release: bump version to 0.2.4.9

"Claude Vision direkt (ohne Dateipfad-Umweg)" abgehakt und umformuliert:
Bildanalyse funktioniert bereits (App-Uploads + Screenshots via Read-Tool,
/shared/uploads im Proxy-Container gemountet). Die "direkte" Variante waere
reine Politur (ein Read weniger) und ist bewusst nicht geplant — vermeidet,
dass jemand den heiklen Proxy-Umbau spaeter grundlos wieder aufmacht.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

CHANGELOG.md

@@ -235,7 +235,7 @@ Nur **App neu bauen** (kein Backend). APK 0.2.2.0.
 
 ## [0.2.0.4 – 0.2.0.5] — 2026-07-11 — Plan B: Lokales LLM („Gemini-Feeling")
 
-Ein kleines, schnelles Modell (**Qwen3 8B** via llama.cpp/llama-swap auf der Gamebox-GPU) übernimmt einfache Turns in **<1 s**; alles Schwere/Technische/Werkzeug-artige reicht ein Router automatisch an **Claude** weiter. Ziel: schnelle Antworten ohne die Claude-Max-Subscription aufzugeben.
+Ein kleines, schnelles Modell (**Qwen3 8B** via llama.cpp/llama-swap auf der AI-Box-GPU) übernimmt einfache Turns in **<1 s**; alles Schwere/Technische/Werkzeug-artige reicht ein Router automatisch an **Claude** weiter. Ziel: schnelle Antworten ohne die Claude-Max-Subscription aufzugeben.
 
 ### Hinzugefügt
 

README.md

@@ -35,18 +35,17 @@ ARIA hat zwei Rollen:
             │ WebSocket Tunnel          │ WebSocket Tunnel
             ▼                           ▼
 ┌─────────────────────────────────┐
-│  Gamebox (Windows + WSL2)        │
+│  Compute-Node(s) (NVIDIA GPU)    │
-│  RTX 3060, Docker Desktop       │
+│  beliebig viele, je per .env     │
+│  konfiguriert (COMPOSE_PROFILES) │
 │  ┌──────────────────────────┐   │
-│  │ aria-f5tts-bridge        │   │
+│  │ aria-voxtral-bridge      │   │ Profil: voxtral (Default-STT)
-│  │  F5-TTS Voice Cloning    │   │
+│  │ aria-f5tts-bridge        │   │ Profil: f5tts   (TTS)
-│  │  PCM-Streaming an die App │   │
+│  │ aria-llm-adapter+swap    │   │ Profil: llm     (lokales LLM)
-│  ├──────────────────────────┤   │
+│  │ aria-whisper-bridge      │   │ Profil: whisper (STT-Fallback)
-│  │ aria-whisper-bridge      │   │
-│  │  Faster-Whisper CUDA     │   │
-│  │  STT in fast-Echtzeit    │   │
 │  └──────────────────────────┘   │
-│  Beide teilen ./voices Volume    │
+│  Aufteilbar: 1 Node pro Dienst   │
+│  ODER All-in-One. GPU per *_GPU. │
 │  xtts/docker-compose.yml        │
 └─────────────────────────────────┘
 ┌─────────────────────────────────────────────────────────┐
@@ -95,12 +94,17 @@ ARIA hat zwei Rollen:
 |-----|----|-----|
 | RVS | Rechenzentrum | `cd rvs && docker compose up -d` |
 | ARIA Brain/Bridge/Diagnostic | Debian 13 VM | `./init.sh && ./aria-setup.sh && docker compose up -d` |
-| Gamebox-Stack (F5-TTS + Whisper) | Gamebox (GPU) | `cd xtts && docker compose up -d` |
+| Compute-Node(s) (STT/TTS/LLM) | 1..n GPU-Rechner | `cd xtts && cp .env.example .env && docker compose up -d` |
 | Satellit(en) 🛰️ (optional) | Fremdes Netz (Büro …) | `cd satellite && cp .env.example .env && docker compose up -d --build` |
+| Host-Agent(en) 💻 (optional) | Direkt auf einem Rechner | `cd host-agent && ./build.sh` → Binary + `.env` auf den Rechner, starten (Details unten & in [`host-agent/README.md`](host-agent/README.md)) |
 | Android App | Stefans Handy | APK installieren (Auto-Update via RVS) |
 
-> Der Gamebox-Stack ist optional: ohne ihn faellt STT auf lokales Whisper (CPU,
+> Compute-Nodes sind optional: ohne sie faellt STT auf lokales Whisper (CPU,
 > langsamer) zurueck; TTS bleibt aus (ARIA antwortet dann nur als Text).
+> Jeder Node startet per `COMPOSE_PROFILES` in seiner `.env` nur die Dienste,
+> die er anbieten soll (`voxtral`/`f5tts`/`llm`/`whisper`) — so laesst sich der
+> GPU-Stack auf mehrere Maschinen verteilen (STT-Box, TTS-Box, LLM-Box) oder
+> als All-in-One auf einer Kiste fahren (`voxtral,f5tts,llm`).
 
 ---
 
@@ -135,8 +139,8 @@ RVS_PORT=443
 RVS_TLS=true
 RVS_TLS_FALLBACK=true
 
-# Pairing-Token: Verbindet App, Bridge, Diagnostic und Gamebox im gleichen RVS-Room
+# Pairing-Token: Verbindet App, Bridge, Diagnostic und Compute-Nodes im gleichen RVS-Room
-# MUSS auf allen Geraeten identisch sein (ARIA-VM, Gaming-PC, App)
+# MUSS auf allen Geraeten identisch sein (ARIA-VM, Compute-Nodes, App)
 RVS_TOKEN=              # ./generate-token.sh
 ```
 
@@ -304,28 +308,28 @@ Danach wird der Proxy gepatcht:
 
 ## Voice Bridge
 
-Die Bridge verbindet die Android App mit ARIA und orchestriert die GPU-Services
+Die Bridge verbindet die Android App mit ARIA und orchestriert die GPU-Dienste
-auf der Gamebox.
+auf den Compute-Nodes.
 
 **Nachrichtenfluss:**
 ```
 Text:   App → RVS → Bridge → aria-brain (HTTP)
-Audio:  App → RVS → Bridge → stt_request (RVS) → whisper-bridge (Gamebox)
+Audio:  App → RVS → STT-Node (voxtral/whisper) direkt (Streaming)
-                          → stt_response → Bridge → aria-brain
+                 → stt_endpoint/stt_stream_done → Bridge → aria-brain
         Fallback bei Timeout: lokales faster-whisper (CPU)
 Datei:  App → RVS → Bridge → /shared/uploads/ → aria-brain (mit Pfad)
 
