jhonny-editor/code/engine/scanner/configuracao_visual.py

"""Perfil declarativo que liga a configuração do painel à leitura visual."""

from dataclasses import dataclass
from typing import Any

from ..integracoes.midia import RESOLUCAO_PADRAO_DO_PROXY


RECURSOS_VISION = frozenset((
    "faces", "qualidade_facial", "pessoas", "pose", "maos", "ocr", "categorias",
    "estetica", "codigos", "horizonte", "retangulos", "contornos", "segmentacao_de_pessoas",
))

# Sensibilidades aceitas para a análise visual auxiliar e o limiar do
# detector de cortes (PySceneDetect). Valores MENORES de limiar são mais
# sensíveis — detectam mais cortes. O default segue o PySceneDetect (27).
SENSIBILIDADES_VISUAIS: dict[str, float] = {
    "muito_baixa": 45.0,
    "baixa": 35.0,
    "media": 27.0,
    "alta": 20.0,
    "muito_alta": 14.0,
}


def _inteiro_ou_nulo(valor: Any) -> int | None:
    """Converte um valor de perfil em int, preservando None."""
    if valor is None or valor == "":
        return None
    return int(valor)


@dataclass(frozen=True)
class ConfiguracaoVisualDoScanner:
    """Interface curta para uma execução de leitura visual da timeline."""

    intervalo_em_segundos: float = 1.0
    resolucao_maxima: int = 1080
    faixas_de_video: tuple[int, ...] = ()
    faixas_de_audio: tuple[int, ...] = ()
    modo_de_analise: str = "ambos"
    metricas_de_fala: bool = False
    # Classificação de emoção da fala (ProviderDeEmocaoHuggingFace) — desligada
    # por padrão, mesmo motivo de metricas_de_fala: custo de processamento.
    classificar_emocao: bool = False
    recursos_vision: frozenset[str] = RECURSOS_VISION
    detectar_cenas: bool = True
    analisar_continuidade: bool = True
    preparar_reenquadramento: bool = False
    interpretar_cena: bool = True
    # Análise visual auxiliar (PySceneDetect) — desligada por padrão.
    usar_analise_visual: bool = False
    detectar_cortes: bool = True
    sensibilidade: str = "media"
    # Leitura via proxy compactado. Para arquivos de origem pesados (MOV de
    # vários GB), ler os frames de uma cópia leve é muito mais rápido.
    usar_proxy: bool = True
    resolucao_do_proxy: int = RESOLUCAO_PADRAO_DO_PROXY
    # Limita quantos frames por clipe recebem a interpretação editorial da Apple
    # Intelligence (Foundation Models) — a etapa mais cara. None interpreta todos.
    maximo_de_frames_interpretados: int | None = None
    # Assinatura facial (InsightFace) — desligada por padrão. Nem o OpenCV nem
    # o Apple Vision reconhecem que o mesmo rosto aparece em clipes diferentes;
    # esse recurso existe só para isso, então fica fora do custo padrão.
    identidade_facial: bool = False

    def __post_init__(self) -> None:
        if self.modo_de_analise not in {"som", "imagem", "ambos"}:
            raise ValueError("modo_de_analise deve ser som, imagem ou ambos.")
        if not 0.04 <= self.intervalo_em_segundos <= 60:
            raise ValueError("intervalo_em_segundos deve estar entre 0,04 e 60.")
        if self.resolucao_maxima != 0 and not 240 <= self.resolucao_maxima <= 8640:
            raise ValueError("resolucao_maxima deve ser 0 (original) ou estar entre 240 e 8640.")
        desconhecidos = self.recursos_vision - RECURSOS_VISION
        if desconhecidos:
            raise ValueError(f"Recursos Vision desconhecidos: {', '.join(sorted(desconhecidos))}")
        if any(indice < 0 for indice in self.faixas_de_video + self.faixas_de_audio):
            raise ValueError("Índices de faixa não podem ser negativos.")
        if self.sensibilidade not in SENSIBILIDADES_VISUAIS:
            raise ValueError(
                f"Sensibilidade inválida: {self.sensibilidade}. "
                f"Use um de {', '.join(SENSIBILIDADES_VISUAIS)}.")

    @property
    def limiar_de_corte(self) -> float:
        """Limiar do ContentDetector para a sensibilidade configurada."""
        return SENSIBILIDADES_VISUAIS[self.sensibilidade]

    @classmethod
    def de_dict(cls, dados: dict[str, Any]) -> "ConfiguracaoVisualDoScanner":
        """Lê o mesmo JSON produzido pelo painel, sem vazar detalhes de adapters."""
        return cls(
            intervalo_em_segundos=float(dados.get("intervalo_em_segundos", 1)),
            resolucao_maxima=int(dados.get("resolucao_maxima", 1080)),
            faixas_de_video=tuple(sorted(set(int(item) for item in dados.get("faixas_de_video", ())))),
            faixas_de_audio=tuple(sorted(set(int(item) for item in dados.get("faixas_de_audio", ())))),
            modo_de_analise=str(dados.get("modo_de_analise", "ambos")),
            metricas_de_fala=bool(dados.get("metricas_de_fala", False)),
            classificar_emocao=bool(dados.get("classificar_emocao", False)),
            recursos_vision=frozenset(dados.get("recursos_vision", RECURSOS_VISION)),
            detectar_cenas=bool(dados.get("detectar_cenas", True)),
            analisar_continuidade=bool(dados.get("analisar_continuidade", True)),
            preparar_reenquadramento=bool(dados.get("preparar_reenquadramento", False)),
            interpretar_cena=bool(dados.get("interpretar_cena", True)),
            usar_analise_visual=bool(dados.get("usar_analise_visual", False)),
            detectar_cortes=bool(dados.get("detectar_cortes", True)),
            sensibilidade=str(dados.get("sensibilidade", "media")),
            usar_proxy=bool(dados.get("usar_proxy", True)),
            resolucao_do_proxy=int(dados.get("resolucao_do_proxy", RESOLUCAO_PADRAO_DO_PROXY)),
            maximo_de_frames_interpretados=_inteiro_ou_nulo(dados.get("maximo_de_frames_interpretados", None)),
            identidade_facial=bool(dados.get("identidade_facial", False)),
        )

    def para_dict(self) -> dict[str, Any]:
        """Serializa a configuração no mesmo formato de JSON consumido pelo painel."""
        return {
            "versao": 1,
            "intervalo_em_segundos": self.intervalo_em_segundos,
            "resolucao_maxima": self.resolucao_maxima,
            "faixas_de_video": list(self.faixas_de_video),
            "faixas_de_audio": list(self.faixas_de_audio),
            "modo_de_analise": self.modo_de_analise,
            "metricas_de_fala": self.metricas_de_fala,
            "classificar_emocao": self.classificar_emocao,
            "recursos_vision": sorted(self.recursos_vision),
            "detectar_cenas": self.detectar_cenas,
            "analisar_continuidade": self.analisar_continuidade,
            "preparar_reenquadramento": self.preparar_reenquadramento,
            "interpretar_cena": self.interpretar_cena,
            "usar_analise_visual": self.usar_analise_visual,
            "detectar_cortes": self.detectar_cortes,
            "sensibilidade": self.sensibilidade,
            "usar_proxy": self.usar_proxy,
            "resolucao_do_proxy": self.resolucao_do_proxy,
            "maximo_de_frames_interpretados": self.maximo_de_frames_interpretados,
            "identidade_facial": self.identidade_facial,
        }