878bf785dd
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>
1.6 KiB
Native Referenz-Stimmen (Chatterbox cross-lingual)
Je Sprache eine kurze Referenz-WAV (~6–8 s). Der Chatterbox-TTS-Provider wählt
sie automatisch nach der Antwortsprache aus (Konvention <lang>.wav, siehe
CHATTERBOX_VOICES_DIR). Das Timbre der Referenz wird cross-lingual auf die
jeweilige Sprache übertragen. Fehlt eine Datei, greift CHATTERBOX_VOICE
(persönlicher Klon) bzw. die Standardstimme des Dienstes.
Deutsch (de) hat bewusst keine Datei hier — dafür gilt der persönliche
Klon aus CHATTERBOX_VOICE.
Quelle & Lizenz
Die Clips stammen aus dem FLEURS-Datensatz (Google), Split validation:
| Datei | FLEURS-Config | Sprache |
|---|---|---|
| en.wav | en_us | Englisch (US) |
| fr.wav | fr_fr | Französisch |
| es.wav | es_419 | Spanisch (Lateinamerika) |
| it.wav | it_it | Italienisch |
| nl.wav | nl_nl | Niederländisch |
| ru.wav | ru_ru | Russisch |
| zh.wav | cmn_hans_cn | Mandarin-Chinesisch |
Die Clips wurden auf einheitliche Lautheit normalisiert (EBU R128, loudnorm
I=-16 LUFS, TP=-1.5 dB) — die FLEURS-Originalpegel waren stark uneinheitlich
(z. B. ru/en/nl deutlich zu leise). Nur Pegelanpassung, kein inhaltlicher Eingriff.
Lizenz: CC-BY 4.0 — Namensnennung erforderlich.
FLEURS: Conneau et al., "FLEURS: Few-shot Learning Evaluation of Universal Representations of Speech" (Google Research). Datensatz:
google/fleursauf Hugging Face. Lizenz: Creative Commons Attribution 4.0 (CC-BY 4.0).
Zum Austauschen einfach eine andere <lang>.wav ablegen (Pfad muss für den
Chatterbox-Dienst lesbar sein; der Provider löst ihn absolut auf).