 aria-brain → Antwort → Bridge → RVS → App
-                              → xtts_request (RVS) → f5tts-bridge
+                              → xtts_request (RVS) → f5tts-Node
                               → audio_pcm Stream → RVS → App AudioTrack
 ```
 
 ### Features
 
-- **STT primaer remote**: aria-bridge sendet `stt_request` an die Gamebox-Whisper
+- **STT primaer remote**: die App streamt Audio direkt an einen STT-Node
-  (faster-whisper CUDA, fast Echtzeit). 45s Timeout, dann Fallback auf lokales
+  (Voxtral-3B default, faster-whisper Fallback-Profil), fast Echtzeit. Timeout →
-  CPU-Whisper. Modell-Wahl in Diagnostic, Hot-Swap via config-Broadcast.
+  Fallback auf lokales CPU-Whisper. Modell-Wahl in Diagnostic, Hot-Swap via config.
-- **TTS via F5-TTS**: aria-f5tts-bridge auf der Gamebox. Voice Cloning mit
+- **TTS via F5-TTS**: aria-f5tts-bridge auf einem Compute-Node. Voice Cloning mit
   Referenz-Audio + automatisch transkribiertem Referenz-Text.
 - **Text-Cleanup**: `<voice>...</voice>` Tag bevorzugt; Markdown, Code,
   Einheiten und URLs werden TTS-gerecht aufbereitet. Dezimalzahlen werden
@@ -486,7 +490,7 @@ Erreichbar unter `http://<VM-IP>:3001`. Teilt das Netzwerk mit der Bridge.
 - **Disk-Voll Banner** mit copy-baren Cleanup-Befehlen (safe + aggressiv)
 - **Token/Call-Metrics**: pro Claude-Call ein Eintrag in `/data/metrics.jsonl` mit ts + Token-Schaetzung. Gehirn-Tab zeigt 1h/5h/24h/30d-Aggregat plus Progress-Bar gegen Plan-Limit (Pro / Max 5x / Max 20x / Custom). Warn-Schwelle 80%, kritisch 90%.
 - **Voice Cloning**: Audio-Samples hochladen, Whisper transkribiert den Ref-Text automatisch
-- **Voice Export/Import**: einzelne Stimmen als `.tar.gz` zwischen Gameboxen mitnehmen
+- **Voice Export/Import**: einzelne Stimmen als `.tar.gz` zwischen Compute-Nodes mitnehmen
 - **Settings Export/Import**: `voice_config.json` + `highlight_triggers.json` als JSON-Bundle
 - **Claude Login**: Browser-Terminal zum Einloggen in den Proxy
 - **ARIA Live**: read-only Mirror der Claude-Code-Session — alle Tool-Calls + Inputs + Outputs live in einer Monospace-Liste, farbcodiert. **Persistenz**: jeder `agent_stream`-Event wird parallel in `/shared/logs/agent_stream.jsonl` (soft-cap 50 MB) geschrieben, Live-View laedt beim Tab-Oeffnen / Page-Reload die letzten 200 Eintraege — Browser-Standby wirft nichts mehr weg. Plus ⛔ **Not-Aus**-Button der per RVS einen `cancel_request` mit `hard:true` ausloest → aria-bridge ruft den proxy-internen `/cancel-all` Side-Channel → alle Claude-Subprocesses werden sofort gekillt
@@ -515,7 +519,7 @@ Erreichbar unter `http://<VM-IP>:3001`. Teilt das Netzwerk mit der Bridge.
 - **Wake-Word waehrend TTS**: Du kannst "Computer" sagen waehrend ARIA noch redet — AcousticEchoCanceler verhindert dass ARIAs eigene Stimme das Wake-Word triggert
 - **Anruf-Pause + Auto-Resume**: TTS verstummt bei klassischem Anruf oder VoIP-Call (WhatsApp/Signal/Discord). Nach dem Auflegen geht ARIA von der **genauen Stelle** weiter wo sie unterbrochen wurde — die App misst die Position vom Wiedergabe-Anfang und nutzt den WAV-Cache der Antwort
 - **Speech Gate**: Aufnahme wird verworfen wenn keine Sprache erkannt
-- **STT (Speech-to-Text)**: 16kHz mono → Bridge → Gamebox-Whisper (CUDA) → Text im Chat. Fast in Echtzeit.
+- **STT (Speech-to-Text)**: 16kHz mono → STT-Node (Voxtral-3B, CUDA) → Text im Chat. Fast in Echtzeit.
 - **"ARIA denkt..." Indicator**: Zeigt live den Status vom Core (Denken, Tool, Schreiben) + Abbrechen-Button
 - **TTS-Wiedergabe**: F5-TTS PCM-Streaming direkt in AudioTrack mit konfigurierbarem Pre-Roll-Buffer (1.0–6.0s, Default 3.5s) gegen Gaps bei Render-Pausen
 - **Audio-Pause**: Andere Apps (Spotify, YouTube etc.) pausieren komplett waehrend ARIA spricht und kommen erst wieder nach echtem Wiedergabe-Ende
@@ -655,7 +659,7 @@ Der Update-Flow:
 App (Mikrofon) → AAC/MP4 Aufnahme → Base64 → RVS → Bridge
 Bridge: FFmpeg (16kHz PCM) → Whisper STT → Text → aria-brain
 Bridge: STT-Ergebnis → RVS → App (Placeholder wird durch transkribierten Text ersetzt)
-aria-brain → Antwort → Bridge → F5-TTS (Gaming-PC) → PCM-Stream → RVS → App
+aria-brain → Antwort → Bridge → F5-TTS (Compute-Node) → PCM-Stream → RVS → App
 App: AudioTrack MODE_STREAM (nahtlos), Cache als WAV pro Message
 ```
 
@@ -797,36 +801,57 @@ cp ARIA-v0.0.3.0.apk ~/ARIA-AGENT/rvs/updates/
 
 ---
 
-## Gamebox-Stack — F5-TTS + Whisper (GPU-Services)
+## Compute-Nodes — STT / TTS / LLM (GPU-Dienste)
 
-Laeuft auf einem separaten Rechner mit NVIDIA GPU (z.B. Gaming-PC mit RTX 3060).
+Die GPU-Dienste laufen auf einem oder mehreren separaten Rechnern mit NVIDIA GPU.
-Verbindet sich ueber RVS mit der ARIA-Infrastruktur — kein VPN noetig, funktioniert
+Jeder **Compute-Node** verbindet sich ueber RVS mit der ARIA-Infrastruktur — kein
-ueber verschiedene Netze hinweg.
+VPN noetig, funktioniert ueber verschiedene Netze hinweg. Frueher war das *eine*
+feste „AI-Box"; jetzt sind es beliebig viele Nodes, jeder per `.env` konfiguriert.
 
-### Architektur
+### Dienste & Profile
+
+Jeder Dienst haengt an einem Compose-Profil. Ein Node startet ueber
+`COMPOSE_PROFILES` (in seiner `.env`) nur die Profile, die er anbieten soll:
+
+| Profil    | Container                    | Rolle |
+|-----------|------------------------------|-------|
+| `voxtral` | aria-voxtral-bridge          | Default-STT (Voxtral-Mini-3B, ~9 GB) |
+| `whisper` | aria-whisper-bridge          | STT-Fallback (faster-whisper CUDA) |
+| `f5tts`   | aria-f5tts-bridge            | TTS (F5-TTS Voice Cloning) |
+| `llm`     | aria-llama-swap + llm-adapter| Lokales LLM (llama-swap, OpenAI-kompat.) |
+
+### Architektur (Aufteilung auf mehrere Nodes)
 
 ```
-Gamebox (Windows, RTX 3060, Docker Desktop + WSL2)
+STT-Box   COMPOSE_PROFILES=voxtral   VOXTRAL_GPU=0
-├── aria-f5tts-bridge       F5-TTS Voice Cloning + RVS-Relay
+TTS-Box   COMPOSE_PROFILES=f5tts     F5TTS_GPU=0
-│                           Hoert auf xtts_request, streamt audio_pcm
+LLM-Box   COMPOSE_PROFILES=llm       LLM_GPU=0
-├── aria-whisper-bridge     faster-whisper auf CUDA (float16)
+   -- kleine Karte: Whisper (klein) statt Voxtral, neben F5-TTS --
-│                           Hoert auf stt_request, antwortet mit stt_response
+Klein-Box COMPOSE_PROFILES=whisper,f5tts   WHISPER_GPU=0 F5TTS_GPU=0
-└── ./voices/               Geteilt zwischen beiden:
+   ── oder All-in-One ──
-                              {name}.wav  — Referenz-Audio (~6-10s)
+AI-Box   COMPOSE_PROFILES=voxtral,f5tts,llm   VOXTRAL_GPU=1 F5TTS_GPU=0 LLM_GPU=0
-                              {name}.txt  — Referenz-Text (auto via Whisper)
 
          ↕ RVS (Rechenzentrum, WebSocket Relay)
 
 ARIA-VM
-└── aria-bridge: STT primaer remote (45s Timeout, dann lokaler CPU-Fallback)
+└── aria-bridge: orchestriert TTS/LLM (xtts_request/llm_request),
-                 TTS via xtts_request → audio_pcm Stream
+                 lauscht passiv auf den STT-Stream App↔STT-Node.
+                 STT-Timeout → lokaler CPU-Whisper-Fallback.
 ```
 
-### Voraussetzungen
+> STT: pro Node **genau einen** — Voxtral-3B (~9 GB, beste Qualitaet) *oder*
+> Whisper (klein, passt neben F5-TTS auf eine GPU mit wenig VRAM). Beide zusammen
+> beantworten dieselbe Anfrage doppelt.
 
