release: bump version to 0.0.8.0

Bug: Wenn beim Aufnahmestart sofort gesprochen wurde (z.B. Wake-Word-
Echo noch im Mikro) ODER der Hintergrund vorruebergehend laut war,
verschob die avg-basierte Baseline die Stille-Schwelle so weit nach
oben, dass normale Hintergrundgeraeusche dauerhaft als "Sprache"
zaehlten — VAD feuerte nie, Aufnahme lief unendlich.

Fix:
- Baseline = MINIMUM der 5 Samples statt Mittelwert (ruhigster Moment)
- Cap auf sinnvollen Bereich:
  - Silence-Schwelle: -50dB bis -28dB (vorher unbegrenzt)
  - Speech-Schwelle:  -40dB bis -18dB
- Erweitertes Log: zeigt sowohl raw als auch geclamp-te Werte

Damit gibt's keine "tote" VAD-Konfiguration mehr — selbst wenn die
Baseline-Messung Schrott ist, bleiben die Schwellen praktikabel.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

android/android/app/build.gradle

@@ -79,8 +79,8 @@ android {
         applicationId "com.ariacockpit"
         minSdkVersion rootProject.ext.minSdkVersion
         targetSdkVersion rootProject.ext.targetSdkVersion
-        versionCode 708
-        versionName "0.0.7.8"
+        versionCode 800
+        versionName "0.0.8.0"
         // Fallback fuer Libraries mit Product Flavors
         missingDimensionStrategy 'react-native-camera', 'general'
     }

android/package.json

@@ -1,6 +1,6 @@
 {
   "name": "aria-cockpit",
-  "version": "0.0.7.8",
+  "version": "0.0.8.0",
   "private": true,
   "scripts": {
     "android": "react-native run-android",

android/src/screens/ChatScreen.tsx

@@ -535,7 +535,7 @@ const ChatScreen: React.FC = () => {
           audioRequestId,
           ...(location && { location }),
         });
-        scheduleStaleAudioCleanup(audioRequestId);
+        scheduleStaleAudioCleanup(audioRequestId, result.durationMs);
         // resume() wird durch onPlaybackFinished nach ARIAs Antwort getriggert.
       } else {
         // Kein Speech im Window → Konversation beenden (Ohr geht aus oder
@@ -658,10 +658,13 @@ const ChatScreen: React.FC = () => {
   // --- Nachricht senden ---
 
   // Aufraeumen von "verarbeitet"-Placeholder die nie ein STT-Result bekommen
-  // haben (leere Aufnahme, Wake-Word-Echo, STT-Fehler etc). Nach 30s werden
-  // sie automatisch entfernt damit nicht-erkannte Aufnahmen nicht den State
-  // verstopfen + naechste echte Aufnahmen die richtige Bubble ersetzen koennen.
-  const scheduleStaleAudioCleanup = useCallback((audioRequestId: string) => {
+  // haben (leere Aufnahme, Wake-Word-Echo, STT-Fehler etc). Timeout skaliert
+  // mit der Aufnahmedauer — Whisper braucht auf der Gamebox grob real-time/5,
+  // plus Bridge-Roundtrip + Network. Formel: 60s Buffer + 1x Aufnahmedauer.
+  // Bei 5min Aufnahme = 6 min Wait, bei 5s Aufnahme = 65s. Sicher genug damit
+  // langsame STTs nicht versehentlich aufgeraeumt werden.
+  const scheduleStaleAudioCleanup = useCallback((audioRequestId: string, recordingMs: number) => {
+    const timeoutMs = 60000 + recordingMs;
     setTimeout(() => {
       setMessages(prev => {
         const idx = prev.findIndex(m =>
@@ -669,11 +672,12 @@ const ChatScreen: React.FC = () => {
           m.text.includes('Spracheingabe wird verarbeitet')
         );
         if (idx < 0) return prev;
-        console.log('[Chat] Sprachnachricht ohne STT-Result entfernt: %s', audioRequestId);
+        console.log('[Chat] Sprachnachricht ohne STT-Result nach %dms entfernt: %s',
+                    timeoutMs, audioRequestId);
         ToastAndroid.show('Sprachnachricht nicht erkannt — entfernt', ToastAndroid.SHORT);
         return prev.filter((_, i) => i !== idx);
       });
-    }, 30000);
+    }, timeoutMs);
   }, []);
 
   const sendTextMessage = useCallback(async () => {
@@ -763,7 +767,7 @@ const ChatScreen: React.FC = () => {
       audioRequestId,
       ...(location && { location }),
     });
-    scheduleStaleAudioCleanup(audioRequestId);
+    scheduleStaleAudioCleanup(audioRequestId, result.durationMs);
   }, [getCurrentLocation, interruptAriaIfBusy, scheduleStaleAudioCleanup]);
 
   // Datei auswaehlen → zur Pending-Liste hinzufuegen

android/src/services/audio.ts

@@ -388,11 +388,22 @@ class AudioService {
           if (db > -100) {
             this.vadBaselineSamples.push(db);
             if (this.vadBaselineSamples.length === VAD_BASELINE_SAMPLES) {
-              const avg = this.vadBaselineSamples.reduce((a, b) => a + b, 0) / VAD_BASELINE_SAMPLES;
-              this.vadAdaptiveSilenceDb = avg + VAD_SILENCE_OFFSET_DB;
-              this.vadAdaptiveSpeechDb = avg + VAD_SPEECH_OFFSET_DB;
-              const msg = `VAD: ambient=${avg.toFixed(0)}dB stille>${this.vadAdaptiveSilenceDb.toFixed(0)}dB`;
-              console.log('[Audio] %s speech>%s', msg, this.vadAdaptiveSpeechDb.toFixed(1));
+              // Minimum statt Mittelwert: robust gegen Spike-Samples (z.B. wenn
+              // der User direkt nach Wake-Word sofort spricht oder das Wake-Word-
+              // Echo noch im Mikro ist). Min ist der ruhigste Moment.
+              const lowest = Math.min(...this.vadBaselineSamples);
+              const rawSilence = lowest + VAD_SILENCE_OFFSET_DB;
+              const rawSpeech = lowest + VAD_SPEECH_OFFSET_DB;
+              // Cap auf einen vernuenftigen Bereich:
+              // - Silence-Schwelle nicht ueber -28dB (sonst zaehlt Hintergrund-
+              //   geraeusch dauerhaft als "Sprache" → VAD feuert nie)
+              // - Silence-Schwelle nicht unter -50dB (sonst zu strikt)
+              this.vadAdaptiveSilenceDb = Math.max(-50, Math.min(rawSilence, -28));
+              this.vadAdaptiveSpeechDb = Math.max(-40, Math.min(rawSpeech, -18));
+              const msg = `VAD: ambient=${lowest.toFixed(0)}dB stille>${this.vadAdaptiveSilenceDb.toFixed(0)}dB`;
+              console.log('[Audio] %s speech>%s (raw silence=%s speech=%s)',
+                          msg, this.vadAdaptiveSpeechDb.toFixed(1),
+                          rawSilence.toFixed(1), rawSpeech.toFixed(1));
               try { ToastAndroid.show(msg, ToastAndroid.SHORT); } catch {}
             }
           }