// Engine TTS Qwen3 in-process : load une fois (modèles + fixtures + tokenizer),
// synthesize N fois (texte FR -> WAV). Conçu pour être appelé depuis :
//   - tts_pipeline.cpp (CLI dev)
//   - kazeia_tts_jni.cpp (bridge Kotlin)
//   - test_jni_tts.cpp (harness sans VM Java)
//
// État load-once (poids talker ~1.6 GB, CP ~250 MB, decoder ~325 MB, vocab ~50 MB,
// fixtures text_embed ~1.2 GB) = ~3.5 GB cumulé sur tablette. Une seule instance
// par process recommandée.
#pragma once
#include <cstdint>
#include <string>

struct TtsEngine;  // opaque

struct TtsEngineLoadCfg {
    const char * talker_gguf  = nullptr;  // talker_f32.gguf
    const char * vocab_gguf   = nullptr;  // ex: Qwen3-4B-Q4_0.gguf (vocab_only) ; nullptr -> pas de tokenize
    const char * dump_dir     = nullptr;  // contient cp_f16.gguf, cp_heads.bin, cp_codec_embs.bin,
                                          // qwen3tts_decoder.gguf, text_embed.bin, tp_fc1/2_*, talker_tok_embd.bin,
                                          // damien_xvector.bin, manifest_text.txt
    bool         use_htp      = false;    // true -> HTP0 prefill (option C), false -> CPU pur
    int          n_threads    = 6;
    bool         cp_use_cache = true;     // KV cache CP (cp_predict_cached) ; false -> cp_predict oracle
};

struct TtsSynthesizeCfg {
    const char * text          = nullptr;
    const char * out_wav_path  = nullptr;
    int          max_steps     = 256;
    uint32_t     seed          = 42;

    // Sampling : défauts validés à l'écoute (panel A/B) sur tts_engine + chraac subproc.
    // top_p=0.95 + rep_penalty=1.10 : sweet spot moins robotique, moins de pauses 690
    // doublées sur CB0 (cf TU.2 attracteurs identifiés). Ancien défaut top_p=1.0
    // rep=1.05 disponible en surcharge via env KZTTS_REPP / KZTTS_TOPP.
    float cp_temp        = 0.9f;
    int   cp_top_k       = 50;
    float cp_top_p       = 0.95f;
    float cp_rep_penalty = 1.10f;

    float talker_temp        = 0.9f;
    int   talker_top_k       = 50;
    float talker_top_p       = 0.95f;
    float talker_rep_penalty = 1.10f;
};

struct TtsSynthesizeResult {
    int    err           = 0;   // 0=ok ; <0 erreur (load/tokenize/decode)
    int    frames        = 0;   // N frames audio (12.5 Hz)
    double audio_s       = 0;   // = frames/12
    double total_s       = 0;   // prefill + talker_loop + decoder (hors writing WAV)
    double prefill_s     = 0;
    double talker_loop_s = 0;
    double cp_loop_s     = 0;
    double decoder_s     = 0;
    // Streaming TTFB (Time To First Byte audio) : si KZTTS_STREAM_CHUNK > 0, mesure le
    // délai entre le début de tts_engine_synthesize et le 1er chunk audio prêt à écrire.
    // 0 si streaming désactivé. Pour comparer à total_s : audio commence à sortir bien
    // avant que tout soit fini si streaming actif.
    double ttfb_s        = 0;
    int    n_chunks      = 0;   // nombre de chunks decoder exécutés (1 = pas de streaming)
};

// Charge tout. Retourne nullptr en cas d'échec.
// IMPORTANT : llama_backend_init() est appelé en interne (idempotent).
TtsEngine * tts_engine_load(const TtsEngineLoadCfg & cfg);

// Synthétise une phrase. Réinitialise la KV cache talker avant le prefill, donc
// les appels sont indépendants (pas d'état conversationnel).
TtsSynthesizeResult tts_engine_synthesize(TtsEngine * eng, const TtsSynthesizeCfg & cfg);

// Libère tout.
void tts_engine_free(TtsEngine * eng);