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/providers/stt/faster_whisper.py

@@ -42,7 +42,13 @@ class FasterWhisperProvider(STTProvider):
         self, audio_bytes: bytes, language: str | None
     ) -> tuple[str, str | None]:
         model = _load_model(self.model_size, self.device, self.compute_type)
-        segments, info = model.transcribe(io.BytesIO(audio_bytes), language=language)
+        segments, info = model.transcribe(
+            io.BytesIO(audio_bytes),
+            language=language,
+            vad_filter=True,                                  # Stille/Rauschen entfernen -> weniger Halluzinationen
+            vad_parameters={"min_silence_duration_ms": 500},
+            condition_on_previous_text=False,                 # kurze Befehle: kein Kontext-Drift
+        )
         text = "".join(segment.text for segment in segments).strip()
         detected = getattr(info, "language", None)
         return text, detected