    directory = _sample_dir()
    model_dir = _model_available()
    if directory is None or model_dir is None:
        pytest.skip("缺少对齐素材或本地 whisper 权重，跳过")
    # 显存不足时跳过（转写整段真实音频需要显存，属外部环境状态）。
    from tests.shared.gpu_memory import require_gpu_memory, require_node_result

    require_gpu_memory(model_dir)
    candidates = alignment_candidates(directory)
    if not candidates:
        pytest.skip("没有成对的对齐素材")
    media = min(candidates, key=lambda p: p.stat().st_size)
    reference = clean_reference(
        parse_srt_entries(media.with_suffix(".reference.srt").read_text(encoding="utf-8"))
    )
    if not reference:
        pytest.skip("参考字幕为空")

    # 测试过程：走真实生产链路——先提音（视频/任意容器 → 16kHz 单声道 WAV），
    # 再转写。whisper 只接受 WAV，直接喂 mp4 会解析失败（对齐素材多为 mp4）。
    from nodes.ffmpeg import invoke as extract_audio

    audio = extract_audio(InvokeRequest(
        run_id="alignment", node_instance_id="ffmpeg-1", params={},
        inputs={"video_uri": str(media)}, output_dir=str(tmp_path / "audio"),
    ))
    require_node_result(audio, model_dir)
    assert audio.status == "completed", audio.error
    response = invoke(InvokeRequest(
        run_id="alignment", node_instance_id="whisper-1",
        params={
            "language": "ja",
            # 本用例目标是"时间轴对齐"：整段单次解码（chunk_seconds=0）避免
            # 分块上下文带来的额外显存与上下文损失；分块路径本身已由
            # whisper 模块测试覆盖。实测 6GB 卡上该配置稳定完成。
            "chunk_seconds": 0,
            "vad_filter": True,
            "model_path": str(model_dir),
        },
        inputs={"audio_uri": audio.outputs["audio_uri"]},
        output_dir=str(tmp_path / "out"),
    ))
    require_node_result(response, model_dir)
    assert response.status == "completed", response.error
    produced = parse_srt_entries(open(response.outputs["srt_uri"], encoding="utf-8").read())
    report = align_report(media.stem, True, produced, reference)

    # 验证结果（基线由 V2 模型实测标定，见 docs/testing.md）：
    # - 产出条数与参考规模同量级（不丢整段、不大量幻觉）；
    # - 平均绝对偏差在真实转写抖动范围内；
    # - 中位偏差不构成系统性偏早/偏晚。
    assert produced, "真实转写应产出字幕"
    assert len(produced) >= len(reference) * 0.5, report.format_summary()
    assert report.mean_abs_error <= 2.0, report.format_summary()
    assert not report.consistently_early, report.format_summary()
    assert not report.consistently_late, report.format_summary()