release: bump version to 0.2.1.1

Vorher gab Claude immer speak=true zurück — führte Claude einen speak=false-
Steuerbefehl aus (z.B. "spiele auf duffy desktop weiter"), wurde die Antwort
trotzdem vorgelesen + 30s. Jetzt konsistent zu Fast-Path/local: führt Claude
einen run_*-Skill mit speak=false erfolgreich aus → speak=false (kein TTS,
App STOP). Der Text landet aber normal in der Bubble (Stefans Wunsch: Text ok,
nur nicht vorlesen). Antwort-Skills (speak=true) + reine Konversation bleiben
gesprochen; bei Skill-Fehler bleibt's gesprochen (Erklaerung soll man hoeren).

Reiner Brain-Fix — App liest speak bereits.

Co-Authored-By: Claude Opus 4.8 <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 20007
-        versionName "0.2.0.7"
+        versionCode 20101
+        versionName "0.2.1.1"
         // Fallback fuer Libraries mit Product Flavors
         missingDimensionStrategy 'react-native-camera', 'general'
     }

android/package.json

@@ -1,6 +1,6 @@
 {
   "name": "aria-cockpit",
-  "version": "0.2.0.7",
+  "version": "0.2.1.1",
   "private": true,
   "scripts": {
     "android": "react-native run-android",

android/src/screens/ChatScreen.tsx

@@ -49,7 +49,7 @@ import VoiceButton from '../components/VoiceButton';
 import FileUpload, { FileData } from '../components/FileUpload';
 import CameraUpload, { PhotoData } from '../components/CameraUpload';
 import MessageText from '../components/MessageText';
-import { loadConvWindowMs, loadTtsSpeed, TTS_SPEED_DEFAULT } from '../services/audio';
+import { loadConvWindowMs, loadTtsSpeed, TTS_SPEED_DEFAULT, loadSttEndpointMs } from '../services/audio';
 import Geolocation from '@react-native-community/geolocation';
 
 // --- Typen ---
@@ -562,6 +562,14 @@ const ChatScreen: React.FC = () => {
   // Wake Word: einmalig laden + Porcupine vorbereiten (wenn Access Key gesetzt)
   useEffect(() => {
     wakeWordService.loadFromStorage().catch(() => {});
+    // Mikro-Release-Hook: vor jedem Re-Arm eine laufende (passive) Streaming-
+    // Aufnahme canceln, sonst haelt sie das Mikro und OpenWakeWord.start()
+    // schlaegt fehl → Ohr bleibt ausgegraut (state=off).
+    wakeWordService.setMicReleaseHook(async () => {
+      if (audioService.isStreamingRecording()) {
+        await audioService.cancelStreamingRecording('rearm-mic-free');
+      }
+    });
     const unsub = wakeWordService.onStateChange((s) => {
       setWakeWordState(s);
       setWakeWordActive(s !== 'off');
@@ -1195,6 +1203,23 @@ const ChatScreen: React.FC = () => {
           clearAckTimer(cmid);
           pendingPayloads.current.delete(cmid);
         }
+        // Stille Antwort (speak=false, z.B. Fast-Path „nächster Titel") → es
+        // kommt KEIN TTS, also feuert onPlaybackFinished nie. Genau daran haengt
+        // aber das Wake-Word-Re-Arm — sonst bleibt das Ohr nach dem Steuerbefehl
+        // grau haengen (Reproduktion Stefan im Auto). Hier dieselbe Logik wie
+        // bei TTS-Ende anstossen: aktiv → Konversations-Fenster (resume),
+        // sonst → Konversation beenden (re-arm).
+        // Stumm = die Bridge sagt speak=false (Steuerbefehl-Skill via Fast-Path
+        // ODER local). Ein Antwort-Skill (speak=true) faellt NICHT hierunter —
+        // der wird vorgelesen + haelt das Gespraech offen. Kein answeredBy-
+        // Fallback mehr: die Bridge schickt speak zuverlaessig mit.
+        const _isSilent = (message.payload as any).speak === false;
+        if (_isSilent && wakeWordService.isConversing()) {
+          // Klarer Steuerbefehl (Liedersteuerung etc.) = KEINE Konversation →
+          // STOP: direkt zurueck aufs Wake-Word. Kein Gong, keine Aufnahme,
+          // kein 30s-Fenster (skipPassive=true).
+          wakeWordService.endConversation(true).catch(() => {});
+        }
       }
 
       // TTS-Audio abspielen wenn vorhanden — respektiert geraetelokalen Mute/Disable
@@ -1423,12 +1448,11 @@ const ChatScreen: React.FC = () => {
   useEffect(() => {
     const unsubPlayback = audioService.onPlaybackFinished(() => {
       if (!wakeWordService.isActive()) return;
-      if (AppState.currentState === 'active') {
-        wakeWordService.resume();
-      } else {
-        console.log('[Chat] TTS fertig im Background → endConversation (kein Multi-Turn)');
-        wakeWordService.endConversation().catch(() => {});
-      }
+      // Gespraech (gesprochene Antwort): KEIN neuer Gong / kein Aufnahme-Fenster,
+      // sondern direkt passives Lauschen (30s weiterreden wie mit einem Menschen).
+      // Im Hintergrund gibt's kein Multi-Turn → direkt re-armen (skipPassive).
+      const bg = AppState.currentState !== 'active';
+      wakeWordService.endConversation(bg).catch(() => {});
     });
     return () => unsubPlayback();
   }, []);
@@ -1465,7 +1489,7 @@ const ChatScreen: React.FC = () => {
         interrupted: wasInterrupted,
         location: location || null,
         noSpeechTimeoutMs: windowMs,
-        endpointMs: 1500,
+        endpointMs: await loadSttEndpointMs(),
         hardCapMs: 60000,
         projectId: focusedProjectIdRef.current,
       });
@@ -1561,7 +1585,7 @@ const ChatScreen: React.FC = () => {
         interrupted: true,   // Barge-In → Brain weiss "User hat unterbrochen"
         location: location || null,
         noSpeechTimeoutMs: windowMs,
-        endpointMs: 1500,
+        endpointMs: await loadSttEndpointMs(),
         hardCapMs: 60000,
         projectId: focusedProjectIdRef.current,
       });
@@ -1618,7 +1642,7 @@ const ChatScreen: React.FC = () => {
       interrupted: false,
       location: location || null,
       noSpeechTimeoutMs: Math.min(passiveMs, 30000),
-      endpointMs: 1500,
+      endpointMs: await loadSttEndpointMs(),
       hardCapMs: Math.max(passiveMs + 5000, 35000),
       projectId: focusedProjectIdRef.current,
     });
@@ -2028,7 +2052,7 @@ const ChatScreen: React.FC = () => {
       // Stoppen). Hard-Cap 5 Minuten als Notbremse — danach killt Whisper
       // die Session auch app-seitig haben wir +2s Toleranz.
       noSpeechTimeoutMs: 0,
-      endpointMs: 1500,
+      endpointMs: await loadSttEndpointMs(),
       hardCapMs: 300000,
       projectId: focusedProjectIdRef.current,
     });
@@ -2049,7 +2073,7 @@ const ChatScreen: React.FC = () => {
     await audioService.stopStreamingRecording('user');
     if (wakeWordService.isConversing()) {
       console.log('[Chat] Manueller Stop in Konversation → endConversation, zurueck zu armed');
-      await wakeWordService.endConversation();
+      await wakeWordService.endConversation(true);  // explizit gestoppt → STOP (kein 30s-Passiv)
     }
   }, []);
 

