STT-Dienst: Kern, HTTP/WebSocket/Wyoming-Service, CLI, Tests, systemd-Unit

- stt_core.py: Whisper-Engine (einmal laden, CPU-Fallback), Audio-Dekodierung
  jedes Formats, Halluzinationsfilter, Äußerungserkennung per Silero-VAD
- stt_service.py: /health, /v1/audio/transcriptions (OpenAI), /transcribe (Rohdaten),
  WS /ws/stream; Inferenz im Worker-Thread, begrenzte Warteschlange (503)
- stt_wyoming.py: Home-Assistant-Anbindung (TCP 10300)
- stt_cli.py: Datei/Mikrofon über den Dienst oder lokal
- Tests (Unit + Integration), README, requirements.txt, deploy/stt-service.service

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

requirements.txt

@@ -0,0 +1,26 @@
+# SpeechToText — Abhängigkeiten
+# Getestet mit Python 3.12, CUDA 12.x (ctranslate2 4.6), Ubuntu
+#
+# GPU: ctranslate2 braucht cuBLAS 12 + cuDNN 9 (z. B. über pip-Pakete
+# nvidia-cublas-cu12 / nvidia-cudnn-cu12 oder eine vorhandene CUDA-Installation).
+
+# --- STT-Kern (stt_core.py) ---
+faster-whisper>=1.2.0     # bringt ctranslate2, PyAV (Dekodierung) und Silero-VAD (onnxruntime) mit
+numpy>=1.26
+scipy>=1.11               # Resampling ganzer Signale
+soxr>=0.3                 # Streaming-Resampling (optional, sonst Fallback auf scipy)
+
+# --- Dienst (stt_service.py) ---
+fastapi>=0.115,<1.0
+uvicorn[standard]>=0.32,<1.0
+python-multipart>=0.0.9   # /v1/audio/transcriptions (multipart)
+wyoming>=1.6,<2.0         # Home Assistant (stt_wyoming.py)
+
+# --- CLI (stt_cli.py) ---
+sounddevice>=0.4
+requests>=2.31
+websockets>=13
+
+# --- Tests ---
+pytest>=8
+httpx>=0.27