feat(stt): bessere Spracherkennung — small-Modell, VAD, feste Sprache

Gegen "Blödsinn", v. a. an Handys:
1) Modell-Default base -> small + compute_type int8 (Benchmark auf der VM:
   base patzt schon bei sauberem Audio "an Dienstag und 10 Uhr", small korrekt
   "am Dienstag um 10 Uhr"; ~4 s/6-s-Clip, gecacht).
2) faster_whisper.transcribe mit vad_filter=True (+min_silence 500ms) und
   condition_on_previous_text=False -> weniger Stille-/Kontext-Halluzinationen.
3) stt_force_language (Default True): WS-Pfad gibt die feste Zielsprache vor
   statt Auto-Detect -> robust bei kurzen/verrauschten Clips. Auto-Detect +
   Fremdsprachen-Übersetzung jetzt opt-in (stt_force_language=False).

Tests: Config-Defaults + VAD/Language-Durchreichung; test_ws-Übersetzung auf
opt-in umgestellt. Suite 253 grün.

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

app/config.py

@@ -131,9 +131,10 @@ class Settings(BaseSettings):
     local_llm_max_tokens: int = 0             # 0 = serverseitiges Limit (-n)
     local_llm_temperature: float = 0.3
     local_llm_top_p: float = 0.9              # Nucleus-Sampling (0.0–1.0)
-    faster_whisper_model: str = "base"        # tiny|base|small|medium|large-v3
+    faster_whisper_model: str = "small"       # tiny|base|small|medium|large-v3
     faster_whisper_device: str = "auto"       # auto|cpu|cuda
-    faster_whisper_compute_type: str = "default"  # default|int8|float16|int8_float16
+    faster_whisper_compute_type: str = "int8"     # default|int8|float16|int8_float16
+    stt_force_language: bool = True           # STT mit fester Zielsprache (robust); False = Auto-Detect + Übersetzung
     # --- Lokales TTS (piper) -------------------------------------------------
     piper_bin: str = "piper"                  # Pfad/Name des piper-Binaries
     piper_voices_dir: str = str(Path.home() / ".local" / "share" / "piper" / "voices")