android/src/screens/SettingsScreen.tsx

@@ -105,6 +105,14 @@ import wakeWordService, {
   KEYWORD_LABELS,
   DEFAULT_KEYWORD,
   WAKE_KEYWORD_STORAGE,
+  WAKE_THRESHOLD_DEFAULT,
+  WAKE_THRESHOLD_MIN,
+  WAKE_THRESHOLD_MAX,
+  loadWakeThreshold,
+  saveWakeThreshold,
+  PASSIVE_LISTEN_DEFAULT_MS,
+  loadPassiveListenMs,
+  savePassiveListenMs,
 } from '../services/wakeword';
 import ModeSelector from '../components/ModeSelector';
 import QRScanner from '../components/QRScanner';
@@ -200,6 +208,8 @@ const SettingsScreen: React.FC = () => {
   const [wakeKeyword, setWakeKeyword] = useState<string>(DEFAULT_KEYWORD);
   const [wakeStatus, setWakeStatus] = useState<string>('');
   const [wakeReadySound, setWakeReadySound] = useState<boolean>(true);
+  const [wakeThreshold, setWakeThreshold] = useState<number>(WAKE_THRESHOLD_DEFAULT);
+  const [passiveSec, setPassiveSec] = useState<number>(Math.round(PASSIVE_LISTEN_DEFAULT_MS / 1000));
   const [editingPath, setEditingPath] = useState(false);
   const [xttsVoice, setXttsVoice] = useState('');
   const [loadingVoice, setLoadingVoice] = useState<string | null>(null);
@@ -322,6 +332,8 @@ const SettingsScreen: React.FC = () => {
       if (saved && (WAKE_KEYWORDS as readonly string[]).includes(saved)) setWakeKeyword(saved);
     });
     isWakeReadySoundEnabled().then(setWakeReadySound);
+    loadWakeThreshold().then(setWakeThreshold).catch(() => {});
+    loadPassiveListenMs().then(ms => setPassiveSec(Math.round(ms / 1000))).catch(() => {});
     updateService.getApkCacheSize().then(setApkCacheInfo).catch(() => {});
     audioService.getTtsCacheSize().then(setTtsCacheInfo).catch(() => {});
     AsyncStorage.getItem('aria_xtts_voice').then(saved => {
@@ -1862,6 +1874,40 @@ const SettingsScreen: React.FC = () => {
           ))}
         </View>
 
+        <Text style={[styles.toggleLabel, {marginTop: 20}]}>Empfindlichkeit</Text>
+        <Text style={styles.toggleHint}>
+          Wie leicht das Wake-Word anspringt. Hoeher = strenger = weniger
+          Fehlauslösung (z.B. durch Musik/Radio, die das Mikro mithoert — der
+          Echo-Canceler kann nur ARIAs eigene Stimme rausrechnen, nicht Spotify),
+          aber du musst evtl. deutlicher sprechen. Default: {WAKE_THRESHOLD_DEFAULT.toFixed(2)}.
+          Wird beim „Speichern + Aktivieren" uebernommen.
+        </Text>
+        <View style={styles.prerollRow}>
+          <TouchableOpacity
+            style={styles.prerollButton}
+            onPress={() => {
+              const next = Math.max(WAKE_THRESHOLD_MIN, Math.round((wakeThreshold - 0.05) * 100) / 100);
+              setWakeThreshold(next);
+              saveWakeThreshold(next);
+            }}
+            disabled={wakeThreshold <= WAKE_THRESHOLD_MIN}
+          >
+            <Text style={styles.prerollButtonText}>−0.05</Text>
+          </TouchableOpacity>
+          <Text style={styles.prerollValue}>{wakeThreshold.toFixed(2)}</Text>
+          <TouchableOpacity
+            style={styles.prerollButton}
+            onPress={() => {
+              const next = Math.min(WAKE_THRESHOLD_MAX, Math.round((wakeThreshold + 0.05) * 100) / 100);
+              setWakeThreshold(next);
+              saveWakeThreshold(next);
+            }}
+            disabled={wakeThreshold >= WAKE_THRESHOLD_MAX}
+          >
+            <Text style={styles.prerollButtonText}>+0.05</Text>
+          </TouchableOpacity>
+        </View>
+
         <View style={{flexDirection: 'row', gap: 8, marginTop: 16, alignItems: 'center'}}>
           <TouchableOpacity
             style={[styles.connectButton, {flex: 1}]}
@@ -1907,6 +1953,39 @@ const SettingsScreen: React.FC = () => {
             thumbColor={wakeReadySound ? '#FFFFFF' : '#666680'}
           />
         </View>
+
+        <Text style={[styles.toggleLabel, {marginTop: 20}]}>Weiterreden-Fenster (Gespraech)</Text>
+        <Text style={styles.toggleHint}>
+          Nach einer gesprochenen ARIA-Antwort kannst du so lange einfach
+          weiterreden — ohne Wake-Word — bevor zurueck aufs Wake-Word geschaltet
+          wird. Reine Steuerbefehle (z.B. „nächster Titel") beenden sofort.
+          Default: {Math.round(PASSIVE_LISTEN_DEFAULT_MS / 1000)}s.
+        </Text>
+        <View style={styles.prerollRow}>
+          <TouchableOpacity
+            style={styles.prerollButton}
+            onPress={() => {
+              const next = Math.max(10, passiveSec - 5);
+              setPassiveSec(next);
+              savePassiveListenMs(next * 1000);
+            }}
+            disabled={passiveSec <= 10}
+          >
+            <Text style={styles.prerollButtonText}>−5</Text>
+          </TouchableOpacity>
+          <Text style={styles.prerollValue}>{passiveSec} s</Text>
+          <TouchableOpacity
+            style={styles.prerollButton}
+            onPress={() => {
+              const next = Math.min(60, passiveSec + 5);
+              setPassiveSec(next);
+              savePassiveListenMs(next * 1000);
+            }}
+            disabled={passiveSec >= 60}
+          >
+            <Text style={styles.prerollButtonText}>+5</Text>
+          </TouchableOpacity>
+        </View>
       </View>
       </>)}
 