-- Docker Desktop mit WSL2 (Windows) oder Docker mit NVIDIA Runtime (Linux)
+Die STT-Node teilt sich das `./voices/`-Volume mit F5-TTS nur, wenn beide auf
-- NVIDIA Container Toolkit
+demselben Node laufen (Referenz-Text-Transkription beim Voice-Upload). Auf
-- GPU mit mindestens 6GB VRAM (Whisper-large + F5-TTS gemeinsam)
+getrennten Nodes transkribiert F5-TTS ueber den STT-Node via RVS.
+
+### Voraussetzungen (pro Node)
+
+- Docker + **NVIDIA Container Toolkit** (registriert die `nvidia`-Runtime — die
+  Compose nutzt `runtime: nvidia` + `NVIDIA_VISIBLE_DEVICES`).
+- Genug VRAM fuer die gewaehlten Profile (Voxtral-3B ~9 GB, F5-TTS ~1 GB, LLM je Modell).
 - **Gleicher RVS_TOKEN wie auf der ARIA-VM!**
 
 ### Setup
@@ -834,13 +859,17 @@ ARIA-VM
 ```bash
 cd xtts
 cp .env.example .env
-# .env mit RVS-Verbindungsdaten fuellen (gleicher Token wie ARIA-VM!)
+# .env anpassen:
+#   COMPOSE_PROFILES  → welche Dienste dieser Node fahren soll
+#   NODE_NAME         → Name des Rechners (erscheint in Diagnostic + Logs)
+#   *_GPU             → welche Grafikkarte pro Dienst (NVIDIA_VISIBLE_DEVICES)
+#   RVS_*             → gleiche Verbindungsdaten wie die ARIA-VM
 docker compose up -d
-# Erster Start laedt die Modelle (Whisper ~1-3GB je nach Groesse, F5-TTS ~1GB)
+# Erster Start laedt die Modelle der aktiven Profile (Voxtral ~9GB, F5-TTS ~1GB)
 ```
 
-Die Modelle werden in den Volumes `f5tts-models` und `whisper-models` gecacht
+Die Modelle liegen im Bind-Mount `./hf-cache/` (bzw. `./models/` fuer LLM-GGUFs)
-und muessen nur einmal geladen werden.
+und muessen pro Node nur einmal geladen werden.
 
 ### Features
 
@@ -862,7 +891,7 @@ In der Diagnostic unter Einstellungen → Sprachausgabe:
 - **TTS aktiv**: Global An/Aus
 - **F5-TTS Stimme**: Default oder gecloned (Maia etc.)
 
-> F5-TTS ist die einzige Engine — wenn die Gamebox offline ist, bleibt ARIA stumm.
+> F5-TTS ist die einzige Engine — wenn kein f5tts-Node online ist, bleibt ARIA stumm.
 > Chat-Antworten kommen weiter an (nur kein Audio).
 
 ### Stimme klonen
@@ -908,6 +937,58 @@ dem Cache wiederverwendet.
 
 ---
 
+## Host-Agenten 💻 — Direktzugriff auf einen Rechner
+
+Ein **Host-Agent** läuft als **Standalone-Binary direkt auf einem Rechner**
+(Linux) und verbindet sich **ausgehend** zum RVS (gleicher Token). Damit steuert
+ARIA diesen Rechner direkt — auch wenn er sonst aus dem Netz **nicht erreichbar**
+ist (hinter NAT/Firewall, kein offener Port). Unterschied zum Satelliten: der
+Satellit ist ein LAN-Gateway (entdeckt/steuert *andere* Geräte); der Host-Agent
+steuert den Rechner, auf dem er *läuft*.
+
+**Fähigkeiten** (ARIA-Tools `host_list` / `host_exec` / `host_read` /
+`host_write` / `host_info` / `host_screenshot`): Shell-Kommandos (optional
+`sudo`), Datei lesen/schreiben, System-Info (CPU/RAM/Disk/Uptime), Screenshot
+(ARIA öffnet ihn mit ihrem Read-Tool und *sieht* den Bildschirm; erscheint zudem
+inline im Chat).
+
+### 1. Binary bauen (portabel, Linux x86_64)
+
+```bash
+cd host-agent
+./build.sh          # braucht Docker; erzeugt dist/aria-host-agent (~15 MB)
+```
+
+Gebaut wird via PyInstaller in einem bullseye-Container (altes glibc) → läuft auf
+möglichst vielen Distributionen. Keine Runtime auf dem Ziel nötig.
+
+### 2. Auf dem Ziel-Rechner installieren
+
+```bash
+# dist/aria-host-agent auf den Rechner kopieren, dann:
+cp .env.example .env      # RVS-Zugang + CONTROL_ENABLED=true eintragen
+chmod +x aria-host-agent && ./aria-host-agent
+```
+
+Oder als Dienst: `host-agent/aria-host-agent.service` (systemd).
+
+### sudo
+
+Der Agent wählt automatisch: **root** → direkt · `SUDO_PASSWORD` in der `.env`
+→ `sudo -S` · **`SUDO_NOPASSWD=true`** → `sudo -n` (Live-ISO / passwortloses
+sudo, z.B. Linux Mint vom Stick) · sonst klare Fehlermeldung.
+
+### Sicherheit
+
+Reagiert nur auf den eigenen RVS-Raum (Token) und nur bei `CONTROL_ENABLED=true`;
+keine offenen Ports; alle Kommandos werden geloggt. Gibt **vollen** Rechnerzugriff
+— nur auf Maschinen einsetzen, denen du ARIA anvertraust. Details:
+[`host-agent/README.md`](host-agent/README.md).
+
+> Sichtbar in der Diagnostic unter **Satelliten → Host-Agenten 💻**.
+
+---
+
 ## Docker Volumes
 
 | Volume / Bind | Pfad im Container | Zweck |
@@ -1024,7 +1105,7 @@ docker exec aria-brain curl localhost:8080/memory/stats
 - [x] Pre-Roll-Buffer einstellbar in App-Settings
 - [x] Decimal-zu-Worte fuer TTS + generisches Acronym-Buchstabieren
 - [x] voice_preload/voice_ready: visueller Status-Indikator beim Stimmen-Wechsel
-- [x] Whisper STT auf die Gamebox ausgelagert (CUDA float16, fast Echtzeit)
+- [x] Whisper STT auf die AI-Box ausgelagert (CUDA float16, fast Echtzeit)
 - [x] **F5-TTS ersetzt XTTS** — bessere Voice-Cloning-Qualitaet, Whisper-auto-transkribierter Referenz-Text
 - [x] Audio-Pause statt Ducking (TRANSIENT statt MAY_DUCK) + release-Timing fix
 - [x] VAD-Stille-Toleranz einstellbar (1-8s) + adaptive Mikro-Baseline + Max-Aufnahme einstellbar (1-30 min)
@@ -1079,7 +1160,7 @@ docker exec aria-brain curl localhost:8080/memory/stats
 - [x] App: Chat-Suche mit Next/Prev Navigation statt Filter
 - [x] Token/Call-Metrics + Subscription-Quota-Tracking (Pro / Max 5x / Max 20x / Custom)
 - [x] Datei-Manager Multi-Select: Bulk-Download als ZIP + Bulk-Delete (Diagnostic + App)
-- [x] **FLUX.1 Bildgenerierung**: eigener `flux-bridge`-Container auf der Gamebox (analog xtts/whisper) mit Hot-Swap zwischen FLUX.1-dev (Quali) und FLUX.1-schnell (Tempo). Default-Modell + Raw-/Switch-Keywords + HuggingFace-Token in Diagnostic-UI verwaltet, automatischer Pipeline-Reload bei Modell-Wechsel. ARIA bekommt `flux_generate`-Tool, Output landet als `/shared/uploads/aria_generated_<ts>.png` und wird via `[FILE: ...]`-Marker als Anhang-Bubble in App + Diagnostic gerendert. Download-Status (mehrere GB) sichtbar als 🎉-Toast wenn fertig
+- [x] **FLUX.1 Bildgenerierung**: eigener `flux-bridge`-Container auf der AI-Box (analog xtts/whisper) mit Hot-Swap zwischen FLUX.1-dev (Quali) und FLUX.1-schnell (Tempo). Default-Modell + Raw-/Switch-Keywords + HuggingFace-Token in Diagnostic-UI verwaltet, automatischer Pipeline-Reload bei Modell-Wechsel. ARIA bekommt `flux_generate`-Tool, Output landet als `/shared/uploads/aria_generated_<ts>.png` und wird via `[FILE: ...]`-Marker als Anhang-Bubble in App + Diagnostic gerendert. Download-Status (mehrere GB) sichtbar als 🎉-Toast wenn fertig
 - [x] **ARIA Live (Diagnostic) + Not-Aus**: read-only Mirror der Claude-Code-Session ersetzt den SSH-Tab. Tool-Calls + Inputs + Outputs (truncated 4 KB) live, farbcodiert. Roter ⛔ Not-Aus-Button schickt `cancel_request` mit `hard:true` → Bridge ruft den proxy-internen `/cancel-all` Side-Channel (Port 3457) → alle Claude-Subprocesses sofort tot. Plus: Idle-Watchdog im Proxy (20 min Inaktivitaet → Subprocess-Kill) + httpx-Timeout-Split im Brain (connect 10s / read 24h) damit lange Pentests durchlaufen
 - [x] **OAuth2-Pipeline ueber RVS-Callback**: Caddy mit Let's Encrypt vor dem RVS, HTTP-Route `/oauth/callback/{service}` broadcastet als `oauth_callback`-WS-Message, aria-bridge forwarded an Brain, Token landet in `/shared/config/oauth_tokens.json` (mode 0600). ARIAs `oauth_register_provider`-Tool legt neue Provider on-demand an (URLs/scopes, nicht Credentials). Diagnostic + App haben beide Provider-Verwaltung inklusive Custom-Provider-Anlage
 - [x] **Skill-Mgmt-Tools fuer ARIA**: `skill_update` (Code/README/pip_packages mit venv-Rebuild) + `skill_delete` — verhindert Skill-Friedhof mit `-v2`/`-fixed`-Suffixen. Plus App-seitiger SkillBrowser (Run + Live-Output + Logs der letzten 20 Runs) in Settings → 🛠️ Skills
@@ -1106,4 +1187,4 @@ docker exec aria-brain curl localhost:8080/memory/stats
 - [ ] Desktop Client (Tauri)
 - [ ] bKVM Remote IT-Support
 - [ ] Custom-`.onnx`-Upload fuer Wake-Word ueber Diagnostic (ohne App-Rebuild)
-- [ ] Claude Vision direkt (Bildanalyse ohne Dateipfad-Umweg)
+- [x] Bildanalyse / Vision — ARIA sieht App-Uploads & Screenshots via Read-Tool (`/shared/uploads/` ist im Proxy-Container gemountet). „Direkt ohne Dateipfad" waere reine Politur (ein Read weniger) und ist bewusst NICHT geplant.

