feat(voice): ARIA produziert TTS-sprechbare Variante via <voice>-Tag

Stefan-Beobachtung: Wetterbericht klang scheisse, weil 'kt'/'°C'/Komma-
Zahlen literal vorgelesen wurden. Der clean_text_for_tts-Regex kennt nur
Markdown + ein paar Uhrzeit-Patterns — Einheiten ausschreiben war never
on the table mit Regex (waechst sonst zur Mammut-Tabelle).

Loesung: hybrid. ARIA selbst macht die semantisch korrekte TTS-Variante,
Regex bleibt als Safety-Net.

bridge/aria_bridge.py:
  - neue Helper strip_voice_tag_for_display(text)
  - chat-broadcast (1188) und chat_backup-Persist (1157) strippen den Tag
    BEVOR Output. ARIA's `<voice>...</voice>` lebt nur transient in `text`
    bis clean_text_for_tts ihn fuer TTS extrahiert.
  - clean_text_for_tts unveraendert (kennt den Tag schon seit Phase 1).

aria-brain/seed_rules.py:
  - neue seed-rule voice/tts-voice-tag mit klarer Trigger-Liste
    (Einheiten, Komma-Zahlen, Uhrzeiten, Statusberichte, lange IDs/Codes)
  - klare Anti-Trigger (kurze 'OK'/'mache ich'-Antworten — kein doppelter
    Text fuer Trivia)
  - drei konkrete Beispiele (Wetter, Uhrzeit, Server-Status, Music-Now-Playing)

Output-Format: ARIA schreibt erst Chat-Display-Variante (mit Markdown OK),
haengt dann an EINER neuen Zeile den <voice>-Block an. Tag wird automatisch
gestrippt fuer App-Anzeige + Chat-Backup. f5tts kriegt nur den voice-Inhalt.

Beide Welten happy: Stefan sieht hervorgehobenes Markdown in der Bubble,
hoert sprechbar formulierten Text aus dem Lautsprecher. Keine wachsende
Regex-Tabelle mehr.

Deploy: brain rebuild + restart, bridge restart.

aria-brain/seed_rules.py

@@ -602,6 +602,80 @@ SEED_RULES: List[dict] = [
             "'API Key' im Auth-Kapitel). Nicht raten."
         ),
     },
+    {
+        "migration_key": "seed/voice/tts-voice-tag",
+        "type": "rule",
+        "title": "TTS-sprechbar: `<voice>...</voice>`-Tag fuer Antworten mit Einheiten/Zahlen/Markdown",
+        "category": "voice",
+        "content": (
+            "Die App spielt jede ARIA-Antwort als TTS ab. Der Brain-Bridge "
+            "filtert Markdown raus (Sternchen, Code-Bloecke, URLs), kennt "
+            "aber keine Einheiten-/Zahlen-Konvention — der Sprecher liest "
+            "dann '15 kt' als 'fuenfzehn k t' und '23,5°C' als 'dreiund-"
+            "zwanzig komma fuenf grad c'. Klingt scheisse.\n"
+            "\n"
+            "LOESUNG: Wenn deine Antwort eine der folgenden Eigenschaften hat, "
+            "haenge einen `<voice>...</voice>`-Block ans ENDE der Antwort. "
+            "Was DRIN steht ersetzt komplett den TTS-Text — Markdown im "
+            "Chat-Display bleibt unangetastet, gesprochen wird ausschliess-"
+            "lich die <voice>-Variante.\n"
+            "\n"
+            "WANN <voice>-Tag setzen:\n"
+            "  - Einheiten-Abkuerzungen: kt, kg, km/h, °C, hPa, mbar, mph, "
+            "    psi, dB, GB, MB, kWh, mAh ...\n"
+            "  - Zahlen mit Komma (23,5 → 'dreiundzwanzig komma fuenf')\n"
+            "  - Uhrzeiten mit Minuten (8:42 → 'acht Uhr zweiundvierzig')\n"
+            "  - Wettervorhersagen / Statusberichte mit mehreren Daten\n"
+            "  - Tabellen oder Listen mit Werten\n"
+            "  - Lange Zahlen / IDs / Codes ('spotify:playlist:abc' nicht "
+            "    vorlesen)\n"
+            "  - Code-Bloecke (sollte ARIA in Sprache eh nicht zitieren)\n"
+            "\n"
+            "WANN NICHT (Overhead vermeiden):\n"
+            "  - Kurze Statussaetze ('OK', 'mach ich', 'klar', 'spielt')\n"
+            "  - Reine Prosa ohne Zahlen oder Einheiten\n"
+            "  - Antworten unter 15 Worten ohne komplexes Element\n"
+            "\n"
+            "FORMAT:\n"
+            "  Erst die Chat-Display-Variante (mit Markdown OK), dann an einer "
+            "  neuen Zeile der <voice>-Block:\n"
+            "\n"
+            "  Antwort-Text mit **Markdown**, Zahlen, Einheiten\n"
+            "  <voice>Antwort-Text fuer den Lautsprecher, ausgeschrieben</voice>\n"
+            "\n"
+            "BEISPIEL Wetter:\n"
+            "  **Wetter Berlin:** 23,5°C, Wind 15 kt aus NW, Druck 1018 hPa.\n"
+            "  <voice>Das Wetter in Berlin: dreiundzwanzig Grad fuenf, "
+            "  Wind mit fuenfzehn Knoten aus Nordwest, Luftdruck "
+            "  tausendachtzehn Hektopascal.</voice>\n"
+            "\n"
+            "BEISPIEL Uhrzeit:\n"
+            "  Stefan, dein Termin ist um **8:42** — noch 25 Minuten.\n"
+            "  <voice>Stefan, dein Termin ist um acht Uhr zweiundvierzig. "
+            "  Du hast noch fuenfundzwanzig Minuten.</voice>\n"
+            "\n"
+            "BEISPIEL Akku/Speicher:\n"
+            "  Server: 87% Last, 12,4 GB RAM frei, Uptime 142h.\n"
+            "  <voice>Server bei siebenundachtzig Prozent Last, zwoelf "
+            "  Komma vier Gigabyte RAM frei, Laufzeit hundertzweiundvierzig "
+            "  Stunden.</voice>\n"
+            "\n"
+            "BEISPIEL Multi-Track (NICHT vorlesen was nicht sprechbar ist):\n"
+            "  Spielt jetzt: **Firestarter** (3:47) auf duffy-desktop.\n"
+            "  <voice>Spielt jetzt Firestarter, drei Minuten siebenund-"
+            "  vierzig.</voice>  ← Device weglassen, war im Chat zur Info, "
+            "  fuer Stefan akustisch redundant\n"
+            "\n"
+            "Der Voice-Tag wird automatisch aus Chat-Bubble und Chat-Backup "
+            "gestrippt — Stefan sieht NUR die Markdown-Variante in der App. "
+            "Voice-Text geht ausschliesslich an F5-TTS. Beide Welten happy.\n"
+            "\n"
+            "Sicherheitsnetz: wenn Du den Tag mal vergisst, faellt clean_text_"
+            "for_tts auf die alte Regex-Cleanup-Pipeline zurueck (Markdown weg, "
+            "Uhrzeiten teilweise ausgeschrieben). Aber 'kt' wird dann literal "
+            "vorgelesen. Also: lieber Tag setzen wenn unsicher."
+        ),
+    },
     {
         "migration_key": "seed/skill-rule/list-api-pagination-snapshot",
         "type": "rule",