android/src/services/audio.ts

@@ -151,6 +151,26 @@ export const CONV_WINDOW_MIN_SEC = 3.0;
 export const CONV_WINDOW_MAX_SEC = 20.0;
 export const CONV_WINDOW_STORAGE_KEY = 'aria_conv_window_sec';
 
+// STT-Endpoint (ms Stille bis "fertig gesprochen"). Zu kurz = schneidet mitten
+// im Satz ab, besonders im Auto wo man mit Pausen spricht (Reproduktion: die
+// 11.8s-Frage wurde bei "…ohne dass ein" gekappt). 1500 war zu aggressiv;
+// 2400 default, im Auto ggf. hoeher. Konfigurierbar in den Settings.
+export const STT_ENDPOINT_DEFAULT_MS = 2400;
+export const STT_ENDPOINT_MIN_MS = 1000;
+export const STT_ENDPOINT_MAX_MS = 4000;
+export const STT_ENDPOINT_STORAGE_KEY = 'aria_stt_endpoint_ms';
+
+export async function loadSttEndpointMs(): Promise<number> {
+  try {
+    const raw = await AsyncStorage.getItem(STT_ENDPOINT_STORAGE_KEY);
+    if (raw != null) {
+      const n = parseInt(raw, 10);
+      if (isFinite(n) && n >= STT_ENDPOINT_MIN_MS && n <= STT_ENDPOINT_MAX_MS) return n;
+    }
+  } catch {}
+  return STT_ENDPOINT_DEFAULT_MS;
+}
+
 // TTS-Wiedergabegeschwindigkeit — wird pro Geraet gespeichert und an die
 // Bridge mitgegeben (speed-Param im F5-TTS infer()). 1.0 = normal.
 export const TTS_SPEED_DEFAULT = 1.0;
@@ -1711,11 +1731,39 @@ class AudioService {
         this._stoppedMessageId = activeMsgId;
         console.log('[Audio] Antwort %s als gestoppt markiert', activeMsgId);
       }
-      this.stopPlayback();
+      // NUR die hoerbare Wiedergabe stoppen — Cache-Buffer behalten, damit die
+      // Nachricht spaeter ueber das Lautsprecher-Symbol nachgehoert werden kann.
+      this._silenceAudibleOutput();
     }
   }
   isMuted(): boolean { return this._muted; }
 
+  /** Mund-Button: laufendes Vorlesen SOFORT verstummen lassen, aber den
+   *  PCM-Cache NICHT verwerfen (der Stream cached zu Ende → Nachhoeren via
+   *  Lautsprecher-Symbol bleibt moeglich). Unterschied zu stopPlayback():
+   *  - stopt den AudioTrack IMMER (auch wenn pcmStreamActive schon false ist,
+   *    weil der Stream fertig empfangen wurde aber der AudioTrack seinen Buffer
+   *    noch sekundenlang ausspielt — genau da war der Mund-Button wirkungslos),
+   *  - laesst pcmBuffer/pcmMessageId/pcmStreamActive stehen (Cache laeuft weiter). */
+  private _silenceAudibleOutput(): void {
+    console.log('[Audio] _silenceAudibleOutput: AudioTrack+WAV stoppen, Cache behalten');
+    this.audioQueue = [];
+    this.isPlaying = false;
+    if (this.currentSound) {
+      try { this.currentSound.stop(); this.currentSound.release(); } catch {}
+      this.currentSound = null;
+    }
+    if (this.resumeSound) {
+      try { this.resumeSound.stop(); this.resumeSound.release(); } catch {}
+      this.resumeSound = null;
+    }
+    // AudioTrack IMMER hart stoppen (idempotent) — auch im Drain-Fall.
+    PcmStreamPlayer?.stop().catch(() => {});
+    stopBackgroundAudio().catch(() => {});
+    this._cancelDeferredFocusRelease();
+    AudioFocus?.release().catch(() => {});
+  }
+
   /** Laufende Wiedergabe stoppen + Queue leeren */
   stopPlayback(): void {
     // Idempotent: wenn nichts mehr aktiv ist, NICHT noch einen Focus-Release/

android/src/services/wakeword.ts

@@ -53,6 +53,30 @@ export async function savePassiveListenMs(ms: number): Promise<void> {
 
 export const WAKE_KEYWORD_STORAGE = 'aria_wake_keyword';
 
+// Wake-Word-Empfindlichkeit (openWakeWord-Threshold). Hoeher = strenger =
+// weniger Fehlauslösung (z.B. durch Musik/Radio ueber die Auto-Lautsprecher,
+// die das Mikro mithoert — der App-Echo-Canceler kann nur ARIAs eigenes TTS
+// rausrechnen, NICHT Spotify). Default 0.6 (war 0.5). 0..1.
+export const WAKE_THRESHOLD_DEFAULT = 0.6;
+export const WAKE_THRESHOLD_MIN = 0.3;
+export const WAKE_THRESHOLD_MAX = 0.9;
+export const WAKE_THRESHOLD_STORAGE_KEY = 'aria_wake_threshold';
+
+export async function loadWakeThreshold(): Promise<number> {
+  try {
+    const raw = await AsyncStorage.getItem(WAKE_THRESHOLD_STORAGE_KEY);
+    if (raw != null) {
+      const n = parseFloat(raw);
+      if (isFinite(n) && n >= WAKE_THRESHOLD_MIN && n <= WAKE_THRESHOLD_MAX) return n;
+    }
+  } catch {}
+  return WAKE_THRESHOLD_DEFAULT;
+}
+
+export async function saveWakeThreshold(v: number): Promise<void> {
+  await AsyncStorage.setItem(WAKE_THRESHOLD_STORAGE_KEY, String(v));
+}
+
 /** Verfuegbare Wake-Words — entsprechen den .onnx Dateien in
  *  android/app/src/main/assets/openwakeword/. Custom-Keywords (eigenes
  *  Training via openwakeword Notebook) muessen aktuell als Asset eingebaut
@@ -76,8 +100,9 @@ export const KEYWORD_LABELS: Record<WakeKeyword, string> = {
   hey_rhasspy: 'Hey Rhasspy',
 };
 
