feat: add speech noise separation

experiments/bs-roformer-vocal-separation/README.md

@@ -15,6 +15,10 @@ Rest ohne dieses Ziel.
   liegt unter der spezialisierten Gesangstrennung.
 - **Sonstiges:** der `other`-Stem von `htdemucs_6s.yaml`. Er bündelt unter anderem
   Synthesizer, Streicher, Bläser und Effekte und ist keine reine Synthesizer-Spur.
+- **Sprache / Hintergrund:** ClearVoice `MossFormer2_SE_48K` (Apache-2.0)
+  verbessert Sprache bei 48 kHz. Die zweite Spur ist das vom Originalsignal
+  abgezogene Sprachsignal und enthält den verbleibenden Hintergrund. Stereo wird
+  kanalweise verarbeitet und anschließend wieder zusammengesetzt.
 - GPU: RTX 5080; LLM, Bildmodelle, TTS und ACE-Step sind dabei verriegelt.
 - Privat erreichbar: `http://192.168.1.212:8007/`
 
@@ -26,6 +30,6 @@ weitere Zielmodelle. Die Oberfläche bietet stattdessen den ehrlich benannten,
 gemischten `other`-Stem als **Sonstiges** an.
 
 Die API erwartet `multipart/form-data` mit `file` und optional `target`:
-`vocals` (Standard), `drums`, `bass`, `guitar`, `piano` oder `other`. Das ältere Feld
+`vocals` (Standard), `drums`, `bass`, `guitar`, `piano`, `other` oder `speech`. Das ältere Feld
 `mode` mit `vocals`, `four_stem` oder `six_stem` bleibt für vorhandene Clients
 erhalten und liefert weiterhin alle Modell-Stems.