app-hejyou/src/utils/chipTimings.js

// Karaoke-Timing: aus dem Satz + ElevenLabs-`alignment` pro Wort-/Objekt-Chip
// ein Zeitfenster (Medienzeit in Sekunden) berechnen, damit beim Vorlesen das
// gerade gesprochene Chip markiert werden kann.
//
// alignment-Format (ElevenLabs /with-timestamps):
//   { characters: string[],
//     character_start_times_seconds: number[],
//     character_end_times_seconds: number[] }
// `characters.join('')` entspricht dem vertonten Klartext (Platzhalter durch Labels ersetzt).

const CHIP_RE = /\{\{([^.]+)\.(w|o):([0-9a-f-]{36})\}\}/g

// Liefert [{ id, label, start, end }] – ein Eintrag pro Chip-Vorkommen im Satz.
export function buildChipTimings(sentence, alignment) {
  if (!sentence || !alignment) return []
  const chars = alignment.characters
  const starts = alignment.character_start_times_seconds
  const ends = alignment.character_end_times_seconds
  if (!Array.isArray(chars) || !Array.isArray(starts) || !Array.isArray(ends) || !chars.length) return []

  const plain = chars.join('')
  // Satz in derselben Reihenfolge nach Chip-Tokens absuchen; Labels sequenziell
  // im Klartext lokalisieren (toleriert kleine Whitespace-Unterschiede).
  const timings = []
  let cursor = 0
  for (const m of sentence.matchAll(CHIP_RE)) {
    const label = m[1]
    const id = m[3]
    const startIdx = plain.indexOf(label, cursor)
    if (startIdx === -1) continue
    const endIdx = startIdx + label.length - 1
    cursor = endIdx + 1
    const start = starts[startIdx]
    const end = ends[Math.min(endIdx, ends.length - 1)]
    if (typeof start !== 'number' || typeof end !== 'number') continue
    timings.push({ id, label, start, end })
  }
  return timings
}

// Id des Chips, dessen Zeitfenster t (Sekunden) enthält – sonst null.
export function activeChipIdAt(timings, t) {
  if (!timings?.length || typeof t !== 'number') return null
  for (const c of timings) {
    if (t >= c.start && t < c.end) return c.id
  }
  return null
}