TTS: Kokoro → XTTS-v2 (CPU-only, Claribel Dervla)

- Neues xtts_worker.py: Coqui XTTS-v2, HTTP-API auf Port 8085
- Router: TTS_WORKER_URL → 8085, TTS_MODEL → xtts-v2, TTS_VOICES → claribel
- deploy: mike-ai-xtts.service, install.sh + deploy.sh aktualisiert
- Tests: 54/54 bestanden (mock_tts_worker + test_local.sh auf XTTS umgestellt)
- README: TTS-Section auf XTTS-v2 aktualisiert
- Kokoro-Service gestoppt und deaktiviert (Dateien bleiben als Backup)

router/ai_profile_router.py

@@ -20,7 +20,7 @@ Bildgenerierung (FLUX.2 [klein] 4B Base):
                     GET  /images                 (Liste)
                     GET  /images/<datei>         (PNG-Download)
 
-Sprachausgabe (Kokoro-82M, deutsch, CPU-only):
+Sprachausgabe (XTTS-v2, multilingual, CPU-only):
                     POST /v1/audio/speech        (OpenAI-kompatibel)
                     GET  /v1/audio/voices        (verfügbare Stimmen)
 
@@ -28,7 +28,7 @@ Spracherkennung (whisper.cpp, deutsch, CPU-only):
                     POST /v1/audio/transcriptions (OpenAI-kompatibel)
                     GET  /v1/audio/models        (verfügbare Audio-Modelle)
 
-Der TTS-Worker (mike-ai-kokoro.service) und der STT-Worker
+Der TTS-Worker (mike-ai-xtts.service) und der STT-Worker
 (mike-ai-whisper.service) laufen als separate, langlebige Prozesse.
 Der Router leitet /v1/audio/speech und /v1/audio/transcriptions
 per HTTP an die Worker weiter.
@@ -108,14 +108,14 @@ IMAGE_QUALITY = {"standard": 30, "high": 50}
 IMAGE_DEFAULT_QUALITY = "standard"
 IMAGE_MAX_N = 4
 
-# --- Sprachausgabe (Kokoro-82M, deutsch, CPU-only) ---
-TTS_WORKER_URL = os.environ.get("TTS_WORKER_URL", "http://127.0.0.1:8082")
+# --- Sprachausgabe (XTTS-v2, multilingual, CPU-only) ---
+TTS_WORKER_URL = os.environ.get("TTS_WORKER_URL", "http://127.0.0.1:8085")
 TTS_TIMEOUT = float(os.environ.get("TTS_TIMEOUT", "300"))  # s, pro Synthese
 TTS_CONNECT_TIMEOUT = float(os.environ.get("TTS_CONNECT_TIMEOUT", "5"))
-TTS_MODEL = "kokoro-german"  # virtuelles Modell für /v1/audio/speech
-TTS_VOICES = ("martin", "victoria")
-TTS_DEFAULT_VOICE = "martin"
-TTS_FORMATS = ("mp3", "wav", "flac", "pcm")
+TTS_MODEL = "xtts-v2"  # virtuelles Modell für /v1/audio/speech
+TTS_VOICES = ("claribel",)
+TTS_DEFAULT_VOICE = "claribel"
+TTS_FORMATS = ("mp3", "wav")
 TTS_DEFAULT_FORMAT = "mp3"
 
 # --- Spracherkennung (whisper.cpp, deutsch, CPU-only) ---
@@ -1124,7 +1124,7 @@ class Handler(BaseHTTPRequestHandler):
         self.end_headers()
         self.wfile.write(data)
 
-    # ---------- Sprachausgabe (Kokoro) ----------
+    # ---------- Sprachausgabe (XTTS-v2) ----------
 
     def _speech(self) -> None:
         try:
@@ -1183,7 +1183,7 @@ class Handler(BaseHTTPRequestHandler):
                              "invalid_request_error", "invalid_speed")
             return
 
-        # Modell-Name optional; falls angegeben, muss es kokoro-german sein.
+        # Modell-Name optional; falls angegeben, muss es xtts-v2 sein.
         model = data.get("model")
         if model is not None and model != TTS_MODEL:
             self._send_error(400, f"unbekanntes Modell: {model!r} "
@@ -1225,7 +1225,7 @@ class Handler(BaseHTTPRequestHandler):
             models.append({
                 "id": TTS_MODEL,
                 "object": "model",
-                "owned_by": "kokoro",
+                "owned_by": "coqui-xtts",
                 "type": "speech",
             })
         return {"object": "list", "data": models}