-// Detection-Tuning — kann in Settings spaeter konfigurierbar werden.
-const DEFAULT_THRESHOLD = 0.5;
+// Detection-Tuning. Threshold ist ueber die Settings konfigurierbar
+// (loadWakeThreshold) — der Wert hier ist nur der Fallback.
+const DEFAULT_THRESHOLD = WAKE_THRESHOLD_DEFAULT;
 const DEFAULT_PATIENCE = 2;
 const DEFAULT_DEBOUNCE_MS = 1500;
 
@@ -132,6 +157,12 @@ class WakeWordService {
    *  hier eine streaming-Aufnahme OHNE User-Bubble (passiv lauschen). */
   private passiveListenCallbacks: PassiveListenCallback[] = [];
 
+  /** Hook, der das Mikro freigibt (laufende Streaming-Aufnahme canceln) BEVOR
+   *  wir OpenWakeWord.start() rufen. Ohne das haelt die passive/conversing
+   *  Aufnahme das Mikro noch, start() schlaegt fehl → Ohr bleibt ausgegraut
+   *  (state=off). ChatScreen registriert den Hook mit audioService.cancel…. */
+  private micReleaseHook: (() => Promise<void>) | null = null;
+
   private keyword: WakeKeyword = DEFAULT_KEYWORD;
   private nativeReady: boolean = false;
   private initInProgress: Promise<boolean> | null = null;
@@ -149,6 +180,19 @@ class WakeWordService {
     }
   }
 
+  /** ChatScreen registriert hier einen Hook, der eine laufende Streaming-
+   *  Aufnahme cancelt (Mikro freigeben) — wird vor jedem Re-Arm gerufen. */
+  setMicReleaseHook(fn: (() => Promise<void>) | null): void {
+    this.micReleaseHook = fn;
+  }
+
+  private async _freeMic(): Promise<void> {
+    if (!this.micReleaseHook) return;
+    try { await this.micReleaseHook(); } catch (e) {
+      console.warn('[WakeWord] micReleaseHook err:', e);
+    }
+  }
+
   /** Settings-Wechsel: anderes Wake-Word. Re-Init des Native-Moduls. */
   async configure(keyword: string): Promise<boolean> {
     const next: WakeKeyword = (WAKE_KEYWORDS as readonly string[]).includes(keyword)
@@ -178,7 +222,9 @@ class WakeWordService {
     if (this.initInProgress) return this.initInProgress;
     this.initInProgress = (async () => {
       try {
-        await OpenWakeWord.init(this.keyword, DEFAULT_THRESHOLD, DEFAULT_PATIENCE, DEFAULT_DEBOUNCE_MS);
+        const threshold = await loadWakeThreshold();
+        console.log('[WakeWord] init mit threshold=%s', threshold);
+        await OpenWakeWord.init(this.keyword, threshold, DEFAULT_PATIENCE, DEFAULT_DEBOUNCE_MS);
         // Subscribe nur einmal
         if (!this.eventSub) {
           const emitter = new NativeEventEmitter(NativeModules.OpenWakeWord);
@@ -422,7 +468,10 @@ class WakeWordService {
    *  wuerde sonst OpenWakeWord.stop() rufen weil bargeListening noch true
    *  ist, und unseren frisch re-armierten Listener killen.
    */
-  async endConversation(): Promise<void> {
+  /** @param skipPassive true = KEIN passives Lauschen, direkt zurueck aufs
+   *  Wake-Word (armed). Fuer klare Steuerbefehle (Fast-Path) — nach
+   *  "nächster Titel" will Stefan kein 30s-Fenster, sondern Stop. */
+  async endConversation(skipPassive: boolean = false): Promise<void> {
     if (this.state !== 'conversing') {
       import('./logger').then(m => m.reportAppDebug('wake.end',
         `endConversation called but state=${this.state} → noop`)).catch(()=>{});
@@ -442,7 +491,7 @@ class WakeWordService {
     // (Phase 3) filtert fremde Stimmen weg, der User kann ohne erneute
     // Anrede weitersprechen.
     const passiveMs = await loadPassiveListenMs();
-    if (passiveMs > 0 && this.nativeReady) {
+    if (!skipPassive && passiveMs > 0 && this.nativeReady) {
       this.enterPassiveListening(passiveMs);
       return;
     }
@@ -454,6 +503,7 @@ class WakeWordService {
       // als state extra zu fragen, garantiert dass nach diesem Pfad
       // Native auch wirklich an ist falls es out-of-band gestoppt wurde.
       try {
+        await this._freeMic();   // Streaming-Aufnahme canceln → Mikro frei
         await OpenWakeWord.start();
         console.log('[WakeWord] Konversation zu Ende — zurueck zu armed (wasBarge=%s)', wasBarge);
         import('./logger').then(m => m.reportAppDebug('wake.end',
@@ -520,6 +570,7 @@ class WakeWordService {
     // timeout oder manual → Wake-Word reaktivieren, armed-State.
     if (this.nativeReady && OpenWakeWord) {
       try {
+        await this._freeMic();   // passive Streaming-Aufnahme canceln → Mikro frei
         await OpenWakeWord.start();
         console.log('[WakeWord] zurueck zu armed nach passive-listen');
         ToastAndroid.show(`Lausche wieder auf "${KEYWORD_LABELS[this.keyword]}"`, ToastAndroid.SHORT);
@@ -564,6 +615,7 @@ class WakeWordService {
     this.lastTriggerAt = 0;
     if (this.nativeReady && OpenWakeWord) {
       try {
+        await this._freeMic();   // ggf. laufende Aufnahme canceln → Mikro frei
         await OpenWakeWord.start();
         ToastAndroid.show('Hintergrund-Trigger verworfen — lausche wieder', ToastAndroid.SHORT);
         this.setState('armed');

