starpivot/apps/client/lib/data/services/alibaba_image_translation_service.dart

import 'dart:convert';
import 'dart:typed_data';

import 'package:get/get.dart';
import 'package:http/http.dart' as http;

import '../../core/utils/logger.dart';
import '../../data/models/appconfig.dart';
import '../../modules/picture_translation/models/picture_translation_models.dart';
import 'language_manager.dart';

/// 阿里云百炼（通义千问 VL）图片翻译服务。
///
/// 用来替掉火山的 `TranslateImage`。两边能力并不完全等价，选它的理由与取舍：
///
/// **火山 TranslateImage 会返回**：每个文本块的四点坐标、前景/背景平均色，
/// 以及一张「把译文回贴到原图」的成品图。
/// **本实现返回**：识别原文、译文、检测语种；坐标/配色/回贴图**不提供**。
///
/// 这样取舍是因为 UI 实际只用到了文本、译文和检测语种
/// （`points` / `foreColor` / `backColor` 在整个 picture_translation 模块里
/// 从未被引用），而回贴图在视图层本来就是判空后条件渲染的，
/// 给 null 会自动隐藏那一块，不会出错。
///
/// 模型走 DashScope 的 OpenAI 兼容接口。`qwen-vl-max-latest` 在当前
/// 账号下未开通（access_denied），实测可用的是 `qwen-vl-plus`，
/// 因此默认用它，并允许通过配置覆盖。
class AlibabaImageTranslationService extends GetxService {
  static const String _tag = 'AlibabaImageTranslation';
  static const String _defaultEndpoint =
      'https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions';
  static const String _defaultModel = 'qwen-vl-plus';

  late String _apiKey;
  late String _endpoint;
  late String _model;

  bool _isInitialized = false;
  bool get isInitialized => _isInitialized;

  final LanguageManager _languageManager = Get.find<LanguageManager>();

  @override
  Future<void> onInit() async {
    await initialize();
    super.onInit();
  }

  Future<bool> initialize() async {
    if (_isInitialized) return true;
    try {
      _apiKey = AppConfig.cred('ast_alibaba', 'app_key', 'ALIBABA_OPENSPEECH_APP_KEY') ?? '';
      // 模型/接口地址挂在 ast_alibaba 服务上（vl_model / vl_endpoint），和上面的 API Key 同一条；
      // cred() 对空串返回 null，所以留空自然落到默认值。
      _endpoint = AppConfig.cred('ast_alibaba', 'vl_endpoint', 'ALIBABA_VL_ENDPOINT') ?? _defaultEndpoint;
      _model = AppConfig.cred('ast_alibaba', 'vl_model', 'ALIBABA_VL_MODEL') ?? _defaultModel;
      if (_apiKey.trim().isEmpty) {
        Logger.e(_tag, '未配置 ALIBABA_OPENSPEECH_APP_KEY，图片翻译不可用');
        return false;
      }
      _isInitialized = true;
      Logger.i(_tag, '图片翻译服务初始化完成 model=$_model');
      return true;
    } catch (e) {
      Logger.e(_tag, '初始化异常: $e');
      return false;
    }
  }

  /// 识别图中文字并翻译成 [targetLanguageCode]（ASR 代码，如 zh-CN / en-US）。
  Future<ImageTranslationResult?> translateImage({
    required Uint8List imageBytes,
    required String targetLanguageCode,
  }) async {
    if (!_isInitialized && !await initialize()) return null;

    try {
      final targetName =
          _languageManager.getChineseNameByAsrCode(targetLanguageCode) ??
              targetLanguageCode;
      final b64 = base64.encode(imageBytes);

      // 明确要求纯 JSON。实测模型仍会套 ```json 围栏，所以下面解析时会剥掉。
      final prompt = '识别图中所有文字，并翻译成$targetName。'
          '只返回 JSON，格式：'
          '{"detectedLanguage":"<源语言短代码，如 en/zh/ja>",'
          '"blocks":[{"text":"原文","translation":"译文"}]}。'
          '按阅读顺序输出，不要任何解释或代码块标记。';

      final body = json.encode({
        'model': _model,
        'messages': [
          {
            'role': 'user',
            'content': [
              {
                'type': 'image_url',
                'image_url': {'url': 'data:image/png;base64,$b64'}
              },
              {'type': 'text', 'text': prompt},
            ],
          }
        ],
        'max_tokens': 2000,
      });

      final response = await http
          .post(Uri.parse(_endpoint),
              headers: {
                'Authorization': 'Bearer $_apiKey',
                'Content-Type': 'application/json',
              },
              body: body)
          .timeout(const Duration(seconds: 60),
              onTimeout: () => http.Response('{"error":"timeout"}', 408));

      if (response.statusCode != 200) {
        Logger.e(_tag,
            '图片翻译 HTTP 错误: status=${response.statusCode}, body=${response.body}');
        return null;
      }

      final decoded = json.decode(utf8.decode(response.bodyBytes));
      final content =
          decoded?['choices']?[0]?['message']?['content'] as String?;
      if (content == null || content.trim().isEmpty) {
        Logger.e(_tag, '图片翻译返回空内容');
        return null;
      }

      return _parseResult(content);
    } catch (e) {
      Logger.e(_tag, '图片翻译异常: $e');
      return null;
    }
  }

  /// 解析模型输出。模型习惯把 JSON 包在 ```json 围栏里，先剥掉再解析；
  /// 万一还是解析不了，就退化成「整段当作一块识别文本」，
  /// 至少让用户看到内容而不是一个失败弹窗。
  ImageTranslationResult? _parseResult(String content) {
    var text = content.trim();
    if (text.startsWith('```')) {
      final firstBreak = text.indexOf('\n');
      if (firstBreak != -1) text = text.substring(firstBreak + 1);
      final fenceEnd = text.lastIndexOf('```');
      if (fenceEnd != -1) text = text.substring(0, fenceEnd);
      text = text.trim();
    }

    try {
      final map = json.decode(text);
      if (map is Map) {
        final rawBlocks = map['blocks'];
        final detected = (map['detectedLanguage'] as String?) ?? '';
        final blocks = <ImageTextBlock>[];
        if (rawBlocks is List) {
          for (final b in rawBlocks) {
            if (b is! Map) continue;
            final src = (b['text'] ?? '').toString();
            final dst = (b['translation'] ?? '').toString();
            if (src.isEmpty && dst.isEmpty) continue;
            blocks.add(ImageTextBlock(
              points: const [], // 千问 VL 不返回文本块坐标
              detectedLanguage: detected,
              text: src,
              translation: dst,
            ));
          }
        }
        if (blocks.isNotEmpty) {
          Logger.i(_tag, '图片翻译成功：${blocks.length} 个文本块, 语种=$detected');
          return ImageTranslationResult(
            translatedImageBytes: null, // 不提供回贴图，视图层判空后自动隐藏
            blocks: blocks,
            detectedLanguage: detected,
          );
        }
      }
    } catch (e) {
      Logger.w(_tag, 'JSON 解析失败，退化为纯文本展示: $e');
    }

    if (text.isEmpty) return null;
    return ImageTranslationResult(
      translatedImageBytes: null,
      blocks: [
        ImageTextBlock(
          points: const [],
          detectedLanguage: '',
          text: '',
          translation: text,
        )
      ],
      detectedLanguage: '',
    );
  }
}