android/android/app/build.gradle

@@ -79,8 +79,8 @@ android {
         applicationId "com.ariacockpit"
         minSdkVersion rootProject.ext.minSdkVersion
         targetSdkVersion rootProject.ext.targetSdkVersion
-        versionCode 20302
+        versionCode 20409
-        versionName "0.2.3.2"
+        versionName "0.2.4.9"
         // Fallback fuer Libraries mit Product Flavors
         missingDimensionStrategy 'react-native-camera', 'general'
     }

android/android/app/src/main/java/com/ariacockpit/OpenWakeWordModule.kt

@@ -59,7 +59,12 @@ class OpenWakeWordModule(reactContext: ReactApplicationContext) : ReactContextBa
         // Trigger eingestuft werden kann. Folge: App pausiert beim Oeffnen die Musik,
         // weil der False-Positive die AudioFocus-Switch-Logik anwirft (Stefan-Bug 06/2026).
         // Loesung: in dieser Phase keine Detections an JS weiterleiten.
-        private const val STARTUP_SUPPRESSION_MS = 1500L
+        private const val STARTUP_SUPPRESSION_MS = 600L
+        // PCM-Ringpuffer fuer die Wake-Wort-Bestaetigung: letzte 2s roh (16kHz
+        // mono s16). Bei einer Erkennung wird der Vor-Trigger-Schnipsel an JS
+        // gereicht und dort von Voxtral verifiziert (gegen Musik-Fehltrigger).
+        private const val PCM_RING_SAMPLES = 32000        // 2.0s @ 16kHz
+        private const val PRE_TRIGGER_SAMPLES = 24000     // 1.5s Schnipsel an JS
     }
 
     private val env: OrtEnvironment = OrtEnvironment.getEnvironment()
@@ -106,6 +111,13 @@ class OpenWakeWordModule(reactContext: ReactApplicationContext) : ReactContextBa
     private val embBuffer: ArrayDeque<FloatArray> = ArrayDeque(32)  // Ringpuffer letzter Embeddings
     private var consecutiveAboveThreshold: Int = 0
     private var lastDetectionMs: Long = 0L
+    // Roh-PCM-Ringpuffer (letzte ~2s) fuer die Wake-Wort-Bestaetigung. Bei einer
+    // Erkennung wird der Vor-Trigger-Schnipsel base64-kodiert an JS gereicht und
+    // dort von Voxtral verifiziert ("war das wirklich 'Computer' oder Musik?").
+    private val pcmRing = ShortArray(PCM_RING_SAMPLES)
+    private var pcmRingPos = 0
+    private var pcmRingFilled = false
+    private val pcmRingLock = Any()
     // Zeitpunkt des letzten startRecording — fuer STARTUP_SUPPRESSION_MS-Fenster
     private var recordingStartedMs: Long = 0L
 
@@ -430,6 +442,36 @@ class OpenWakeWordModule(reactContext: ReactApplicationContext) : ReactContextBa
         embBuffer.clear()
         consecutiveAboveThreshold = 0
         lastDetectionMs = 0L
+        // PCM-Ring frisch: sonst koennte Alt-Audio aus dem vorigen Arm-Zyklus
+        // in den Bestaetigungs-Schnipsel bluten.
+        synchronized(pcmRingLock) { pcmRingPos = 0; pcmRingFilled = false }
+    }
+
+    /** Letzte ~1.5s Roh-PCM aus dem Ringpuffer als Base64 (s16le, 16kHz mono),
+     *  fuer die Voxtral-Wake-Bestaetigung. null wenn noch zu wenig Audio da ist
+     *  oder das Kodieren scheitert (dann macht JS fail-open weiter wie bisher). */
+    private fun snapshotPreTrigger(): String? {
+        val out: ByteArray
+        synchronized(pcmRingLock) {
+            val available = if (pcmRingFilled) PCM_RING_SAMPLES else pcmRingPos
+            val n = if (available < PRE_TRIGGER_SAMPLES) available else PRE_TRIGGER_SAMPLES
+            if (n <= 0) return null
+            out = ByteArray(n * 2)
+            var idx = (pcmRingPos - n + PCM_RING_SAMPLES) % PCM_RING_SAMPLES
+            for (i in 0 until n) {
+                val s = pcmRing[idx].toInt()
+                out[i * 2] = (s and 0xFF).toByte()
+                out[i * 2 + 1] = ((s shr 8) and 0xFF).toByte()
+                idx += 1
+                if (idx >= PCM_RING_SAMPLES) idx = 0
+            }
+        }
+        return try {
+            android.util.Base64.encodeToString(out, android.util.Base64.NO_WRAP)
+        } catch (e: Exception) {
+            Log.w(TAG, "snapshotPreTrigger base64 fehlgeschlagen: ${e.message}")
+            null
+        }
     }
 
     private fun emitDetected() {
@@ -438,8 +480,10 @@ class OpenWakeWordModule(reactContext: ReactApplicationContext) : ReactContextBa
             Log.i(TAG, "Wake-Word emit unterdrueckt (sinceStart=${sinceStart}ms < ${STARTUP_SUPPRESSION_MS}ms — Mikro-Spin-up-Spike)")
             return
         }
+        val preTriggerB64 = snapshotPreTrigger()
         val params = com.facebook.react.bridge.Arguments.createMap().apply {
             putString("model", modelName)
+            if (preTriggerB64 != null) putString("preTriggerPcm", preTriggerB64)
         }
         try {
             reactApplicationContext
@@ -466,6 +510,14 @@ class OpenWakeWordModule(reactContext: ReactApplicationContext) : ReactContextBa
                 read += n
             }
             if (!running.get()) break
+            // Chunk in den PCM-Ringpuffer schreiben (fuer Wake-Wort-Bestaetigung).
+            synchronized(pcmRingLock) {
+                for (i in 0 until CHUNK_SAMPLES) {
+                    pcmRing[pcmRingPos] = buf[i]
+                    pcmRingPos += 1
+                    if (pcmRingPos >= PCM_RING_SAMPLES) { pcmRingPos = 0; pcmRingFilled = true }
+                }
+            }
             try {
                 processChunk(buf)
             } catch (e: Exception) {

android/package.json

@@ -1,6 +1,6 @@
 {
   "name": "aria-cockpit",
-  "version": "0.2.3.2",
+  "version": "0.2.4.9",
   "private": true,
   "scripts": {
     "android": "react-native run-android",

android/src/components/FileUpload.tsx

@@ -34,13 +34,10 @@ interface FileUploadProps {
   onCancel: () => void;
 }
 
-// Unterstuetzte Dateitypen
+// Alle Dateitypen zulassen — Stefan will ueber die Bueroklammer jede Datei
-const SUPPORTED_TYPES = [
+// hochladen koennen, nicht nur Bilder/Dokumente. Die Komponente verarbeitet
-  DocumentPicker.types.images,
+// beliebige Typen ohnehin (Base64 + application/octet-stream als Fallback).
-  DocumentPicker.types.pdf,
+const SUPPORTED_TYPES = [DocumentPicker.types.allFiles];
-  DocumentPicker.types.docx,
-  DocumentPicker.types.plainText,
-];
 