aria-brain/agent.py

@@ -234,6 +234,24 @@ META_TOOLS = [
                             "\"method\":\"PUT\"},\"reply\":\"Spotify: pausiert ⏸\"}]"
                         ),
                     },
+                    "speak": {
+                        "type": "boolean",
+                        "description": (
+                            "Soll die Antwort dieses Skills VORGELESEN werden (TTS)? "
+                            "Default false. \n"
+                            "- false = reiner STEUERBEFEHL (Spotify next/pause, Licht, "
+                            "Rollade): es gibt nichts vorzulesen, die App beendet direkt "
+                            "und lauscht wieder aufs Wake-Word (knackig, wie ein "
+                            "Kommando).\n"
+                            "- true = ANTWORT-Skill: das Ergebnis ist eine Information, "
+                            "die Stefan HOEREN will (z.B. ein Wuerfelergebnis, ein "
+                            "Nachschlage-Wert, ein Status). Dann wird die Antwort "
+                            "vorgelesen und das Gespraechs-Fenster bleibt offen.\n"
+                            "Gilt fuer Fast-Path UND wenn das lokale LLM den Skill "
+                            "aufruft. Im Zweifel bei Kommandos false, bei "
+                            "Frage-Antwort-Skills true."
+                        ),
+                    },
                 },
                 "required": ["name", "description", "entry_code"],
             },
@@ -310,6 +328,13 @@ META_TOOLS = [
                             "wieder durch Claude). Wenn nicht angegeben: bleibt unberuehrt."
                         ),
                     },
+                    "speak": {
+                        "type": "boolean",
+                        "description": (
+                            "Vorlesen ja/nein (siehe skill_create). false = "
+                            "Steuerbefehl/stumm, true = Antwort-Skill/vorlesen."
+                        ),
+                    },
                 },
                 "required": ["name"],
             },
@@ -1018,10 +1043,36 @@ META_TOOLS = [
 # Diese Logik ist generisch — ARIA deklariert die Patterns selbst beim
 # skill_create / skill_update, das Brain orchestriert nur.
 
+def _strip_leading_hint_blocks(text: str) -> str:
+    """Entfernt fuehrende Hint-Bloecke `[ ... ]`, die die Bridge an
+    Voice-Nachrichten haengt (GPS-Position, Barge-In-Hinweis). Ohne das matcht
+    KEIN Voice-Befehl je den Fast-Path (Regex ist ^...$-verankert) — selbst
+    'nächstes lied' landete unnoetig bei Claude statt beim 0-Token-Fast-Path."""
+    s = (text or "").strip()
+    prev = None
+    while prev != s:
+        prev = s
+        s = re.sub(r"^\s*\[[^\]]*\]\s*", "", s)
+    return s
+
+
+def _fold_umlauts(s: str) -> str:
+    """ä→ae, ö→oe, ü→ue, ß→ss (lowercase erwartet). Whisper liefert echte
+    Umlaute ('Nächstes Lied'), viele Skill-fast_patterns sind aber in ae/oe/ue
+    geschrieben — ohne Faltung matcht das nie."""
+    return (s.replace("ä", "ae").replace("ö", "oe").replace("ü", "ue")
+             .replace("ß", "ss"))
+
+
 def _normalize_for_fast_match(text: str) -> str:
-    norm = (text or "").strip().lower()
-    norm = re.sub(r"[.!?]+$", "", norm)
-    norm = re.sub(r"\s+", " ", norm)
+    norm = _strip_leading_hint_blocks(text).lower()
+    norm = _fold_umlauts(norm)
+    # Interne Satzzeichen raus, die Whisper einstreut ('Nächstes Lied, bitte.').
+    # Kommas/Semikola/Doppelpunkte → Space, Punkt/!/? ganz weg. Sonst matcht das
+    # ^...$-verankerte fast_pattern nie, weil das Komma dazwischenfunkt.
+    norm = re.sub(r"[,;:]", " ", norm)
+    norm = re.sub(r"[.!?]+", "", norm)
+    norm = re.sub(r"\s+", " ", norm).strip()
     return norm
 
 
@@ -1117,6 +1168,9 @@ class Agent:
                 rx = pat.get("match") or ""
                 if not rx:
                     continue
+                # Pattern GLEICH falten wie den Text — egal ob der Skill-Autor
+                # 'naechstes' oder 'nächstes' geschrieben hat.
+                rx = _fold_umlauts(rx)
                 try:
                     if not re.match(rx, norm, re.IGNORECASE):
                         continue
@@ -1125,6 +1179,8 @@ class Agent:
                     continue
                 args = pat.get("args") or {}
                 reply = pat.get("reply") or f"{skill_name}: ok"
+                # Vorlesen? Folgt dem Skill-Manifest (Default False=Steuerbefehl).
+                self._fast_path_speak = bool(skill.get("speak", False))
                 logger.info("[fast-path] match skill=%s pattern=%r msg=%r",
                             skill_name, rx, user_message[:60])
                 try:
@@ -1192,11 +1248,31 @@ class Agent:
                 break
         return tools
 
