router: TTS auf offiziellen Kikiri-Deutsche-Pfad umgestellt

Ersetzt die alte Implementierung (kokoro 0.7.16 + espeak.EspeakG2P)
durch den offiziellen Kikiri-Deutsche-Inferenzpfad:

- semidark/kokoro-Fork (0.9.4) mit lang_code='d'
- semidark/misaki-Fork (0.9.4) mit misaki.de.DEG2P
  (Text-Normalisierung + espeak-ng + Aussprache-Overrides)
- Verbessertes Chunking (Split an Satzgrenzen, 400 Zeichen)
- repo_id='hexgrad/Kokoro-82M' für KModel/KPipeline

Änderungen:
- router/tts_worker.py: KModel/KPipeline API aktualisiert,
  Monkey-Patching entfernt, Docstring aktualisiert
- deploy/install.sh: semidark-Forks installieren (misaki[de],
  kokoro --no-deps, spacy für misaki.en-Import)
- README.md: G2P-Pfad, Chunking, Python-Pakete, Python-3.13-Hinweis

Getestet: 43/43 lokale Tests, E2E auf Zielsystem (WAV/MP3,
LAN-Zugriff, parallele Qwen/TTS-Operation, Chat intakt).

README.md

@@ -181,8 +181,12 @@ Qwen/llama.cpp noch FLUX/GPU – er teilt sich nur den Prozessor.
 - **Modell:** Kokoro-82M (hexgrad) mit zwei deutschen Feintunings
   (`kikiri-tts/kikiri-german-martin`, `kikiri-tts/kikiri-german-victoria`,
   beide Apache 2.0, je ~327 MB).
-- **G2P:** deutsche Phonemisierung über `espeak-ng` (phonemizer), kein spacy
-  nötig. Deutsche Sprachunterstützung per Patch (kokoro PR #340).
+- **G2P:** Offizieller Kikiri-Deutsche-Pfad via `misaki.de.DEG2P`
+  (semidark/misaki-Fork 0.9.4): Text-Normalisierung (Zahlen, Daten,
+  Uhrzeiten, Währung, Abkürzungen) + `espeak-ng`-Phonemisierung +
+  Aussprache-Overrides für Marken-/Tech-Begriffe. Kein spacy nötig.
+- **Pipeline:** semidark/kokoro-Fork (0.9.4) mit `lang_code='d'` und
+  verbessertem Chunking (Split an Satzgrenzen, 400 Zeichen).
 - **Venv:** eigenes Venv unter `/opt/mike-ai/kokoro/venv/` mit CPU-only
   `torch` (keine CUDA-Abhängigkeit, kein Konflikt mit dem Bild-Venv).
 - **Modelle:** `/opt/mike-ai/models/kokoro/` (persistent).
@@ -218,10 +222,11 @@ curl -s http://192.168.1.196:8081/v1/audio/speech \
   -d '{"input":"Guten Tag.","voice":"victoria","speed":1.5,"response_format":"wav"}' -o out.wav
 ```
 
-**Lange Texte:** Das Modell verarbeitet pro Segment max. 510 Phoneme
-(~25–30 s). Längere Texte werden mit Zeilenumbrüchen (`\n`) in Segmente
-teilt; jedes Segment wird einzeln synthetisiert und die Audios
-zusammengeführt.
+**Lange Texte:** Die Pipeline splittet automatisch an Satzgrenzen
+(400 Zeichen pro Chunk). Längere Texte werden in Segmente geteilt;
+jedes Segment wird einzeln synthetisiert und die Audios zusammengeführt.
+Zeilenumbrüche (`\n`) im Text werden als zusätzliche Segmentgrenzen
+behandelt.
 
 ### Verhalten
 
@@ -258,20 +263,22 @@ RAM-Belegung des Workers: ~3.5 GB (inkl. torch, beide Modelle).
 ### Erforderliche Python-Pakete (im Kokoro-Venv)
 
 - `torch` (CPU-only, `--index-url https://download.pytorch.org/whl/cpu`)
-- `kokoro` (0.7.16, mit `--no-deps` installiert)
-- `misaki` (G2P, ohne `[en]`-Extra → kein thinc 9.x / spacy)
-- `phonemizer` + System-Paket `espeak-ng` (deutsche G2P)
+- `kokoro` (0.9.4, semidark-Fork, mit `--no-deps` installiert)
+- `misaki` (0.9.4, semidark-Fork, mit `[de]`-Extra → `phonemizer-fork` +
+  `espeakng-loader`, kein spacy-curated-transformers)
+- `spacy` (nur für `misaki.en`-Import, nicht für deutschen Pfad)
+- `num2words` (für `misaki.en`-Import)
 - `soundfile`, `lameenc` (Audio-Formate wav/mp3/flac/pcm)
-- `huggingface-hub`, `loguru`, `scipy`, `transformers`, `regex`, `num2words`
+- `huggingface-hub`, `loguru`, `transformers`, `regex`
 
 Das Venv liegt unter `/opt/mike-ai/kokoro/venv/` und wird von `install.sh`
 automatisch angelegt (nur wenn noch nicht vorhanden).
 
-**Hinweis (Python 3.13):** `kokoro` verlangt offiziell `misaki[en]`, das
-`spacy-curated-transformers` → `thinc 9.x` zieht – für Python 3.13 gibt es
-keine thinc-9-Wheels. Deshalb wird `kokoro` mit `--no-deps` und `misaki`
-ohne `[en]` installiert; die deutsche G2P läuft über `espeak-ng` und braucht
-spacy nicht.
+**Hinweis (Python 3.13):** Der semidark/kokoro-Fork (0.9.4) unterstützt
+Python 3.13 nativ. Der semidark/misaki-Fork (0.9.4) nutzt für den deutschen