 // --- Komponente ---
 
@@ -112,7 +109,7 @@ const FileUpload: React.FC<FileUploadProps> = ({ onFileSelected, onCancel }) =>
         <TouchableOpacity style={styles.pickButton} onPress={pickFile} activeOpacity={0.7}>
           <Text style={styles.pickIcon}>{'\uD83D\uDCC1'}</Text>
           <Text style={styles.pickText}>Datei ausw\u00E4hlen</Text>
-          <Text style={styles.pickHint}>JPG, PNG, PDF, DOCX, TXT</Text>
+          <Text style={styles.pickHint}>Alle Dateitypen</Text>
         </TouchableOpacity>
       ) : (
         // Vorschau und Senden

android/src/screens/ChatScreen.tsx

@@ -35,7 +35,7 @@ import MemoryBrowser from '../components/MemoryBrowser';
 import ErrorBoundary from '../components/ErrorBoundary';
 import rvs, { RVSMessage, ConnectionState } from '../services/rvs';
 import audioService from '../services/audio';
-import wakeWordService, { loadPassiveListenMs } from '../services/wakeword';
+import wakeWordService from '../services/wakeword';
 import ProjectsBrowser from '../components/ProjectsBrowser';
 import brainApi, { Project as BrainProject } from '../services/brainApi';
 import projectFocus from '../services/projectFocus';
@@ -50,7 +50,7 @@ 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, loadSttEndpointMs } from '../services/audio';
+import { loadTtsSpeed, TTS_SPEED_DEFAULT, loadSttEndpointMs, loadMaxRecordingMs, loadBargeInEnabled } from '../services/audio';
 import Geolocation from '@react-native-community/geolocation';
 
 // --- Typen ---
@@ -93,6 +93,9 @@ interface ChatMessage {
    *  gespiegelt damit wir die EXAKT richtige Placeholder-Bubble ersetzen,
    *  auch wenn mehrere Aufnahmen parallel offen sind. */
   audioRequestId?: string;
+  /** Laenge der Sprachaufnahme in Sekunden (aus dem stt_endpoint) — fuer die
+   *  Dauer-Anzeige an der Voice-Bubble. */
+  durationS?: number;
   /** Skill-Created-Bubble: ARIA hat einen neuen Skill angelegt */
   skillCreated?: {
     name: string;
@@ -184,6 +187,14 @@ function stripSystemHints(text: string): string {
   }
   return out;
 }
+/** Sekunden → "M:SS" fuer die Sprachnachricht-Dauer. */
+function formatDur(sec: number): string {
+  const s = Math.max(0, Math.round(sec));
+  const m = Math.floor(s / 60);
+  const r = s % 60;
+  return `${m}:${r.toString().padStart(2, '0')}`;
+}
+
 const DEFAULT_ATTACHMENT_DIR = `${RNFS.DocumentDirectoryPath}/chat_attachments`;
 const STORAGE_PATH_KEY = 'aria_attachment_storage_path';
 
@@ -346,7 +357,7 @@ const ChatScreen: React.FC = () => {
   // folgende identische Events (z.B. zwei 'thinking' hintereinander) den
   // Stream zumuellen. Eigentlich seltener Fall, aber billig zu pruefen.
   const lastThoughtKeyRef = useRef<string>('');
-  // Service-Status (Gamebox: F5-TTS / Whisper Lade-Status) + Banner-Sichtbarkeit
+  // Service-Status (AI-Box: F5-TTS / Whisper Lade-Status) + Banner-Sichtbarkeit
   const [serviceStatus, setServiceStatus] = useState<Record<string, {state: string, model?: string, loadSeconds?: number, error?: string, downloading?: boolean, freshlyDownloaded?: boolean}>>({});
   const [serviceBannerDismissed, setServiceBannerDismissed] = useState(false);
   // Gerätelokale TTS-Config: globaler Toggle (aus Settings) + temporäres Muten (Mund-Button)
@@ -373,6 +384,16 @@ const ChatScreen: React.FC = () => {
   // stoppen? Kommt als 'converse' in der Chat-Payload; onPlaybackFinished liest
   // es. Default true (Konversation). false = Einzelaktion/Skill-Antwort.
   const converseRef = useRef<boolean>(true);
+  // Passiv-Lausch-Fenster (Weiterreden nach ARIAs Antwort): Umgebungsgeraeusch
+  // (Musik/TV) darf das Fenster NICHT vorzeitig beenden. Bei einem no-speech-
+  // Endpoint (Silero verwirft Musik) wird — solange die Stille-Toleranz ab
+  // Fenster-Oeffnung noch laeuft — nochmal gelauscht statt sofort aufs Wake-Word
+  // zurueckzufallen. Start-Zeit + Re-Listen-Zaehler + Budget hier gemerkt.
+  const passiveListenStartRef = useRef<number>(0);
+  const passiveReListenCountRef = useRef<number>(0);
+  const passiveToleranceRef = useRef<number>(5000);
+  // Barge-in erlaubt? Default false = Halb-Duplex (waehrend TTS kein Mikro).
+  const bargeInEnabledRef = useRef<boolean>(false);
 
