feat: Audio-Eingang über WebSocket (/ws/voice) - Sprach-zu-Sprach (#4 Ausbau)

- /ws/voice: binaere Audio-Frames puffern, {"type":"end"} -> STT-Transkription
  -> transcript-Event -> bestehende Antwort-Pipeline (ack/token/audio/semantic/done)
- ws.py refaktoriert: gemeinsame _resolve + _run_turn fuer /ws/chat und /ws/voice
- stream/audio_stream auch fuer Sprach-Turns nutzbar; mehrere Utterances pro Verbindung
- Tests: 47 gruen (+2: Transkript->Antwort, leerer Puffer)
- Doku aktualisiert (README, BEDIENUNGSANLEITUNG, Architektur)

Hinweis: STT pro Aeusserung (gepuffert); partielle Live-Transkripte (Streaming-STT
mit VAD) bleiben naechster Increment.

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

README.md

@@ -88,7 +88,8 @@ Aktive Konfiguration prüfen: `curl http://localhost:8080/api/config`.
 | `GET  /api/me`                  | aktueller Nutzer + Präferenzen |
 | `PUT  /api/me/prefs`            | dauerhafte Routing-Präferenzen des Nutzers setzen |
 | `GET/POST/DELETE /api/me/memories` | Langzeit-Erinnerungen des Nutzers verwalten |
-| `WS   /ws/chat`                 | Echtzeit-Chat über WebSocket (Streaming-Events) |
+| `WS   /ws/chat`                 | Echtzeit-Chat über WebSocket (Text rein, Streaming-Events) |
+| `WS   /ws/voice`                | Echtzeit-Sprache (Audio rein → Transkript → Antwort) |
 
 Beispiel (Sprachausgabe an den Test-Loopback, lokaler TTS-Stub):
 
@@ -142,8 +143,14 @@ via SSE; Provider ohne Streaming liefern die komplette Antwort als ein `token`-E
 mit `seq` + binärer Frame) gesendet — die Ausgabe beginnt, bevor die Antwort fertig
 ist. `stream` und `audio_stream` lassen sich kombinieren.
 
-> Audio-Eingang/Streaming-STT, Barge-in/Turn-Manager und WebRTC sind als nächste
-> Increments vorgesehen (siehe Architektur-Dokument).
+**Sprach-Eingang (`/ws/voice`):** Der Client streamt Mikrofon-Audio als binäre
+Frames; ein `{"type":"end"}`-Control-Frame schließt die Äußerung ab. Der Server
+transkribiert (STT), sendet ein `transcript`-Event und durchläuft dann dieselbe
+Antwort-Pipeline wie `/ws/chat` (inkl. `stream`/`audio_stream`). Damit ist
+Sprach-zu-Sprach-Konversation über einen Kanal möglich.
+
+> Partielle Live-Transkripte (Streaming-STT mit VAD), Barge-in/Turn-Manager und
+> WebRTC sind als nächste Increments vorgesehen (siehe Architektur-Dokument).
 
 ## Authentifizierung