+    def _skill_speak_flag(self, tname: str) -> bool:
+        """speak-Flag eines run_*-Skills aus dem Manifest (Default False =
+        Steuerbefehl/stumm). Loest run_-Name → Skill fuzzy auf (Bindestriche)."""
+        if not tname.startswith("run_"):
+            return True
+        suffix = tname[len("run_"):]
+        m = skills_mod.read_manifest(suffix)
+        if m is None:
+            for cand in skills_mod.list_skills(active_only=False):
+                cn = cand.get("name") or ""
+                if re.sub(r"[^a-zA-Z0-9_]", "_", cn) == suffix:
+                    m = cand
+                    break
+        return bool((m or {}).get("speak", False))
+
     def _try_local_fast_lane(self, user_message: str,
                              active_project_id: str) -> Optional[str]:
         cfg = router_mod.load_config()
         if not router_mod.should_try_local(user_message, cfg):
             return None
+        # Vorlesen ja/nein fuer diesen lokalen Turn. Default True (Info-Antwort).
+        # Fuehrt local einen Skill (run_*) aus, uebernimmt dessen speak-Flag aus
+        # dem Manifest (Steuerbefehl-Skill=False → stumm, Antwort-Skill=True).
+        # Info-Tools (web_search/memory_search/trigger_timer) lassen es bei True.
+        self._local_turn_speak = True
         local_only = bool(cfg.get("localOnly"))
         local_model = cfg.get("localLlmModel") or "qwen3-8b"  # B0.5: llama-swap-Key
         tools = self._build_local_tools()  # B1b: kuratierte Tools
@@ -1244,6 +1320,11 @@ class Agent:
                     logger.info("[router] lokal Tool-Call: %s(%s)", tname,
                                 ", ".join(targs.keys()))
                     tresult = self._dispatch_tool(tname, targs)
+                    # Echter Skill (run_*) erfolgreich? Dann uebernimmt dieser
+                    # Turn das speak-Flag des Skills (Steuerbefehl=stumm,
+                    # Antwort-Skill=vorlesen). Letzter Skill gewinnt.
+                    if tname.startswith("run_") and not self._local_tool_failed(tname, tresult):
+                        self._local_turn_speak = self._skill_speak_flag(tname)
                     if self._local_tool_failed(tname, tresult):
                         had_error = True
                     messages.append({"role": "tool",
@@ -1338,9 +1419,10 @@ class Agent:
                 metrics.log_fast_path(fast_reply)
             except Exception:
                 pass
-            # Fast-Path = reiner Steuerbefehl → NICHT vorlesen (speak=False).
-            # System-Flag statt <voice>-Tag: robust, unabhaengig vom Skill-Inhalt.
-            return fast_reply, "fast-path", False
+            # Vorlesen folgt dem Skill-Manifest (speak): Steuerbefehl=stumm,
+            # Antwort-Skill=vorlesen. Default False (reiner Steuerbefehl).
+            speak = bool(getattr(self, "_fast_path_speak", False))
+            return fast_reply, "fast-path", speak
 
         # 1. User-Turn an die Konversation
         self.conversation.add("user", user_message, source=source,
@@ -1354,7 +1436,10 @@ class Agent:
         # teure Claude-Aufbau + Tool-Loop wird uebersprungen. Sonst None → Claude.
         local_reply = self._try_local_fast_lane(user_message, active_project_id)
         if local_reply is not None:
-            return local_reply, "local", True  # ARIA-Antwort → vorlesen ok
+            # speak folgt dem Skill: Steuerbefehl-Skill (speak=false) → stumm +
+            # App beendet direkt; Antwort-Skill/Info-Tool → vorlesen + Gespraech.
+            speak = getattr(self, "_local_turn_speak", True)
+            return local_reply, "local", speak
 
         # 2. Hot Memory (alle pinned Punkte)
         hot = self.store.list_pinned()
@@ -1470,6 +1555,12 @@ class Agent:
         # zwei Turns, was OpenAI/Anthropic verwirrt und bei strict tools-Aufrufen
         # zu 400-Errors fuehren kann.
         final_reply = ""
+        # Vorlesen ja/nein fuer diesen Claude-Turn. Default True (Gespraech).
+        # Fuehrt Claude einen Steuerbefehl-Skill (run_*, speak=false) erfolgreich
+        # aus, wird die Antwort NICHT vorgelesen — der Text landet aber normal in
+        # der Bubble (Stefans Wunsch). Antwort-Skills (speak=true) + reine
+        # Konversation bleiben gesprochen.
+        self._claude_turn_speak = True
         try:
             for iteration in range(self.MAX_TOOL_ITERATIONS):
                 result = self.proxy.chat_full(messages, tools=tools,
@@ -1487,6 +1578,11 @@ class Agent:
                     # Tools ausfuehren + Ergebnis als role=tool zurueck
                     for tc in result.tool_calls:
                         tool_result = self._dispatch_tool(tc["name"], tc["arguments"])
+                        # Steuerbefehl-Skill (run_*, speak=false) erfolgreich
+                        # ausgefuehrt → Antwort nicht vorlesen (letzter Skill gewinnt).
+                        _tn = tc.get("name") or ""
+                        if _tn.startswith("run_") and not self._local_tool_failed(_tn, tool_result):
+                            self._claude_turn_speak = self._skill_speak_flag(_tn)
                         # Cap auf 50 KB — passt zur Cap in _dispatch_tool fuer
                         # Skill-Outputs (siehe agent.py weiter unten). 8 KB war
                         # viel zu wenig: Spotify _all=true mit 90 Playlists
@@ -1555,7 +1651,8 @@ class Agent:
         # 7. Assistant-Turn (final reply) in die Conversation
         self.conversation.add("assistant", final_reply,
                               project_id=active_project_id)
-        return final_reply, "claude", True  # ARIA-Antwort → vorlesen ok
+        # speak folgt dem ausgefuehrten Skill (Steuerbefehl=stumm), sonst True.
+        return final_reply, "claude", bool(getattr(self, "_claude_turn_speak", True))
 
     # ── Tool-Dispatcher ───────────────────────────────────────
 
@@ -1576,6 +1673,7 @@ class Agent:
                     pip_packages=arguments.get("pip_packages", []),
                     config_schema=arguments.get("config_schema") or None,
                     fast_patterns=arguments.get("fast_patterns") or None,
+                    speak=bool(arguments.get("speak", False)),
                     author="aria",
                 )
                 # Side-Channel-Event: Stefan soll sehen wenn ARIA was anlegt
@@ -1635,6 +1733,8 @@ class Agent:
                 for k in ("entry_code", "readme", "description", "args", "active"):
                     if k in arguments and arguments[k] is not None:
                         patch[k] = arguments[k]
+                if "speak" in arguments and arguments["speak"] is not None:
+                    patch["speak"] = bool(arguments["speak"])
                 if "pip_packages" in arguments and isinstance(arguments["pip_packages"], list):
                     patch["pip_packages"] = arguments["pip_packages"]
                 if "config_schema" in arguments and isinstance(arguments["config_schema"], list):

aria-brain/router.py

@@ -87,6 +87,17 @@ _HARD_HINTS = re.compile(
 _MAX_LEN_FOR_LOCAL = 220   # laengere Nachrichten = eher komplexe Aufgaben → Claude
 