   const flatListRef = useRef<FlatList>(null);
   const messageIdCounter = useRef(0);
@@ -651,6 +672,7 @@ const ChatScreen: React.FC = () => {
       const voice = await AsyncStorage.getItem('aria_xtts_voice');
       localXttsVoiceRef.current = voice || '';
       ttsSpeedRef.current = await loadTtsSpeed();
+      bargeInEnabledRef.current = await loadBargeInEnabled();
       const gps = await AsyncStorage.getItem('aria_gps_enabled');
       setGpsEnabled(gps === 'true');
       const hints = await AsyncStorage.getItem('aria_show_hints');
@@ -1387,13 +1409,61 @@ const ChatScreen: React.FC = () => {
         // Fallback mehr: die Bridge schickt speak zuverlaessig mit.
         // Merken ob nach dem Vorlesen 30s weiterlauschen (Gespraech) oder direkt
         // stoppen — onPlaybackFinished liest converseRef. Default true.
-        converseRef.current = (message.payload as any).converse !== false;
+        // Passiv-Lauschen (30s) NUR wenn das Brain explizit converse:true schickt.
+        // Vorher default true → jeder Befehl (auch "Spiele Spotify" mit gesproche-
+        // ner Bestaetigung) landete im 30s-Fenster. Jetzt: einzelne Befehle enden
+        // sofort (zurueck aufs Wake-Word), nur echte Gespraeche lauschen weiter.
+        converseRef.current = (message.payload as any).converse === true;
+        const _wakeOff = (message.payload as any).wake_off === true;
+        const _wakeOn = (message.payload as any).wake_on === true;
         const _isSilent = (message.payload as any).speak === false;
-        if (_isSilent && wakeWordService.isConversing()) {
+        if (_wakeOn) {
-          // Klarer Steuerbefehl (Liedersteuerung etc.) = KEINE Konversation →
+          // "Wake-Word an" per Text/Aufnahme-Button → Listener wieder starten
-          // STOP: direkt zurueck aufs Wake-Word. Kein Gong, keine Aufnahme,
+          // (gleicher Weg wie toggleWakeWord-on). Geht auch wenn das Ohr taub war,
-          // kein 30s-Fenster (skipPassive=true).
+          // weil der Befehl NICHT ueber "Computer" kam.
-          wakeWordService.endConversation(true).catch(() => {});
+          (async () => {
+            try {
+              const started = await wakeWordService.start();
+              setWakeWordActive(started);
+              console.log('[Chat] Wake-Word per Befehl AN gestartet:', started);
+            } catch (e) {
+              console.warn('[Chat] Wake-Word AN fehlgeschlagen:', e);
+            }
+          })();
+        } else if (_wakeOff) {
+          // ARIA hat "Wake-Word aus" per Sprache bekommen → Listener KOMPLETT
+          // stoppen (Mikro frei, echte Ruhe). Gleicher Weg wie der Ohr-Button
+          // (toggleWakeWord-off). Wieder-An nur ueber den Button (dann taub).
+          (async () => {
+            try {
+              if (audioService.isStreamingRecording()) {
+                await audioService.cancelStreamingRecording('wake-off-voice');
+              } else {
+                await audioService.stopRecording();
+              }
+            } catch {}
+            try { await wakeWordService.stop(); } catch {}
+            setWakeWordActive(false);
+            console.log('[Chat] Wake-Word per Sprachbefehl AUS — Ohr-Button zum Wieder-Anmachen');
+          })();
+        } else if (_isSilent) {
+          // Steuerbefehl (speak=false) ist ausgefuehrt und wird NICHT vorgelesen.
+          // Ohne TTS feuert onPlaybackFinished nie — der Mikro-/Konversations-
+          // Lifecycle muss hier selbst weitergeschaltet werden, sonst haengt das Ohr.
+          if (converseRef.current) {
+            // Befehlskette laeuft WEITER ([[WEITER]]): Mikro NICHT schliessen,
+            // sondern das passive Lausch-Fenster oeffnen (endConversation(false)),
+            // damit der naechste Kettenbefehl direkt gesprochen werden kann. ARIA
+            // haelt bewusst offen, bis sie [[ENDE]] (converse=false) schickt.
+            if (wakeWordService.isConversing()) {
+              wakeWordService.endConversation(false).catch(() => {});
+            }
+          } else {
+            // Einzelbefehl / [[ENDE]] → ARIA "drueckt selbst Stop": jede offene
+            // Aufnahme schliessen + zurueck aufs Wake-Word, egal in welchem Zustand
+            // (conversing, passives Lauschen ODER offene Streaming-Aufnahme).
+            ariaStopRecording('silent-command').catch(() => {});
+          }
         }
       }
 
@@ -1521,7 +1591,7 @@ const ChatScreen: React.FC = () => {
         }
       }
 
-      // Gamebox-Bridges (f5tts/whisper/flux) melden Lade-Status — Banner oben.
+      // AI-Box-Bridges (f5tts/whisper/flux) melden Lade-Status — Banner oben.
       // Toast bei Download-Ende: erstmaliger HF-Download (mehrere GB) → User
       // soll wissen dass er Bilder/Stimmen jetzt nutzen kann ohne in den
       // Banner gucken zu muessen.
@@ -1628,8 +1698,12 @@ const ChatScreen: React.FC = () => {
       // Im Hintergrund gibt's kein Multi-Turn → direkt re-armen (skipPassive).
       // converse=false (Skill-/Einzelantwort, z.B. 'was laeuft gerade') → auch
       // ohne 30s: vorlesen + direkt zurueck aufs Wake-Word.
+      // Im Hintergrund normalerweise direkt re-armen (kein Multi-Turn) — ABER
+      // wenn Hintergrund-Wake bewusst AN ist, will der User auch im Hintergrund
+      // ein Gespraech fuehren, also den Konversationsmodus offen halten.
       const bg = AppState.currentState !== 'active';
-      wakeWordService.endConversation(bg || !converseRef.current).catch(() => {});
+      const bgForcesArmed = bg && !wakeWordService.isBgWakeEnabled();
+      wakeWordService.endConversation(bgForcesArmed || !converseRef.current).catch(() => {});
     });
     return () => unsubPlayback();
   }, []);
@@ -1648,7 +1722,11 @@ const ChatScreen: React.FC = () => {
       rememberMyRequest(audioRequestId);
       const wasInterrupted = interruptAriaIfBusy();
       const location = await getCurrentLocation();
-      const windowMs = await loadConvWindowMs();
+      // EIN Wert regiert: die Stille-Toleranz. Sie gilt sowohl als Pause WÄHREND
+      // des Redens (endpointMs) ALS AUCH als "wenn du nicht anfängst zu reden,
+      // ist Schluss" (noSpeechTimeoutMs). Kein separates 30s-Konversationsfenster
+      // mehr — Stefans Modell: sagst du nichts, greift der Stille-Wert.
+      const sttEndpointMs = await loadSttEndpointMs();
 
       const userMsg: ChatMessage = {
         id: nextId(),
@@ -1666,9 +1744,11 @@ const ChatScreen: React.FC = () => {
         speed: ttsSpeedRef.current,
         interrupted: wasInterrupted,
         location: location || null,
-        noSpeechTimeoutMs: windowMs,
+        noSpeechTimeoutMs: sttEndpointMs,
-        endpointMs: await loadSttEndpointMs(),
+        endpointMs: sttEndpointMs,
-        hardCapMs: 60000,
+        // Notbremse 5 min (nicht 1 min) — der Stille-Endpoint beendet normale
+        // Turns eh sofort; der Cap darf lange Diktate nicht mitten drin kappen.
+        hardCapMs: await loadMaxRecordingMs(),
         projectId: focusedProjectIdRef.current,
       });
       import('../services/logger').then(m => m.reportAppDebug('wake.cb', `startStreamingRecording returned ok=${ok}`)).catch(()=>{});
@@ -1696,6 +1776,13 @@ const ChatScreen: React.FC = () => {
       if (ev.text && ev.text.trim()) {
         console.log('[Chat] STT-Endpoint: %r (reason=%s, %dms, %.1fs Audio)',
                     ev.text.slice(0, 80), ev.reason, ev.sttMs, ev.durationS);
+        // Aufnahme-Dauer an die passende Voice-Bubble haengen (Anzeige). Der
+        // spaetere STT-Text-Update spreadet die Message, die Dauer bleibt.
+        if (ev.audioRequestId && typeof ev.durationS === 'number' && ev.durationS > 0) {
+          const dur = ev.durationS;
+          setMessages(prev => prev.map(m =>
+            m.audioRequestId === ev.audioRequestId ? { ...m, durationS: dur } : m));
+        }
         // Wenn passive lauschend: User hat tatsaechlich was gesagt → uebergang
         // zu 'conversing' damit der normale Flow greift (TTS, resume, etc.)
         if (wakeWordService.getState() === 'listening') {
@@ -1716,12 +1803,24 @@ const ChatScreen: React.FC = () => {
             !(m.audioRequestId === ev.audioRequestId
               && m.text.includes('Spracheingabe wird verarbeitet'))));
         }
-        // Bei Passive-Listen + speaker_mismatch oder no-speech: erneut passiv
+        // Passiv-Lauschen: leeres Endpoint (no-speech / Silero-Musik / speaker_
-        // lauschen (Timer im wakeword-service laeuft weiter, regelt das Ende).
+        // mismatch). NICHT sofort beenden — solange die Stille-Toleranz ab
-        // Sonst endConversation wie bisher.
+        // Fenster-Oeffnung noch laeuft, nochmal lauschen. So killt Umgebungs-
+        // musik das Weiterreden nicht: die Musik wird verworfen, das Fenster
+        // bleibt bis zur Toleranz offen, du kannst innerhalb reden. Erst wenn
+        // die Toleranz wirklich um ist (oder zu viele Runden) → aufs Wake-Word.
         if (wakeWordService.getState() === 'listening') {
-          console.log('[Chat] Passive-Listen: leeres Endpoint — naechste passive Aufnahme');
+          const elapsed = Date.now() - passiveListenStartRef.current;
-          startPassiveStreamingRecording();
+          const budget = passiveToleranceRef.current || 5000;
+          if (elapsed < budget && passiveReListenCountRef.current < 15) {
+            passiveReListenCountRef.current += 1;
+            console.log('[Chat] Passive-Listen: leeres Endpoint (%s) — Umgebung, re-listen (%dms/%dms, #%d)',
+                        ev.reason, elapsed, budget, passiveReListenCountRef.current);
+            startPassiveStreamingRecording();
+          } else {
+            console.log('[Chat] Passive-Listen: Stille-Toleranz aufgebraucht (%dms) — Ende, zurueck aufs Wake-Word', elapsed);
+            wakeWordService.exitPassiveListening('timeout').catch(() => {});
+          }
         } else {
           wakeWordService.endConversation();
           if (!wakeWordService.isActive()) setWakeWordActive(false);
@@ -1733,8 +1832,14 @@ const ChatScreen: React.FC = () => {
     // geschaltet (nach endConversation). Wir starten eine streaming-Aufnahme
     // OHNE User-Bubble + ohne wake-ready-Sound. Speaker-ID-Gating in der
     // Whisper-Bridge filtert fremde Stimmen weg.
-    const unsubPassive = wakeWordService.onPassiveListen(() => {
+    const unsubPassive = wakeWordService.onPassiveListen(async () => {
       console.log('[Chat] Passive-Listen aktiviert — starte stille Streaming-Aufnahme');
+      // Fenster NEU geoeffnet (nach ARIAs Antwort): Budget-Uhr + Re-Listen-Zaehler
+      // zuruecksetzen. Re-Listen ruft startPassiveStreamingRecording direkt (nicht
+      // ueber diesen Callback), also bleibt der Startzeitpunkt erhalten.
+      passiveListenStartRef.current = Date.now();
+      passiveReListenCountRef.current = 0;
+      passiveToleranceRef.current = await loadSttEndpointMs();
       startPassiveStreamingRecording();
     });
 
