CLI: --until-enter und optionale LLM-Korrektur (--llm-correct)

- --until-enter: Aufnahme mit beliebig langen Pausen, Enter beendet, Ausgabe als ein Text
- stt_llm.py: Nachkorrektur per lokalem LLM (Standard gemma4:12b über Ollama nativ mit
  kleinem Kontext; OpenAI-kompatible Server möglich), strenger Prompt mit Beispielen,
  Ähnlichkeitsprüfung und Fehler-Fallback auf den Rohtext
- Output-Klasse in der CLI: Korrektur in eigenem Thread, Reihenfolge bleibt erhalten
- Tests für die LLM-Korrektur (13 Unit, 1 Integration)
- Doku: Bedienungsanleitung, README, Entwicklerdoku (inkl. Modellvergleich), CLAUDE.md

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

BEDIENUNGSANLEITUNG.md

@@ -89,7 +89,7 @@ mit. Ohne vorhandene Installation lädt `pip` alles herunter.
 
 ```bash
 .venv/bin/python -m pytest
-# … 36 passed
+# … 49 passed
 ```
 
 > Beim **ersten Start des Dienstes** wird das Whisper-Modell aus dem Internet geladen
@@ -189,6 +189,17 @@ Unterstützt: WAV, MP3, OGG, FLAC, M4A, WebM und praktisch alle anderen Audiofor
 Nach **„Bereit — sprich.“** einfach sprechen und kurz Pause machen. Jeder Satz erscheint als eigene
 Zeile. Beenden mit `Strg+C`.
 
+### Mit Pausen sprechen, selbst beenden
+
+```bash
+.venv/bin/python stt_cli.py --until-enter -v
+```
+
+Die Aufnahme läuft, bis **Enter** gedrückt wird — Denk- und Sprechpausen beliebiger Länge beenden sie
+nicht. Mit `-v` erscheinen die erkannten Abschnitte schon während des Sprechens (mit `+` markiert).
+Nach Enter wird der letzte Abschnitt fertig transkribiert und der **gesamte Text als eine Zeile**
+ausgegeben. Mit `--timeout SEK` endet die Aufnahme spätestens nach SEK Sekunden.
+
 ```
 Mikrofon: pulse → alsa_input.usb-Seeed_Studio_reSpeaker_XVF3800_… (16000 Hz, 2 Kanäle, Kanal 1)
 Bereit — sprich. (Strg+C beendet)
@@ -207,6 +218,7 @@ Schalte das Licht im Wohnzimmer ein.
 | `-l`, `--language` | Sprache: `de`, `en`, `fr` … oder `auto` (automatisch erkennen) |
 | `--prompt "…"` | Eigennamen/Fachbegriffe vorgeben, z. B. `--prompt "Bredelar, Marsberg"` |
 | `--once` | nach dem ersten erkannten Satz beenden |
+| `--until-enter` | Aufnahme mit **beliebig langen Pausen**, bis Enter gedrückt wird; Ergebnis als **ein** Text |
 | `--timeout SEK` | Mikrofon nach SEK Sekunden beenden |
 | `--silence-ms MS` | Pausenlänge, die einen Satz beendet (Standard 700; für Denkpausen 1200–2000) |
 | `-d`, `--device` | Mikrofon wählen: Nummer oder Namensteil, z. B. `-d respeaker` |
@@ -217,6 +229,9 @@ Schalte das Licht im Wohnzimmer ein.
 | `--model NAME` | nur mit `--local`: Whisper-Modell, z. B. `small`, `large-v3-turbo` |
 | `--compute-device` | nur mit `--local`: `auto`, `cuda` oder `cpu` |
 | `--http-timeout SEK` | max. Wartezeit bei Dateien (Standard 300) |
+| `--llm-correct` | Ergebnis zusätzlich von einem lokalen LLM korrigieren lassen, siehe [LLM-Korrektur](#llm-korrektur-optional) |
+| `--llm-model NAME` | LLM für die Korrektur (Standard `gemma4:12b`) |
+| `--llm-url URL` | LLM-Server (Standard Ollama `http://127.0.0.1:11434`; OpenAI-kompatibel mit `…/v1`) |
 
 ### Rückgabewerte (für Skripte)
 
@@ -239,10 +254,48 @@ for f in aufnahmen/*.mp3; do
   .venv/bin/python stt_cli.py "$f" > "${f%.mp3}.txt"
 done
 
+# Längere Notiz mit Pausen sprechen, Enter beendet, Text in Variable
+notiz=$(.venv/bin/python stt_cli.py --until-enter)
+
 # Diktat mit Denkpausen fortlaufend in eine Datei schreiben
 .venv/bin/python stt_cli.py --silence-ms 1500 >> notizen.txt
 ```
 
