# -*- coding: utf-8 -*-
"""Tail-Blip-Killer gegen das End-'taa' (isolierter, leiser Hall nach großer Lücke).
Verifiziert auf kurz/mittel/lang @ lsd6/t0.9: Blip weg, echte Endungen unangetastet."""
import os, numpy as np, soundfile as sf, librosa
from pocket_tts import TTSModel

BASE = r"F:\Coding Stuff\mission-control-2\client\lucy-tts"
OUT = r"C:\Users\TobisPC\Desktop\lucy_tailfix"; os.makedirs(OUT, exist_ok=True)
src, _ = librosa.load(os.path.join(BASE, "ref.mp3"), sr=24000, mono=True)
srt, _ = librosa.effects.trim(src, top_db=30); ref = os.path.join(BASE, "ref.wav")
sf.write(ref, srt[:int(18*24000)], 24000)

SENT = {
 "kurz":  "Hallo Commander, ich höre dich.",
 "mittel":"Guten Morgen, Commander. Das Backup ist sauber durchgelaufen und es gab keine Fehler.",
 "lang":  "Natürlich kümmere ich mich darum, Commander. Ich starte den Dienst neu, prüfe die Protokolle und melde mich, sobald alles wieder läuft.",
}

def drop_tail_blip(a, sr):
    """Entferne isolierten, leisen/kurzen Schwanz-Blip (Modell-Halluzination)."""
    for _ in range(3):  # bis zu 3 Blips hintereinander
        iv = librosa.effects.split(a, top_db=35)
        if len(iv) < 2:
            break
        speech_rms = float(np.median([np.sqrt(np.mean(a[s:e]**2)) for s, e in iv[:-1]]))
        s, e = iv[-1]
        last_dur = (e - s) / sr
        last_rms = float(np.sqrt(np.mean(a[s:e]**2)))
        gap = (s - iv[-2][1]) / sr
        # isoliert (große Lücke) UND (kurz ODER deutlich leiser als Sprache) -> Halluzination
        if gap > 0.30 and (last_dur < 0.30 or last_rms < 0.45 * speech_rms):
            a = a[: iv[-2][1]]
        else:
            break
    return a

def cleanup_v3(a, sr):
    a = np.asarray(a, dtype=np.float32).reshape(-1)
    if a.size == 0: return a
    a = drop_tail_blip(a, sr)                      # NEU: End-'taa' weg
    peak = float(np.max(np.abs(a)))
    if peak > 0: a = a * (0.95 / peak)
    yt, _ = librosa.effects.trim(a, top_db=45); a = yt if yt.size else a
    fi = min(int(0.01*sr), a.size//2)
    if fi > 0:
        a[:fi] *= np.linspace(0.,1.,fi,dtype=np.float32); a[-fi:] *= np.linspace(1.,0.,fi,dtype=np.float32)
    pad = np.zeros(int(0.09*sr), dtype=np.float32)
    return np.concatenate([pad, a, pad])

m = TTSModel.load_model(language="german_24l", lsd_decode_steps=6, temp=0.9)
vs = m.get_state_for_audio_prompt(ref); sr = m.sample_rate
for name, text in SENT.items():
    raw = m.generate_audio(vs, text, frames_after_eos=4)
    raw = raw.numpy() if hasattr(raw,"numpy") else np.asarray(raw)
    raw = np.asarray(raw, dtype=np.float32).reshape(-1)
    fixed = cleanup_v3(raw, sr)
    sf.write(os.path.join(OUT, f"t090_{name}.wav"), fixed, sr)
    # Verifikations-Log: letzte Segmente vorher/nachher
    iv0 = librosa.effects.split(raw, top_db=35)
    print(f"[{name:6}] raw_dur={raw.size/sr:.2f}s -> fixed_dur={fixed.size/sr:.2f}s  raw_segmente={len(iv0)}", flush=True)
    if len(iv0):
        s,e = iv0[-1]; print(f"         raw letztes Segment: {s/sr:.2f}..{e/sr:.2f}s rms={np.sqrt(np.mean(raw[s:e]**2)):.3f}", flush=True)
print("TAILFIX_DONE", flush=True)