@@ -1751,7 +1856,7 @@ const ChatScreen: React.FC = () => {
       const audioRequestId = `audio_${Date.now()}_${Math.floor(Math.random() * 100000)}`;
       rememberMyRequest(audioRequestId);
       const location = await getCurrentLocation();
-      const windowMs = await loadConvWindowMs();
+      const sttEndpointMs = await loadSttEndpointMs();   // ein Wert für Pause + No-Speech
 
       const userMsg: ChatMessage = {
         id: nextId(),
@@ -1769,9 +1874,10 @@ const ChatScreen: React.FC = () => {
         speed: ttsSpeedRef.current,
         interrupted: true,   // Barge-In → Brain weiss "User hat unterbrochen"
         location: location || null,
-        noSpeechTimeoutMs: windowMs,
+        noSpeechTimeoutMs: sttEndpointMs,
-        endpointMs: await loadSttEndpointMs(),
+        endpointMs: sttEndpointMs,
-        hardCapMs: 60000,
+        // Notbremse 5 min (s.o.) — lange Diktate nicht bei 1 min abschneiden.
+        hardCapMs: await loadMaxRecordingMs(),
         projectId: focusedProjectIdRef.current,
       });
       if (ok) {
@@ -1789,7 +1895,9 @@ const ChatScreen: React.FC = () => {
     // Prozess nicht killt wenn die App im Hintergrund ist.
     const unsubTtsStart = audioService.onPlaybackStarted(() => {
       acquireBackgroundAudio('tts').catch(() => {});
-      if (wakeWordService.isConversing() && wakeWordService.hasWakeWord()) {
+      // Barge-Listening (Mikro waehrend TTS) NUR im Barge-in-Modus. Default aus =
+      // Halb-Duplex: ARIA spricht ungestoert zu Ende, dann erst geht das Mikro auf.
+      if (bargeInEnabledRef.current && wakeWordService.isConversing() && wakeWordService.hasWakeWord()) {
         wakeWordService.startBargeListening().catch(() => {});
       }
     });
@@ -1828,16 +1936,20 @@ const ChatScreen: React.FC = () => {
     const audioRequestId = `audio_passive_${Date.now()}_${Math.floor(Math.random() * 100000)}`;
     rememberMyRequest(audioRequestId);
     const location = await getCurrentLocation();
-    const passiveMs = await loadPassiveListenMs();
+    // Kein 30s-Passiv-Fenster mehr: nach ARIAs Antwort geht das Mikro auf, und
+    // fängst du nicht innerhalb der Stille-Toleranz an zu reden, ist Schluss →
+    // zurück aufs Wake-Word. Derselbe Wert wie die Pause-Toleranz beim Reden.
+    const sttEndpointMs = await loadSttEndpointMs();
     const { ok } = await audioService.startStreamingRecording({
       audioRequestId,
       voice: localXttsVoiceRef.current,
       speed: ttsSpeedRef.current,
       interrupted: false,
       location: location || null,
-      noSpeechTimeoutMs: Math.min(passiveMs, 30000),
+      noSpeechTimeoutMs: sttEndpointMs,
-      endpointMs: await loadSttEndpointMs(),
+      endpointMs: sttEndpointMs,
-      hardCapMs: Math.max(passiveMs + 5000, 35000),
+      // Lange Antworten nicht kappen (früher 35s → schnitt langes Reden ab).
+      hardCapMs: await loadMaxRecordingMs(),
       projectId: focusedProjectIdRef.current,
     });
     if (!ok) {
@@ -2177,7 +2289,7 @@ const ChatScreen: React.FC = () => {
 
   // Aufraeumen von "verarbeitet"-Placeholder die nie ein STT-Result bekommen
   // haben (leere Aufnahme, Wake-Word-Echo, STT-Fehler etc). Timeout skaliert
-  // mit der Aufnahmedauer — Whisper braucht auf der Gamebox grob real-time/5,
+  // mit der Aufnahmedauer — Whisper braucht auf der AI-Box 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.
@@ -2210,15 +2322,16 @@ const ChatScreen: React.FC = () => {
     advanceQueue(pid);
   }, [advanceQueue]);
 
-  // Queue-Modus („immer anstellen"): eine neue Sprachnachricht bricht ARIAs
+  // Nimmt der User das Mikro waehrend ARIA SPRICHT, ist das ein echter Interrupt:
-  // laufende Arbeit NICHT mehr ab. Sie wird — wie Text — angestellt und laeuft
+  // TTS stoppen UND die laufende Brain-Antwort abbrechen (cancel_request). Sonst
-  // serialisiert (der Brain-Lock pro Projekt reiht /chat-/audio-Turns auf).
+  // produziert das Brain weiter TTS, die ins offene Mikro laeuft → genau der
-  // Nur das TTS wird akustisch gestoppt, damit das Mikro ARIAs eigene Stimme
+  // "Mischmasch" (ARIA antwortet weiter waehrend ich rede). Fuer bewusstes
-  // nicht mithoert. Explizites Abbrechen laeuft ueber den Stop-Button
+  // Nicht-Abbrechen gibt es weiterhin den separaten Zwischenruf-Button (📣).
-  // (cancelRequest). Rueckgabe = false, weil kein Barge-In/Interrupt mehr.
   const interruptAriaIfBusy = useCallback(() => {
     if (audioService.isPlayingAudio()) {
-      audioService.haltAllPlayback('user startet Aufnahme (Queue-Modus, kein Abbruch)');
+      audioService.haltAllPlayback('user startet Aufnahme — Interrupt');
+      rvs.send('cancel_request' as any, { hard: true, source: 'voice-interrupt' });
+      return true;
     }
     return false;
   }, []);
@@ -2255,7 +2368,7 @@ const ChatScreen: React.FC = () => {
       // die Session auch app-seitig haben wir +2s Toleranz.
       noSpeechTimeoutMs: 0,
       endpointMs: await loadSttEndpointMs(),
-      hardCapMs: 300000,
+      hardCapMs: await loadMaxRecordingMs(),
       projectId: focusedProjectIdRef.current,
     });
     if (!ok) {
@@ -2267,11 +2380,50 @@ const ChatScreen: React.FC = () => {
     return true;
   }, [getCurrentLocation, interruptAriaIfBusy, scheduleStaleAudioCleanup]);
 