bridge/aria_bridge.py

@@ -208,6 +208,30 @@ _UNIT_WORDS = [
 ]
 
 
+def strip_voice_tag_for_display(text: str) -> str:
+    """Entfernt `<voice>...</voice>`-Bloecke aus dem Chat-Display-Text.
+
+    ARIA kann einen <voice>-Block ANHAENGEN um eine TTS-freundliche Variante
+    ihrer Antwort zu liefern (Zahlen ausgeschrieben, Einheiten als Wort,
+    Markdown entfernt). Der Block wird dann von clean_text_for_tts als
+    TTS-Quelle benutzt — fuer die Chat-Bubble in der App soll er aber NICHT
+    sichtbar sein, sonst sieht Stefan literal '<voice>...' in seinem Chat.
+
+    Beispiel-Input (Stefan-typisch fuer Wetterbericht):
+        '**Wetter:** 23,5°C, Wind 15 kt NW\\n<voice>Wetter: dreiundzwanzig
+         komma fuenf Grad, Wind fuenfzehn Knoten Nordwest.</voice>'
+    Output:
+        '**Wetter:** 23,5°C, Wind 15 kt NW'
+
+    Mehrere Voice-Bloecke werden alle entfernt (ARIA koennte theoretisch
+    mehrere setzen, machen wir robust). Trailing-Whitespace nach dem Block
+    auch wegtrimmen.
+    """
+    if not text or "<voice>" not in text.lower():
+        return text
+    return _re_tts.sub(r'\s*<voice>[\s\S]*?</voice>\s*', '\n', text, flags=_re_tts.IGNORECASE).strip()
+
+
 def clean_text_for_tts(text: str) -> str:
     """Bereitet Chat-Text fuer Sprachausgabe auf.
 
@@ -1150,11 +1174,15 @@ class ARIABridge:
                     f"aber nicht erstellt:\n{missing_list}\n"
                     "Bitte ARIA bitten, sie wirklich zu schreiben.").strip()
 
-        # Antwort in chat_backup.jsonl loggen (gecleanter Text, ohne File-Marker)
+        # Antwort in chat_backup.jsonl loggen (gecleanter Text, ohne File-Marker
+        # UND ohne <voice>-Tag — der ist eine TTS-Annotation, gehoert nicht in
+        # die Chat-Historie weil ARIA ihre eigene Vorgaenger-Antwort sonst mit
+        # Voice-Tag-Noise als Kontext sieht).
         # File-Marker werden separat als file_from_aria-Events ausgeliefert.
+        display_text = strip_voice_tag_for_display(text)
         assistant_backup_ts = self._append_chat_backup({
             "role": "assistant",
-            "text": text,
+            "text": display_text,
             "files": [{"serverPath": f["serverPath"], "name": f["name"],
                        "mimeType": f["mimeType"], "size": f["size"]} for f in aria_files],
         })
@@ -1181,11 +1209,14 @@ class ARIABridge:
         # TTS-aufbereitete Variante fuer Debug (Diagnostic zeigt optional)
         tts_text_preview = clean_text_for_tts(text)
 
-        # Antwort an die App weiterleiten (als Chat-Nachricht)
+        # Antwort an die App weiterleiten (als Chat-Nachricht).
+        # display_text == text aber ohne <voice>-Tag — der lebt nur transient
+        # in `text` damit clean_text_for_tts weiter unten daraus die TTS-
+        # Variante zieht. Im Chat-Bubble soll der Tag nicht erscheinen.
         await self._send_to_rvs({
             "type": "chat",
             "payload": {
-                "text": text,
+                "text": display_text,
                 "sender": "aria",
                 "messageId": message_id,
                 # backupTs = der ts in chat_backup.jsonl. Wird von Clients als