+### LLM-Korrektur (optional)
+
+Mit `--llm-correct` wird der erkannte Text zusätzlich von einem **lokalen Sprachmodell** (Standard:
+`gemma4:12b` über Ollama) geprüft. Es korrigiert nur offensichtliche Erkennungsfehler — falsch
+verstandene Wörter, Rechtschreibung, Groß-/Kleinschreibung, Satzzeichen — und lässt Bedeutung, Zahlen,
+Namen und Verneinungen unangetastet.
+
+```bash
+.venv/bin/python stt_cli.py --until-enter --llm-correct -v
+.venv/bin/python stt_cli.py notiz.mp3 --llm-correct --json
+```
+
+```
+  LLM: korrigiert (1.21s)
+  roh: Heute ist ein schöner Tag. Die Lonne scheint und die Rögel singen im Garten.
+Heute ist ein schöner Tag. Die Sonne scheint und die Vögel singen im Garten.
+```
+
+**Sicherungen:** Weicht die Antwort des LLM zu stark vom erkannten Text ab (z. B. weil es etwas erfindet
+oder einer „Anweisung“ im Diktat folgt), wird sie verworfen und der **Rohtext** ausgegeben. Ist das LLM
+nicht erreichbar, erscheint eine Meldung und ebenfalls der Rohtext. Mit `--json` stehen Rohtext
+(`raw_text`) und Details (`llm`: Status, Dauer, Modell) immer mit im Ergebnis.
+
+**Wann sinnvoll?** Für Notizen, Diktate und längere Texte. Für kurze Befehle („Licht an“) nicht nötig —
+Whisper erkennt sie meist fehlerfrei, und die Korrektur kostet rund 1 Sekunde pro Text.
+
+**Voraussetzungen und Hinweise:**
+
+- Ollama läuft und das Modell ist installiert: `ollama pull gemma4:12b`.
+- Das **erste Laden** dauert je nach Rechner rund eine Minute; im Mikrofon-Modus beginnt es schon beim
+  Start im Hintergrund. Danach bleibt das Modell 30 Minuten geladen (`STT_LLM_KEEP_ALIVE`).
+- Das Modell belegt dabei ca. 10 GB Grafikspeicher.
+- Anderes Modell oder anderer Server: `--llm-model mistral-nemo` bzw.
+  `--llm-url http://127.0.0.1:8011/v1` (llama.cpp, LM Studio …).
+
 ### Ohne laufenden Dienst
 
 ```bash
@@ -356,6 +409,18 @@ Der Dienst wird über **Umgebungsvariablen** eingestellt:
 | `STT_DOWNLOAD_ROOT` | – | eigener Ordner für Modelle (sonst Hugging-Face-Cache) |
 | `CUDA_VISIBLE_DEVICES` | – | Grafikkarte festlegen (UUID aus `nvidia-smi -L`) |
 
+**LLM-Korrektur** (nur `stt_cli.py --llm-correct`):
+
+| Variable | Standard | Bedeutung |
+|---|---|---|
+| `STT_LLM_MODEL` | `gemma4:12b` | Modell für die Korrektur |
+| `STT_LLM_URL` | `http://127.0.0.1:11434` | Ollama; OpenAI-kompatible Server mit `…/v1` |
+| `STT_LLM_API` | `auto` | `auto`, `ollama` oder `openai` |
+| `STT_LLM_KEEP_ALIVE` | `30m` | nur Ollama: wie lange das Modell nach Gebrauch geladen bleibt |
+| `STT_LLM_NUM_CTX` | `4096` | nur Ollama: Kontextgröße (klein halten, sonst läuft das Modell auf der CPU) |
+| `STT_LLM_TIMEOUT` | `120` | max. Wartezeit in Sekunden (inkl. Laden) |
+| `STT_LLM_MIN_SIMILARITY` | `0.75` | Mindestähnlichkeit zum Rohtext, sonst wird die Korrektur verworfen |
+
 ---
 
 ## 10. Welches Whisper-Modell?
@@ -395,7 +460,7 @@ erprobt. Die übrigen Angaben sind Richtwerte. Jedes Modell wird beim ersten Geb
