import 'translation_models.dart';

/// 把一段翻译会话的条目转成语音纪要的转写段。
///
/// 输出形状与服务端 `ContextStruct`（`echomeet_addrecord` 的 `original`）
/// 和本地 `meetingspeaker` 表一致：`content / starttime / endtime / speaker`，
/// 时间是**相对录音起点的毫秒**——纪要详情页拿它做 seekTo，写成绝对时间戳
/// 会让点一句跳到音频末尾之外。
///
/// 纯函数，不碰 controller，见 `test/translation_export_test.dart`。
List<Map<String, Object?>> buildMeetingTranscript({
  required List<TranslationItem> items,
  required DateTime recordingStartedAt,
  required String mode,
  required String ownLanguageCode,
  List<(DateTime, DateTime)> pauses = const [],
}) {
  // 只要**这段录音**里说过的整句：中间结果是同一句话的半成品，
  // 录音开始前的是上一轮留在列表里的历史。
  final finals = items
      .where((e) =>
          !e.isIntermediate &&
          e.sourceText.trim().isNotEmpty &&
          !e.timestamp.isBefore(recordingStartedAt))
      .toList()
    ..sort((a, b) => a.timestamp.compareTo(b.timestamp));
  if (finals.isEmpty) return const [];

  final twoParty = mode == 'call' || mode == 'faceToFace';
  final out = <Map<String, Object?>>[];
  for (var i = 0; i < finals.length; i++) {
    final item = finals[i];
    final start = _offsetMs(item.timestamp, recordingStartedAt, pauses);
    // 结束时间取下一句开头；最后一句按字数估一个上限，别让它盖到音频末尾之外
    final int end = i + 1 < finals.length
        ? _offsetMs(finals[i + 1].timestamp, recordingStartedAt, pauses)
        : start + _estimateSpeechMs(item.sourceText);
    out.add({
      'content': _content(item),
      'starttime': start,
      'endtime': end < start ? start : end,
      'speaker': twoParty ? _speakerOf(item, ownLanguageCode) : '',
    });
  }
  return out;
}

/// 相对录音起点的毫秒数，扣掉在这句话之前发生过的暂停时长。
/// 面对面翻译是逐句按住说话、松开就暂停录音的，不扣的话越往后偏得越多。
int _offsetMs(
    DateTime at, DateTime startedAt, List<(DateTime, DateTime)> pauses) {
  var ms = at.difference(startedAt).inMilliseconds;
  for (final (from, to) in pauses) {
    if (!to.isAfter(at)) {
      ms -= to.difference(from).inMilliseconds;
    } else if (from.isBefore(at)) {
      ms -= at.difference(from).inMilliseconds;
    }
  }
  return ms < 0 ? 0 : ms;
}

/// 按字数估一句话的时长：中文约 4 字/秒，取 1~30 秒。
int _estimateSpeechMs(String text) {
  final ms = text.trim().length * 250;
  if (ms < 1000) return 1000;
  if (ms > 30000) return 30000;
  return ms;
}

/// 原文一行、译文一行。纪要里两种语言都留着，翻译记录的价值就在对照。
String _content(TranslationItem item) {
  final src = item.sourceText.trim();
  final dst = item.translatedText.trim();
  if (dst.isEmpty || dst == src) return src;
  return '$src\n$dst';
}

/// 说话人标签：`Speaker_0` = 本端（机主），`Speaker_1` = 对端。
/// 通话翻译按 AST 的 serviceId 分（A=己方 B=对方），面对面按这句话说的是哪种语言分。
///
/// ⚠️ 格式必须与服务端转写一致（`tasks.go` 的 `normalizeSpeakers`）。
/// 原来这里写的是裸 `0` / `1`，三处后果都不在纪要本身：
///   - 转写页直接把这个字段当文案显示，别的纪要显示 `Speaker_0`，翻译来的显示 `0`；
///   - 会议纪要喂给 LLM 抽待办时 `[0]:` 和 `[Speaker_1]` 混着，抽出来的负责人
///     就是 `Speaker2`、`[Speaker_0]` 各种样；
///   - MCP 的 meaningfulPersonnel 只认 `Speaker_` 前缀，裸编号会被当成
///     「用户命名过的真人」塞给模型。
String _speakerOf(TranslationItem item, String ownLanguageCode) {
  final sid = item.serviceId.trim().toUpperCase();
  if (sid == 'A') return kSpeakerSelf;
  if (sid == 'B') return kSpeakerPeer;
  return item.sourceLanguageCode == ownLanguageCode ? kSpeakerSelf : kSpeakerPeer;
}

/// 说话人标签的两个取值。与服务端 `Speaker_<n>` 同一口径。
const String kSpeakerSelf = 'Speaker_0';
const String kSpeakerPeer = 'Speaker_1';