feat: Geräte-TTS, native Stimmen, Favicon, Auth-Gate, UI-Fixes

Web-UI / TTS:
- Geräte-TTS ("📱 Gerät"): Antwort wird on-device vorgelesen (Web Speech
  API), Server sendet nur Text (text_only) -> spart Bandbreite/Kosten.
  Mobil-Default, geräte-lokale Speicherung, iOS-Autoplay-Freischaltung.
- Vorlese-Symbol (🔊) je Bubble: Hybrid-Replay (Assistent-PCM gecacht,
  Eingabe via /api/speak); SVG-Icon mit kontrastreicher Farbe.
- Kombiniertes Sprachmenü (Flex + feste Sprachen) statt separatem Modus-Menü.
- "Neues Gespräch"-Button (frische Session gegen Sprach-Trägheit).
- Dark-Mode: lesbare <option>-Popups (Kontrast-Fix).
- Favicon (SVG + PNG-Fallbacks) aus mund.png.

TTS-Backend:
- Sprache wird an alle TTS-Provider durchgereicht; Piper-Stimme folgt der
  Sprache; Chatterbox mehrsprachig + cross-lingual.
- Native Referenz-Stimmen je Sprache (config/voices/<lang>.wav, FLEURS CC-BY),
  loudness-normalisiert.

LLM-Sprache:
- Antwort folgt zuverlässig der gewählten Sprache (verstärkte Anweisung +
  Erinnerung an der letzten Nutzer-Nachricht gegen History-Trägheit).

Admin / Auth:
- Wörterbuch: alle 8 Sprachen, Zeilen editierbar, alphabetische Sortierung.
- Web-UI hinter Auth-Gate (Redirect auf SSO_LOGIN_URL / 401); Favicons offen.
- Log-Tab: Hinweis, wenn der systemd-Dienst nicht aktiv ist.
- Einstellungen: Hinweis "pro Nutzer überschreibbar" bei Sprache/Modus/Qualität.

Doku (BEDIENUNGSANLEITUNG.md): Geräte-TTS §6.5.0, Fix/Flex §6.6, native
Stimmen §6.5.3, llama.cpp<->Ollama-Wechsel §4.7, Auth/SSO §7.4.

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

app/providers/tts/base.py

@@ -2,4 +2,10 @@ from abc import ABC, abstractmethod
 
 class TTSProvider(ABC):
     @abstractmethod
-    async def synthesize(self, text: str, voice: str | None = None, audio_format: str = "pcm") -> bytes: ...
+    async def synthesize(
+        self,
+        text: str,
+        voice: str | None = None,
+        audio_format: str = "pcm",
+        language: str | None = None,
+    ) -> bytes: ...

app/providers/tts/chatterbox.py

@@ -15,6 +15,7 @@ import asyncio
 import io
 import time
 import wave
+from pathlib import Path
 
 import httpx
 
@@ -31,6 +32,7 @@ class ChatterboxTTSProvider(TTSProvider):
         speed: float = 1.0,
         target_rate: int = 24000,
         timeout: int = 180,
+        voices_dir: str = "",
     ):
         self.base_url = base_url.rstrip("/")
         self.voice = (voice or "").strip()  # Pfad zu Referenz-WAV (Voice-Cloning) oder leer
@@ -38,32 +40,51 @@ class ChatterboxTTSProvider(TTSProvider):
         self.speed = speed
         self.target_rate = int(target_rate)
         self.timeout = timeout
+        # Absolut auflösen: der Chatterbox-Dienst liest den Pfad mit eigenem CWD.
+        self.voices_dir = Path(voices_dir).expanduser().resolve() if voices_dir else None
 
-    def _ref_voice(self, voice: str | None) -> str | None:
-        # Eine angefragte Stimme gilt nur, wenn sie wie ein WAV-Pfad aussieht
-        # (Cloud-Stimmennamen wie "Zephyr"/"alloy" ignorieren -> Default nehmen).
+    def _lang_ref(self, lang: str) -> str | None:
+        """Native Referenz-WAV der Sprache (Konvention <voices_dir>/<lang>.wav), falls vorhanden."""
+        if not self.voices_dir:
+            return None
+        path = self.voices_dir / f"{lang}.wav"
+        return str(path) if path.exists() else None
+
+    def _ref_voice(self, voice: str | None, lang: str) -> str | None:
+        # 1. Explizit angefragte Stimme nur, wenn sie wie ein WAV-Pfad aussieht
+        #    (Cloud-Stimmennamen wie "Zephyr"/"alloy" ignorieren).
         cand = (voice or "").strip()
         if cand.endswith(".wav"):
             return cand
-        return self.voice or None
+        # 2. Native Stimme der jeweiligen Sprache, sonst die konfigurierte Default-Stimme.
+        return self._lang_ref(lang) or self.voice or None
+
+    # Chatterbox ist mehrsprachig und klont die Stimme cross-lingual: die Referenz-WAV
+    # liefert das Timbre, `lang` die Aussprache. So spricht die Klon-Stimme jede Sprache.
+    _LANG_ALIASES = {"cmn": "zh"}
 
     async def synthesize(
         self,
         text: str,
         voice: str | None = None,
         audio_format: str = "pcm",
+        language: str | None = None,
     ) -> bytes:
         if not text or not text.strip():
             raise ValueError("TTS input text is empty")
 
+        # Gesprächssprache bevorzugen; ohne Angabe der konfigurierte Default.
+        lang = (language or self.lang or "de").strip()
+        lang = self._LANG_ALIASES.get(lang, lang)
+
         payload = {
             "text": text.strip(),
-            "lang": self.lang,
+            "lang": lang,
             "speed": self.speed,
             "keep_audio": True,
             "no_playback": True,
         }
-        ref = self._ref_voice(voice)
+        ref = self._ref_voice(voice, lang)
         if ref:
             payload["voice"] = ref
 

app/providers/tts/openrouter.py

@@ -21,6 +21,7 @@ class OpenRouterTTSProvider(TTSProvider):
         text: str,
         voice: str | None = None,
         audio_format: str = "pcm",
+        language: str | None = None,  # Cloud-TTS steuert Sprache über Stimme/Modell
     ) -> bytes:
         if not self.api_key:
             raise ValueError("OPENROUTER_API_KEY is empty")

app/providers/tts/piper.py

@@ -109,6 +109,7 @@ class PiperTTSProvider(TTSProvider):
         text: str,
         voice: str | None = None,
         audio_format: str = "pcm",
+        language: str | None = None,  # ignoriert: die Piper-Stimme kodiert die Sprache
     ) -> bytes:
         if not text or not text.strip():
             raise ValueError("TTS input text is empty")