+Pfad `phonemizer-fork` + `espeakng-loader` (kein spacy-curated-transformers,
+kein thinc 9.x). `spacy` wird nur für den `misaki.en`-Import benötigt
+(Englisch), nicht für den deutschen Pfad.
 
 ## Repository-Struktur
 

deploy/install.sh

@@ -80,7 +80,7 @@ if ! command -v espeak-ng >/dev/null 2>&1; then
   apt-get install -y espeak-ng
 fi
 
-# Kokoro-Venv (CPU-only torch + kokoro + misaki + phonemizer + soundfile + lameenc)
+# Kokoro-Venv (CPU-only torch + semidark/kokoro + semidark/misaki + soundfile + lameenc)
 if [ ! -x "$KOKORO_VENV/bin/python" ]; then
   echo "-- Erstelle Kokoro-Venv in $KOKORO_VENV"
   mkdir -p "$KOKORO_VENV"
@@ -91,12 +91,17 @@ if [ ! -x "$KOKORO_VENV/bin/python" ]; then
     --index-url https://download.pytorch.org/whl/cpu
   echo "-- Installiere Kokoro-Abhängigkeiten"
   "$KOKORO_VENV/bin/pip" install --quiet \
-    huggingface-hub loguru scipy transformers regex num2words \
-    phonemizer soundfile lameenc
-  # kokoro ohne [en]-Extra (vermeidet thinc 9.x, das kein Py3.13-Wheel hat);
-  # deutsche G2P läuft über espeak-ng (phonemizer), nicht über spacy.
-  "$KOKORO_VENV/bin/pip" install --quiet kokoro --no-deps
-  "$KOKORO_VENV/bin/pip" install --quiet misaki
+    huggingface-hub loguru transformers regex num2words \
+    soundfile lameenc
+  # Offizieller Kikiri-Deutsche-Pfad:
+  # - semidark/misaki-Fork (0.9.4) mit [de]-Extra (phonemizer-fork + espeakng-loader)
+  # - semidark/kokoro-Fork (0.9.4) mit --no-deps (vermeidet misaki[en] → spacy-curated-transformers)
+  # - spacy + num2words für misaki.en-Import (Englisch, nicht für deutschen Pfad)
+  "$KOKORO_VENV/bin/pip" install --quiet "spacy<4"
+  "$KOKORO_VENV/bin/pip" install --quiet \
+    "misaki[de] @ git+https://github.com/semidark/misaki.git"
+  "$KOKORO_VENV/bin/pip" install --quiet \
+    "kokoro @ git+https://github.com/semidark/kokoro.git" --no-deps
 fi
 
 # Kokoro-Modelle (kikiri-german-martin + kikiri-german-victoria, Apache 2.0)

router/tts_worker.py

@@ -7,6 +7,11 @@ RAM (CPU-only, niedrige Warm-Start-Latenz). Wird als eigener
 systemd-Service betrieben und vom AI Profile Router über HTTP
 angesprochen (POST /v1/audio/speech -> POST /tts).
 
+Nutzt den offiziellen Kikiri-Deutsche-Inferenzpfad:
+- semidark/kokoro-Fork (0.9.4) mit lang_code='d'
+- semidark/misaki-Fork (0.9.4) mit misaki.de.DEG2P
+  (Text-Normalisierung + espeak-ng + Aussprache-Overrides)
+
 API:
     GET  /status   -> {"status":"ok","ready":bool,"voices":[...],...}
     POST /tts      -> {"text":"...","voice":"martin","speed":1.0,
@@ -74,22 +79,28 @@ class TTSWorker:
         self.total_requests = 0
 
     def load(self) -> None:
-        """Lädt alle Stimmen (CPU-only)."""
+        """Lädt alle Stimmen (CPU-only) via offiziellem Kikiri-Deutsche-Pfad.
+
+        Nutzt den semidark/kokoro-Fork (0.9.4) mit lang_code='d' und
+        den semidark/misaki-Fork (0.9.4) mit misaki.de.DEG2P
+        (Text-Normalisierung + espeak-ng + Aussprache-Overrides).
+        """
         import torch
         from kokoro import KModel, KPipeline
-        # Deutsche Sprachunterstützung (kokoro PR #340): 'de' -> espeak-ng G2P.
-        from kokoro import pipeline as _pipeline_mod
-        _pipeline_mod.ALIASES.setdefault("de", "d")
-        _pipeline_mod.LANG_CODES.setdefault("d", "de")
 
         for name, cfg in VOICES.items():
             t0 = time.monotonic()
             try:
                 kmodel = KModel(
+                    repo_id="hexgrad/Kokoro-82M",
                     config=os.path.join(MODEL_DIR, cfg["config"]),
                     model=os.path.join(MODEL_DIR, cfg["model"]),
                 ).to("cpu").eval()
-                pipeline = KPipeline(lang_code="de", model=kmodel)
+                pipeline = KPipeline(
+                    lang_code="d",
+                    repo_id="hexgrad/Kokoro-82M",
+                    model=kmodel,
+                )
                 voice = torch.load(
                     os.path.join(MODEL_DIR, cfg["voice"]),
                     map_location="cpu", weights_only=True)