perf(startup): lokale Modelle beim Start vorladen (Warm-up)

Lifespan-Hintergrundtask laedt profilabhaengig piper-Stimme + faster-whisper-Modell
vor (nur was die aktive Konfiguration nutzt; Cloud-Profile = No-op). Server ist
sofort verfuegbar; der erste Nutzer zahlt nicht mehr den Kaltstart.

Messung: erster Turn direkt nach Start first_audio 1,62 s (statt ~4,5 s mit Kaltstart).

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

app/core/warmup.py

@@ -0,0 +1,45 @@
+"""Laedt lokale KI-Modelle beim Start vor.
+
+So zahlt nicht der erste Nutzer den Kaltstart (piper ~2 s Modell-Load, faster-whisper
+Modell-Load). Es wird nur vorgeladen, was die aktive Konfiguration tatsaechlich nutzt
+(Default-Provider) - bei reinen Cloud-Profilen passiert nichts. Best-effort: Fehler
+werden geloggt, brechen den Start nie ab.
+"""
+
+import io
+import logging
+import wave
+
+from app.config import settings
+
+logger = logging.getLogger(__name__)
+
+
+def _silence_wav(seconds: float = 0.1, rate: int = 16000) -> bytes:
+    buf = io.BytesIO()
+    with wave.open(buf, "wb") as w:
+        w.setnchannels(1)
+        w.setsampwidth(2)
+        w.setframerate(rate)
+        w.writeframes(b"\x00\x00" * int(rate * seconds))
+    return buf.getvalue()
+
+
+async def warmup_local_models() -> None:
+    from app.dependencies import get_stt_provider, get_tts_provider
+
+    try:
+        tts = get_tts_provider()
+        if type(tts).__name__ == "PiperTTSProvider":
+            await tts.synthesize("Hallo.", audio_format="pcm")
+            logger.info("warmup: piper-Stimmmodell geladen")
+    except Exception:
+        logger.exception("warmup: TTS-Vorladen fehlgeschlagen (ignoriert)")
+
+    try:
+        stt = get_stt_provider()
+        if type(stt).__name__ == "FasterWhisperProvider":
+            await stt.transcribe(_silence_wav(), fmt="wav", language=settings.default_language)
+            logger.info("warmup: faster-whisper-Modell geladen")
+    except Exception:
+        logger.exception("warmup: STT-Vorladen fehlgeschlagen (ignoriert)")

app/main.py

@@ -1,9 +1,12 @@
+import asyncio
 import time
+from contextlib import asynccontextmanager
 from pathlib import Path
 
 from fastapi import FastAPI, Request
 from fastapi.staticfiles import StaticFiles
 
+from app.core.warmup import warmup_local_models
 from app.metrics import metrics
 from app.api.health import router as health_router
 from app.api.chat import router as chat_router
@@ -17,7 +20,17 @@ from app.api.me import router as me_router
 from app.api.metrics import router as metrics_router
 from app.api.ws import router as ws_router
 
-app = FastAPI(title="Voice Assistant Gateway")
+@asynccontextmanager
+async def _lifespan(app: FastAPI):
+    # Lokale Modelle im Hintergrund vorladen -> Server ist sofort verfuegbar,
+    # der erste Nutzer zahlt nicht den Kaltstart.
+    task = asyncio.create_task(warmup_local_models())
+    yield
+    if not task.done():
+        task.cancel()
+
+
+app = FastAPI(title="Voice Assistant Gateway", lifespan=_lifespan)
 
 
 @app.middleware("http")