import os
import sys
import time
from faster_whisper import WhisperModel

def transcribe_audio(file_path, model_size="large-v3", device="cuda", compute_type="float16"):
    """
    Transcrit un fichier audio avec une précision maximale et optimisation GPU.
    """
    if not os.path.exists(file_path):
        print(f"Erreur : Le fichier {file_path} n'existe pas.")
        return None

    print(f"Chargement du modèle {model_size} sur {device}...")
    # Initialisation du modèle avec optimisation CTranslate2
    model = WhisperModel(model_size, device=device, compute_type=compute_type)

    print(f"Transcription en cours : {file_path}")
    start_time = time.time()

    # Transcription avec paramètres optimisés pour la précision médicale
    # beam_size=5 : meilleure recherche de mots
    # language="fr" : force le français pour éviter les erreurs de détection
    segments, info = model.transcribe(
        file_path, 
        beam_size=5, 
        language="fr", 
        condition_on_previous_text=True,
        vad_filter=True, # Supprime les silences pour éviter les hallucinations
        vad_parameters=dict(min_silence_duration_ms=500)
    )

    print(f"Langue détectée : {info.language} (probabilité: {info.language_probability:.2f})")
    
    full_text = []
    for segment in segments:
        timestamp = f"[{time.strftime('%H:%M:%S', time.gmtime(segment.start))}]"
        print(f"{timestamp} {segment.text}")
        full_text.append(f"{timestamp} {segment.text}")

    end_time = time.time()
    duration = end_time - start_time
    print(f"
Transcription terminée en {duration:.2f} secondes.")
    
    return "
".join(full_text)

if __name__ == "__main__":
    if len(sys.argv) < 2:
        print("Usage: python medical_transcriber.py <audio_file>")
    else:
        audio_file = sys.argv[1]
        transcript = transcribe_audio(audio_file)
        if transcript:
            output_file = audio_file.rsplit('.', 1)[0] + "_transcript.txt"
            with open(output_file, "w", encoding="utf-8") as f:
                f.write(transcript)
            print(f"Transcription sauvegardée dans : {output_file}")