 
+def _strip_leading_hint_blocks(text: str) -> str:
+    """Fuehrende `[ ... ]`-Hint-Bloecke (GPS, Barge-In von der Bridge) weg —
+    sonst blaeht der Praefix die Laenge auf und verfaelscht die Heuristik."""
+    s = (text or "").strip()
+    prev = None
+    while prev != s:
+        prev = s
+        s = re.sub(r"^\s*\[[^\]]*\]\s*", "", s)
+    return s
+
+
 def should_try_local(user_message: str, cfg: dict) -> bool:
     """True, wenn der Router diesen Turn (B1a, reden-only) lokal versuchen soll.
     localOnly überschreibt die Heuristik (dann IMMER lokal)."""
@@ -94,7 +105,7 @@ def should_try_local(user_message: str, cfg: dict) -> bool:
         return False
     if cfg.get("localOnly"):
         return True
-    msg = (user_message or "").strip()
+    msg = _strip_leading_hint_blocks(user_message)
     if not msg or len(msg) > _MAX_LEN_FOR_LOCAL:
         return False
     if _TOOL_HINTS.search(msg):

aria-brain/skills.py

@@ -165,6 +165,7 @@ def create_skill(
     author: str = "aria",
     config_schema: Optional[list] = None,
     fast_patterns: Optional[list] = None,
+    speak: bool = False,
 ) -> dict:
     """Legt einen neuen Skill an. Wirft ValueError bei ungueltigen Inputs.
 
@@ -215,6 +216,11 @@ def create_skill(
         "author": author,
         "config_schema": _normalize_config_schema(config_schema),
         "fast_patterns": _normalize_fast_patterns(fast_patterns),
+        # speak: soll die Antwort dieses Skills vorgelesen werden (TTS)?
+        # False (Default) = reiner Steuerbefehl (Spotify, Licht) → stumm, App
+        # beendet direkt. True = Antwort-Skill (Info/Ergebnis) → vorlesen +
+        # Gespraechs-Fenster. Gilt fuer Fast-Path UND local-Skill-Ausfuehrung.
+        "speak": bool(speak),
         "version_history": [],
     }
     write_manifest(name, manifest)
@@ -335,10 +341,12 @@ def update_skill(name: str, patch: dict) -> dict:
         # nach archive_current_version manifest neu laden (version_history geupdatet)
         manifest = read_manifest(name) or manifest
 
-    allowed = {"description", "args", "requires", "active", "version", "entry"}
+    allowed = {"description", "args", "requires", "active", "version", "entry", "speak"}
     for k, v in patch.items():
         if k in allowed:
             manifest[k] = v
+    if "speak" in patch:
+        manifest["speak"] = bool(patch["speak"])
     if "config_schema" in patch:
         manifest["config_schema"] = _normalize_config_schema(patch["config_schema"])
     if "fast_patterns" in patch:

bridge/aria_bridge.py

@@ -1366,6 +1366,11 @@ class ARIABridge:
                 "projectId": (payload.get("projectId") or "") if isinstance(payload, dict) else "",
                 # Quell-Backend (local/claude/fast-path) fuer den Diagnostic-Badge.
                 "answeredBy": (payload.get("answeredBy") or "") if isinstance(payload, dict) else "",
+                # Wird diese Antwort vorgelesen? Fast-Path/Steuerbefehl = False.
+                # Die App braucht das: ohne TTS feuert onPlaybackFinished nie,
+                # und daran haengt das Wake-Word-Re-Arm — sonst bleibt das Ohr
+                # nach einem Fast-Path-Befehl grau haengen.
+                "speak": bool(payload.get("speak", True)) if isinstance(payload, dict) else True,
             },
             "timestamp": int(asyncio.get_event_loop().time() * 1000),
         })
@@ -3006,6 +3011,24 @@ class ARIABridge:
             if self._is_duplicate_client_msg(client_msg_id):
                 return
 
+            # Text-Fenster-Dedup: im Auto cancelt der App-No-Speech-Watchdog den
+            # Stream vorzeitig und startet passives Lauschen, waehrend die Bridge
+            # dieselbe Aeusserung parallel noch finalisiert → derselbe Befehl
+            # kaeme zweimal (aus ZWEI verschiedenen audioRequestIds, darum greift
+            # die ID-Idempotenz oben nicht). Identischen Endpoint-Text innerhalb
+            # 5s verwerfen. Genuines "nächstes, nächstes" liegt praktisch immer
+            # weiter auseinander (man hoert den Wechsel erst).
+            _norm_txt = " ".join(text.lower().split())
+            _now_t = asyncio.get_event_loop().time()
+            if (_norm_txt
+                    and _norm_txt == getattr(self, "_last_endpoint_norm", "")
+                    and (_now_t - getattr(self, "_last_endpoint_at", 0.0)) < 5.0):
+                logger.info("[rvs] stt_endpoint Dupe verworfen (gleicher Text <5s): %r",
+                            text[:60])
+                return
+            self._last_endpoint_norm = _norm_txt
+            self._last_endpoint_at = _now_t
+
             # App-Focus aus stt_stream_start-Registry auflösen (falls die
             # App-Version die projectId noch nicht mitschickt: leer = Hauptchat).
             stream_req_id = payload.get("requestId", "") or ""

diagnostic/index.html

@@ -1424,6 +1424,7 @@
     let focusedContextId = localStorage.getItem('diag_focused_context_id') || '';
     let diagQueueStatus = {};
     let diagProjectsCache = [];
+    let diagShowHiddenStrip = false;   // versteckte Projekte im Streifen zeigen?
 
