feat(P3): Diktat in Fremdsprache → Übersetzung in die Zielsprache

Spricht der Nutzer in einer anderen als der eingestellten Sprache, erkennt
das System die gesprochene Sprache automatisch (transcribe_detect) und
übersetzt die Anfrage per LLM in die Zielsprache — sie wird dann auch in
der Zielsprache angezeigt und verarbeitet. Hilft beim Sprachenlernen und in
der Kommunikation über Sprachgrenzen.

- Orchestrator.translate() (LLM-basiert, nur Übersetzung).
- ws.py Voice-STT: transcribe_detect + Übersetzung bei abweichender Sprache.
- Test-Stubs um transcribe_detect ergänzt; neuer Übersetzungstest. 209 passed.

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

app/api/ws.py

@@ -203,8 +203,15 @@ async def _voice_turn(websocket, store, user, session_id, audio, fmt, options):
         return
 
     try:
-        # Feste Sprache an Whisper → Whisper übersetzt automatisch.
-        transcript = await orchestrator.stt.transcribe(audio, fmt=fmt, language=route.language)
+        # Gesprochene Sprache automatisch erkennen (egal welche). Weicht sie von der
+        # Zielsprache ab, wird die Anfrage in die Zielsprache übersetzt — so erscheint
+        # und verarbeitet das System sie immer in der eingestellten Sprache.
+        transcript, detected = await orchestrator.stt.transcribe_detect(
+            audio, fmt=fmt, language=None
+        )
+        if (transcript and transcript.strip() and detected
+                and detected.lower() != (route.language or "").lower()):
+            transcript = await orchestrator.translate(transcript, route.language)
         effective_voice = voice_for_route(route.tts_provider, route.language, route.voice_gender)
     except Exception as exc:
         await websocket.send_json({"type": "error", "status": 502, "detail": str(exc)})

app/core/orchestrator.py

@@ -12,6 +12,14 @@ TTS_SAMPLE_RATE = 24000
 TTS_CHANNELS = 1
 
 
+# Lesbare Sprachnamen für den Übersetzungs-Prompt (Code -> Name).
+_LANG_NAMES = {
+    "de": "Deutsch", "en": "English", "fr": "français", "es": "español",
+    "it": "italiano", "pt": "português", "pl": "polski", "ar": "العربية",
+    "ru": "русский", "zh": "中文",
+}
+
+
 class Orchestrator:
     def __init__(self, stt, llm, tts, input_cleaner, spoken_adapter, tts_normalizer,
                  normalize_level: str = "full"):
@@ -131,6 +139,23 @@ class Orchestrator:
         await self._emit_to_output(audio, output)
         return trace, audio
 
+    async def translate(self, text: str, target_language: str) -> str:
+        """Übersetzt Text per LLM in die Zielsprache. Liefert nur die Übersetzung.
+
+        Wird genutzt, wenn der Nutzer in einer anderen als der eingestellten
+        Sprache diktiert: die Anfrage wird in die Zielsprache übersetzt.
+        """
+        if not text or not text.strip():
+            return text
+        target = _LANG_NAMES.get((target_language or "").lower(), target_language)
+        prompt = (
+            f"Übersetze den folgenden Text nach {target}. Gib AUSSCHLIESSLICH die "
+            f"Übersetzung zurück — ohne Anführungszeichen, ohne Erklärung.\n\n{text}"
+        )
+        with _stage("translate"):
+            result = await self.llm.complete(prompt)
+        return (result or "").strip() or text
+
     async def chat_stream(
         self,
         text: str,

tests/test_realtime.py

@@ -88,6 +88,9 @@ def _install_voice_stubs(monkeypatch):
         async def transcribe(self, audio_bytes, fmt, language=None):
             return "ok"
 
+        async def transcribe_detect(self, audio_bytes, fmt, language=None):
+            return "ok", None
+
     class LLM:
         async def complete(self, text, history=None, session_id=None, language=None):
             return "antwort"

tests/test_ws.py

@@ -73,6 +73,9 @@ def _install_voice_stubs(monkeypatch):
         async def transcribe(self, audio_bytes, fmt, language=None):
             return f"erkannt({len(audio_bytes)})"
 
+        async def transcribe_detect(self, audio_bytes, fmt, language=None):
+            return f"erkannt({len(audio_bytes)})", None
+
     class StubLLM:
         async def complete(self, text, history=None, session_id=None, language=None):
             return f"Antwort zu {text}"
@@ -155,3 +158,33 @@ def test_ws_voice_empty_buffer_errors(monkeypatch):
         ws.send_json({"type": "end", **opts})  # kein Audio gesendet
         err = ws.receive_json()
         assert err["type"] == "error" and "no audio" in err["detail"]
+
+
+def test_ws_voice_translates_foreign_language_to_target(monkeypatch):
+    # Diktat in einer anderen Sprache (detected=fr) bei Zielsprache de ->
+    # die Anfrage wird übersetzt und in der Zielsprache angezeigt.
+    class StubSTT:
+        async def transcribe_detect(self, audio_bytes, fmt, language=None):
+            return "bonjour, comment ça va", "fr"
+
+    class StubLLM:
+        async def complete(self, text, history=None, session_id=None, language=None):
+            # Übersetzungs- UND Antwort-Aufruf liefern denselben Stub-Text.
+            return "GUTEN TAG"
+
+    class StubTTS:
+        async def synthesize(self, text, voice=None, audio_format="pcm", language=None):
+            return b"A"
+
+    monkeypatch.setitem(deps.STT_REGISTRY, "ss", lambda s: StubSTT())
+    monkeypatch.setitem(deps.LLM_REGISTRY, "ll", lambda s: StubLLM())
+    monkeypatch.setitem(deps.TTS_REGISTRY, "tt", lambda s: StubTTS())
+    opts = {"stt_provider": "ss", "llm_provider": "ll", "tts_provider": "tt",
+            "output_endpoint": "loopback", "language": "de"}
+    with client.websocket_connect("/ws/voice") as ws:
+        ws.send_json({"type": "start", "format": "wav", **opts})
+        ws.send_bytes(b"PCMDATA")
+        ws.send_json({"type": "end"})
+        transcript = ws.receive_json()
+        # Übersetzte (deutsche) Fassung wird angezeigt, nicht das französische Original.
+        assert transcript["type"] == "transcript" and transcript["text"] == "GUTEN TAG"