code/finetune-inference/old/api_call.py

from openai import OpenAI
import re

client = OpenAI()

# --- Fernández Huerta formula ---
def fernandez_huerta_score(text: str) -> float:
    sentences = re.split(r'[.!?]+', text)
    sentences = [s.strip() for s in sentences if s.strip()]
    n_sentences = len(sentences) if sentences else 1

    words = text.split()
    n_words = len(words) if words else 1

    vowels = "aeiouáéíóúüAEIOUÁÉÍÓÚÜ"
    n_syllables = sum(sum(1 for ch in word if ch in vowels) for word in words)

    return 206.84 - 0.60 * (n_syllables / n_words * 100) - 1.02 * (n_words / n_sentences)


# --- Prompt templates for each label ---
LABEL_PROMPTS = {
    "easy": """Texto original:
{original_text}

Reescribe el texto en un lenguaje muy simple, frases cortas y vocabulario fácil, adecuado para estudiantes de 5º a 7º grado.
El resultado debe seguir lógicamente el texto original y mantener el mismo significado.
No añadas información nueva, no elimines detalles importantes ni cambies los hechos.
""",
    "intermediate": """Texto original:
{original_text}

Reescribe el texto con una complejidad moderada, frases más largas y vocabulario variado, adecuado para secundaria/bachillerato (8º a 12º grado).
El resultado debe seguir lógicamente el texto original y mantener el mismo significado.
No añadas información nueva, no elimines detalles importantes ni cambies los hechos.
""",
    "hard": """Texto original:
{original_text}

Reescribe el texto con lenguaje técnico, detallado y especializado, adecuado para universidad o profesionales.
El resultado debe seguir lógicamente el texto original y mantener el mismo significado.
No añadas información nueva, no elimines detalles importantes ni cambies los hechos.
"""
}


# --- Generate text for a label ---
def generate_label_text(original_text: str, label: str) -> str:
    prompt = LABEL_PROMPTS[label].format(original_text=original_text)
    response = client.chat.completions.create(
        model="gpt-5-mini",  # first try with mini
        messages=[{"role": "user", "content": prompt}]
    )
    return response.choices[0].message.content.strip()


# --- Regenerate if FH score is out of range ---
def regenerate_label_text(original_text: str, old_text: str, label: str, target_range: tuple) -> str:
    prompt = f"""Texto original:
{original_text}

Texto generado (necesita ajuste):
{old_text}

El texto anterior no cumple con el rango de legibilidad {target_range}.
Reescribe nuevamente el texto en el nivel "{label}", ajustando la dificultad 
para que el puntaje de Fernández Huerta quede dentro del rango {target_range}.
El resultado debe seguir lógicamente el texto original y mantener el mismo significado.
No añadas información nueva, no elimines detalles importantes ni cambies los hechos.
"""
    response = client.chat.completions.create(
        model="gpt-5",  # use stronger model for regeneration
        messages=[{"role": "user", "content": prompt}]
    )
    return response.choices[0].message.content.strip()



# --- Target ranges for FH ---
RANGES = {
    "easy": (70, 100),
    "intermediate": (50, 70),
    "hard": (0, 50)
}


# --- Full pipeline for one topic ---
def generate_synthetic_data(original_text: str, original_language: str, topic: str, data_id: int):
    results = {
        "id": data_id,
        "original_text_language": original_language,
        "source_topic": topic,
        "readability_versions": {}
    }

    for label, target_range in RANGES.items():
        # Step 1: generate
        text = generate_label_text(original_text, label)

        # Step 2: check FH score
        score = fernandez_huerta_score(text)
        if not (target_range[0] <= score <= target_range[1]):
            text = regenerate_label_text(original_text, text, label, target_range)


        # Step 4: save
        results["readability_versions"][label] = {
            "readability_level": label,
            "fernandez_huerta_range": f"{target_range[0]}-{target_range[1]}",
            "target_audience": (
                "Estudiantes de primaria/media (5º a 7º grado)" if label == "easy" else
                "Secundaria/Bachillerato (8º a 12º grado)" if label == "intermediate" else
                "Profesionales / Universidad o posgrado"
            ),
            "text": text
        }

    return results


# --- Example usage ---
if __name__ == "__main__":
    original_text = "Se diagnosticó osteoartritis bilateral en un paciente de 61 años con dolor en la ingle."
    data = generate_synthetic_data(original_text, "es", "Osteoartritis de cadera", 1)
    print(data)