 | `/health` zeigt `"device":"cpu"`, obwohl eine GPU da ist | GPU belegt/zu wenig Speicher/CUDA-Problem | Log lesen (`Laden auf cuda fehlgeschlagen: …`), `nvidia-smi` prüfen, andere Karte per `CUDA_VISIBLE_DEVICES` |
 | `/health` zeigt `error` | Modell nicht ladbar | Meldung im Feld `error`; Modellname und Speicherplatz prüfen |
 | Nie „Sprache erkannt“ | falsches/stummes Mikrofon | [Abschnitt 6](#6-das-richtige-mikrofon); Pegel in den Toneinstellungen prüfen |
-| Sätze werden mittendrin geteilt | Pausen zu lang für die Einstellung | `--silence-ms 1200` |
+| Sätze werden mittendrin geteilt / Aufnahme endet bei Pausen | Pausen zu lang für die Einstellung | `--silence-ms 1200` oder `--until-enter` (Enter beendet) |
 | Text kommt erst sehr spät | Pausenerkennung sehr lang eingestellt oder CPU-Betrieb | `--silence-ms` verringern; GPU nutzen |
 | Wörter/Namen falsch | Aussprache, unbekannte Namen | `--prompt` mit Namen; größeres Modell; deutlicher sprechen |
 | „Untertitel im Auftrag des ZDF“ o. Ä. | Whisper-Halluzination bei Stille | wird normalerweise gefiltert; tritt es trotzdem auf, bitte Beispiel melden |
@@ -403,6 +468,10 @@ erprobt. Die übrigen Angaben sind Richtwerte. Jedes Modell wird beim ersten Geb
 | `Warteschlange voll` / HTTP 503 | zu viele Aufträge gleichzeitig | kurz warten; `STT_MAX_QUEUE` erhöhen |
 | `Address already in use` beim Start | Port 9998/10300 belegt (zweiter Dienst läuft) | anderen Dienst beenden (`systemctl --user stop stt-service`) |
 | Home Assistant findet den Dienst nicht | Firewall, falsche IP, Dienst aus | `curl http://<IP>:9998/health` vom HA-Rechner; [Abschnitt 8](#8-andere-geräte-im-netzwerk) |
+| `LLM: Fehler, Rohtext behalten — ConnectionError` | Ollama läuft nicht / falsche `--llm-url` | `systemctl status ollama`; `curl http://127.0.0.1:11434/api/version` |
+| `LLM: verworfen, Rohtext behalten` | LLM-Antwort wich zu stark ab | gewollte Sicherung; bei Bedarf anderes Modell probieren |
+| LLM-Korrektur dauert beim ersten Mal ~1 Minute | Modell wird geladen | normal; danach ~1 s pro Text |
+| LLM-Korrektur dauert immer mehrere Sekunden | Modell läuft auf der CPU (zu großer Kontext/kein GPU-Speicher) | `ollama ps` prüfen: `PROCESSOR` sollte `100% GPU` zeigen |
 | `Warnung: … Audioblöcke verworfen` | Netzwerk/Dienst zu langsam für das Mikrofon | Verbindung prüfen; lokal testen |
 
 **Log ansehen:** manuell gestartet → im Terminal; als systemd-Dienst →
@@ -414,6 +483,8 @@ erprobt. Die übrigen Angaben sind Richtwerte. Jedes Modell wird beim ersten Geb
 
 - Die gesamte Spracherkennung läuft **lokal**. Audio und Text verlassen den Rechner nicht.
 - Internetzugriff nur beim **ersten Herunterladen** eines Modells (Hugging Face).
+- Die optionale LLM-Korrektur nutzt ein **lokales** LLM (Ollama). Nur wer `--llm-url` auf einen fremden
+  Server setzt, schickt Text dorthin.
 - Der Dienst **speichert keine Aufnahmen** und keine Texte auf der Festplatte.
 - **Ausnahme Log:** Bei Home-Assistant-Anfragen (Wyoming) wird der erkannte Text im Log protokolliert
   (Stufe `INFO`). Wer das nicht möchte: `STT_LOG_LEVEL=WARNING`.