     function updateChatVisibilityByFocus() {
       for (const box of [chatBox, document.getElementById('chat-box-fs')]) {
@@ -1464,20 +1465,79 @@
         if (s.queue_size > 0) return { color: '#FFD60A', label: `Queue: ${s.queue_size}` };
         return { color: '#34C759', label: 'idle' };
       };
+      // Projekt-Chip MIT Auge (verstecken/sichtbar). Auge hat eigenes onclick
+      // + stopPropagation, damit der Klick nicht den Kontext wechselt.
+      const projChip = (p, isFocus, dotColor, subline) => {
+        const hidden = !!p.hidden;
+        const bg = isFocus ? 'rgba(52,199,89,0.15)' : '#1E1E2E';
+        const border = isFocus ? '#34C759' : '#2A2A3E';
+        const eye = hidden ? '👁' : '🙈';
+        const eyeTitle = hidden ? 'Wieder dauerhaft sichtbar machen' : 'Verstecken (aus dem Streifen ausblenden)';
+        return `<div style="flex:0 0 auto;padding:6px 10px;background:${bg};border:1px solid ${border};border-radius:6px;display:flex;align-items:center;gap:6px;min-width:120px;${hidden ? 'opacity:0.5;' : ''}">
+          <div onclick="switchDiagFocus('${p.id}')" style="cursor:pointer;display:flex;align-items:center;gap:6px;min-width:0;">
+            <div style="width:8px;height:8px;border-radius:4px;background:${dotColor};"></div>
+            <div style="display:flex;flex-direction:column;min-width:0;">
+              <div style="color:${isFocus?'#34C759':'#E0E0F0'};font-size:12px;font-weight:600;white-space:nowrap;overflow:hidden;text-overflow:ellipsis;max-width:200px;">📁 ${escapeHtml(p.name)}${hidden ? ' <span style="color:#B392F0;font-size:9px;font-weight:700;">versteckt</span>' : ''}</div>
+              <div style="color:#8888AA;font-size:10px;">${subline}</div>
+            </div>
+          </div>
+          <span onclick="event.stopPropagation();setStripProjectHidden('${p.id}',${!hidden})" title="${eyeTitle}" style="cursor:pointer;font-size:14px;padding:2px 4px;user-select:none;">${eye}</span>
+        </div>`;
+      };
       const cards = [];
       // Hauptchat
       const mainDot = dotFor('__main__');
       cards.push(chip('', '💬 Hauptchat', focusedContextId === '', mainDot.color, mainDot.label || 'idle'));
-      // Projekte — nur active/ended, sortiert nach letzter Aktivitaet
+      // Projekte — nur active/ended, sortiert nach letzter Aktivitaet.
+      // Versteckte standardmaessig raus; per Toggle-Chip einblendbar.
+      let hiddenCount = 0;
       for (const p of diagProjectsCache) {
         if (p.status === 'archived') continue;
+        if (p.hidden) {
+          hiddenCount++;
+          if (!diagShowHiddenStrip) continue;
+        }
         const d = dotFor(p.id);
         const sub = d.label || `${p.turn_count} Turns`;
-        cards.push(chip(p.id, `📁 ${p.name}`, focusedContextId === p.id, d.color, sub));
+        cards.push(projChip(p, focusedContextId === p.id, d.color, sub));
+      }
+      // Toggle-Chip am Ende (nur wenn es versteckte gibt oder gerade gezeigt werden)
+      if (hiddenCount > 0 || diagShowHiddenStrip) {
+        const tLabel = diagShowHiddenStrip
+          ? `🙈 versteckte ausblenden (${hiddenCount})`
+          : `👁 versteckte anzeigen (${hiddenCount})`;
+        cards.push(`<div onclick="toggleDiagHiddenStrip()" title="Versteckte Projekte ein-/ausblenden" style="cursor:pointer;flex:0 0 auto;padding:6px 10px;background:#0D0D18;border:1px dashed #3A3A50;border-radius:6px;display:flex;align-items:center;color:#B392F0;font-size:11px;font-weight:600;white-space:nowrap;">${tLabel}</div>`);
       }
       strip.innerHTML = cards.join('');
     }
 
+    function toggleDiagHiddenStrip() {
+      diagShowHiddenStrip = !diagShowHiddenStrip;
+      renderContextStrip();
+    }
+
+    async function setStripProjectHidden(id, hidden) {
+      try {
+        const r = await fetch(`/api/brain/projects/${encodeURIComponent(id)}`, {
+          method: 'PATCH',
+          headers: { 'Content-Type': 'application/json' },
+          body: JSON.stringify({ hidden: !!hidden }),
+        });
+        if (!r.ok) throw new Error('HTTP ' + r.status);
+        // Wenn wir das gerade fokussierte Projekt verstecken (und Versteckte nicht
+        // eingeblendet sind), zurueck auf Hauptchat — sonst haengt der Focus an
+        // einem unsichtbaren Chip.
+        if (hidden && id === focusedContextId && !diagShowHiddenStrip) {
+          switchDiagFocus('');
+        }
+        // Lokal sofort aktualisieren (der /api/brain-Proxy broadcastet zusaetzlich
+        // project_changed an App + andere Tabs).
+        await refreshDiagProjectsCache();
+      } catch (e) {
+        alert('Verstecken/Anzeigen fehlgeschlagen: ' + e.message);
+      }
+    }
+
     async function refreshDiagQueueStatus() {
       try {
         const r = await fetch('/api/brain/projects/queue-status');
@@ -1775,8 +1835,10 @@
         }
 
         if (msg.type === 'project_changed') {
-          // ARIA hat in einem Tool-Call ein Projekt erstellt/betreten/verlassen/beendet.
-          // Liste neu laden falls sichtbar.
+          // Projekt geaendert (ARIA-Tool, App/Diagnostic-Verstecken, …) →
+          // BEIDE Projekt-UIs live aktualisieren: den Kontext-Streifen (Main)
+          // und die vertikale Liste (Einstellungen).
+          refreshDiagProjectsCache();
           loadProjects();
           return;
         }

diagnostic/server.js

@@ -1602,7 +1602,16 @@ const htmlPath = path.join(__dirname, "index.html");
 
 const server = http.createServer((req, res) => {
   if (req.url === "/" || req.url === "/index.html") {
-    res.writeHead(200, { "Content-Type": "text/html; charset=utf-8" });
+    // no-store: das Dashboard ist eine Single-HTML-App die bei jedem Deploy
+    // neue Inline-JS/CSS bekommt. Ohne Cache-Header servierte der Browser die
+    // alte Version trotz Reload (neue Features tauchten erst nach Hard-Reload
+    // auf) — genau das Symptom „ich seh den Button nicht".
+    res.writeHead(200, {
+      "Content-Type": "text/html; charset=utf-8",
+      "Cache-Control": "no-store, no-cache, must-revalidate",
+      "Pragma": "no-cache",
+      "Expires": "0",
+    });
     res.end(fs.readFileSync(htmlPath, "utf-8"));
   } else if (req.url === "/api/state") {
     res.writeHead(200, { "Content-Type": "application/json" });