import sys
import os
import pyaudio
from vosk import Model, KaldiRecognizer
import ctypes
import time
import keyboard
import winsound



BUFFER = 2000  # Tamaño del buffer de audio
RECOGNITION_ACTIVE = False  # Estado inicial del reconocimiento

# Códigos virtuales para las teclas
VK_ALTGR = 0xA5  # AltGr (Right Alt)
VK_AUX = 0x50  # P (corresponde al código de tecla en el teclado español)

# Función para verificar si una tecla está presionada
def is_key_pressed(key_code):
    return ctypes.windll.user32.GetAsyncKeyState(key_code) & 0x8000 != 0

# Carga el modelo de Vosk (español)
def load_model(model_path="vosk-model-es-0.42"):
    print("Cargando modelo de reconocimiento de voz, por favor espera...")
    model = Model(model_path)
    print("Modelo cargado exitosamente.")
    return model

# Inicializa PyAudio
def initialize_audio():
    p = pyaudio.PyAudio()
    stream = p.open(
        format=pyaudio.paInt16,
        channels=1,
        rate=16000,
        input=True,
        frames_per_buffer=2000
    )
    stream.start_stream()
    return p, stream

# Cambia el estado del reconocimiento de voz
def toggle_recognition_state():
    global RECOGNITION_ACTIVE
    RECOGNITION_ACTIVE = not RECOGNITION_ACTIVE
    state = "activado" if RECOGNITION_ACTIVE else "desactivado"
    print(f"Reconocimiento de voz {state}.")


# Escucha el audio del stream
def listen_audio(stream):
    return stream.read(BUFFER, exception_on_overflow=False)

# Procesa el audio y realiza la transcripción
def process_audio(data, recognizer):
    if recognizer.AcceptWaveform(data):
        result = recognizer.Result()  # Obtiene la transcripción
        text = eval(result)['text'].encode('utf-8').decode('utf-8')
        if text.strip():
            print(text)  # Muestra la transcripción en consola
            keyboard.write(text)  # Escribe el texto donde esté el cursor

# Cierra los recursos de audio
def close_audio_resources(p, stream):
    stream.stop_stream()
    stream.close()
    p.terminate()

# Función principal del programa
def main():
    global RECOGNITION_ACTIVE

    # Inicializa el modelo y los recursos de audio
    model = load_model()


    print("Presiona 'AltGr' + 'P' para activar/desactivar el reconocimiento de voz...")


    p, stream = initialize_audio()
    recognizer = KaldiRecognizer(model, 16000)

    try:
        while True:
            # Detecta si 'AltGr' y 'P' están presionadas
            if is_key_pressed(VK_ALTGR) and is_key_pressed(VK_AUX):
                toggle_recognition_state()
                while is_key_pressed(VK_ALTGR) or is_key_pressed(VK_AUX):
                    time.sleep(0.1)  # Espera a que se suelten las teclas para evitar múltiples activaciones

            # Leer audio continuamente
            audio_data = listen_audio(stream)

            # Procesar el audio según el estado del reconocimiento
            if RECOGNITION_ACTIVE:
                process_audio(audio_data, recognizer)
            else:
                # Solo evalúa si hay un resultado válido, pero no lo usa
                if recognizer.AcceptWaveform(audio_data):
                    recognizer.Result()

            time.sleep(0.05)  # Pequeña pausa para reducir la carga de la CPU

    except KeyboardInterrupt:
        print("\nPrograma terminado por el usuario.")
    finally:
        close_audio_resources(p, stream)

if __name__ == "__main__":
    main()