+  // ARIA schliesst die Aufnahme SELBST — das programmatische Gegenstueck zum
+  // Stop-Button. Aufgerufen nach einem stillen Steuerbefehl (speak=false): der
+  // Befehl ist ausgefuehrt, ARIA hat die Rueckinfo (Skill-Ergebnis) und antwortet
+  // NICHT vorgelesen. Weil ohne TTS kein onPlaybackFinished kommt, muss der
+  // Aufnahme-/Konversations-Zustand hier aktiv aufgeraeumt werden, sonst bleibt
+  // das Ohr haengen bzw. das Aufnahme-Fenster laeuft leer weiter (Stefans
+  // Reproduktion: "spotify play" und das Mikro wartet trotzdem 30s).
+  // Unterschied zum manuellen Stop: der verwirft NICHT, sondern finalisiert die
+  // Aufnahme (User will seinen Satz verarbeitet haben) — hier ist der Befehl
+  // schon durch, ein evtl. offenes Folge-Fenster wird verworfen.
+  const ariaStopRecording = useCallback(async (reason: string): Promise<void> => {
+    converseRef.current = false;
+    // 1) Passiv-Lauschen: sauber beenden (cancelt den Stream selbst, startet
+    //    KEINE neue passive Aufnahme).
+    if (wakeWordService.getState() === 'listening') {
+      await wakeWordService.exitPassiveListening('manual').catch(() => {});
+      return;
+    }
+    // 2) Noch offene Streaming-Aufnahme (aktiv / Barge-In) verwerfen.
+    if (audioService.isStreamingRecording()) {
+      await audioService.cancelStreamingRecording(reason).catch(() => {});
+    }
+    // 3) Konversation beenden → zurueck aufs Wake-Word (skipPassive: kein 30s-Fenster).
+    if (wakeWordService.isConversing()) {
+      await wakeWordService.endConversation(true).catch(() => {});
+    } else if (!wakeWordService.isActive()) {
+      setWakeWordActive(false);
+    }
+  }, []);
+
   // Manueller Aufnahme-Knopf — Stop. Sendet stt_stream_end an Whisper, die
   // dann ihrerseits den finalen Text als stt_endpoint emittiert. aria-bridge
   // forwarded direkt an Brain. Im wake-word-conversing-Fall zusaetzlich
   // endConversation: User hat explizit gestoppt → kein Multi-Turn-Resume.
   const handleVoiceButtonStop = useCallback(async (): Promise<void> => {
+    // Manueller Stop = endgueltig: auch die NACH der Antwort kommende
+    // onPlaybackFinished darf kein 30s-Passiv-Fenster mehr oeffnen.
+    converseRef.current = false;
+    // Stop = ALLES beenden, vorhersehbar. Spricht ARIA gerade, hart stoppen +
+    // laufende Brain-Antwort abbrechen (sonst "sagt sie ihren letzten Satz").
+    if (audioService.isPlayingAudio()) {
+      audioService.haltAllPlayback('user stop');
+      rvs.send('cancel_request' as any, { hard: true, source: 'voice-stop' });
+    }
     // Stop WAEHREND des passiven 30s-Lauschens ('listening'): sauber beenden
     // (zurueck aufs Wake-Word), NICHT den passiven Stream neu starten.
     // exitPassiveListening cancelt den Stream selbst (via _freeMic) → es feuert
@@ -2647,6 +2799,16 @@ const ChatScreen: React.FC = () => {
                   {att.serverPath ? '(tippen zum Laden)' : '(nicht verfuegbar)'}
                 </Text>
               </TouchableOpacity>
+            ) : att.type === 'audio' ? (
+              <View style={styles.attachmentFile}>
+                <Text style={styles.attachmentFileIcon}>{'🎙'}</Text>
+                <Text style={styles.attachmentFileName} numberOfLines={1}>
+                  {att.name || 'Sprachaufnahme'}
+                </Text>
+                {typeof item.durationS === 'number' && item.durationS > 0 ? (
+                  <Text style={styles.attachmentFileSize}>{formatDur(item.durationS)}</Text>
+                ) : null}
+              </View>
             ) : (
               <TouchableOpacity
                 style={styles.attachmentFile}
@@ -2898,7 +3060,7 @@ const ChatScreen: React.FC = () => {
         </TouchableOpacity>
       </View>
 
-      {/* Service-Status Banner (Gamebox: F5-TTS / Whisper Lade-Status) */}
+      {/* Service-Status Banner (AI-Box: F5-TTS / Whisper Lade-Status) */}
       {(() => {
         const entries = Object.entries(serviceStatus);
         if (entries.length === 0 || serviceBannerDismissed) return null;

android/src/screens/SettingsScreen.tsx

@@ -63,14 +63,16 @@ import {
   VAD_SILENCE_MIN_SEC,
   VAD_SILENCE_MAX_SEC,
   VAD_SILENCE_STORAGE_KEY,
-  CONV_WINDOW_DEFAULT_SEC,
+  STT_ENDPOINT_DEFAULT_MS,
-  CONV_WINDOW_MIN_SEC,
+  STT_ENDPOINT_MIN_MS,
-  CONV_WINDOW_MAX_SEC,
+  STT_ENDPOINT_MAX_MS,
-  CONV_WINDOW_STORAGE_KEY,
+  STT_ENDPOINT_STORAGE_KEY,
   MAX_RECORDING_DEFAULT_SEC,
   MAX_RECORDING_MIN_SEC,
   MAX_RECORDING_MAX_SEC,
   MAX_RECORDING_STORAGE_KEY,
+  loadBargeInEnabled,
+  saveBargeInEnabled,
   VAD_SILENCE_DB_DEFAULT,
   VAD_SILENCE_DB_MIN,
   VAD_SILENCE_DB_MAX,
@@ -110,9 +112,10 @@ import wakeWordService, {
   WAKE_THRESHOLD_MAX,
   loadWakeThreshold,
   saveWakeThreshold,
-  PASSIVE_LISTEN_DEFAULT_MS,
+  loadBgWakeEnabled,
-  loadPassiveListenMs,
+  saveBgWakeEnabled,
-  savePassiveListenMs,
+  loadWakeConfirmEnabled,
+  saveWakeConfirmEnabled,
 } from '../services/wakeword';
 import ModeSelector from '../components/ModeSelector';
 import QRScanner from '../components/QRScanner';
@@ -195,8 +198,12 @@ const SettingsScreen: React.FC = () => {
   const [ttsEnabled, setTtsEnabled] = useState(true);
   const [ttsPrerollSec, setTtsPrerollSec] = useState<number>(TTS_PREROLL_DEFAULT_SEC);
   const [vadSilenceSec, setVadSilenceSec] = useState<number>(VAD_SILENCE_DEFAULT_SEC);
-  const [convWindowSec, setConvWindowSec] = useState<number>(CONV_WINDOW_DEFAULT_SEC);
+  // Aktive Streaming-Pausen-Toleranz (STT_ENDPOINT) — der "Stille-Toleranz"-Regler
+  // steuert jetzt DIESEN Wert (der alte vadSilenceSec war der tote Legacy-dB-Pfad).
+  const [sttEndpointSec, setSttEndpointSec] = useState<number>(STT_ENDPOINT_DEFAULT_MS / 1000);
   const [maxRecordingSec, setMaxRecordingSec] = useState<number>(MAX_RECORDING_DEFAULT_SEC);
+  // Barge-in: ARIA waehrend ihrer Antwort unterbrechen duerfen. Default aus (Halb-Duplex).
+  const [bargeIn, setBargeIn] = useState<boolean>(false);
   // null = automatisch (adaptive Baseline), sonst manueller dB-Override
   const [vadSilenceDb, setVadSilenceDb] = useState<number | null>(null);
   const [showVadInfo, setShowVadInfo] = useState(false);
@@ -209,7 +216,10 @@ const SettingsScreen: React.FC = () => {
   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));
+  // Hintergrund-Wake: auch bei gesperrtem Bildschirm auf das Wake-Wort hoeren. Default aus.
+  const [bgWake, setBgWake] = useState<boolean>(false);
+  // Wake-Wort per Voxtral bestaetigen (gegen Musik-Fehltrigger). Default aus.
+  const [wakeConfirm, setWakeConfirm] = useState<boolean>(false);
   const [editingPath, setEditingPath] = useState(false);
   const [xttsVoice, setXttsVoice] = useState('');
   const [loadingVoice, setLoadingVoice] = useState<string | null>(null);
@@ -298,11 +308,11 @@ const SettingsScreen: React.FC = () => {
         }
       }
     });
-    AsyncStorage.getItem(CONV_WINDOW_STORAGE_KEY).then(saved => {
+    AsyncStorage.getItem(STT_ENDPOINT_STORAGE_KEY).then(saved => {
       if (saved != null) {
-        const n = parseFloat(saved);
+        const n = parseInt(saved, 10);
-        if (isFinite(n) && n >= CONV_WINDOW_MIN_SEC && n <= CONV_WINDOW_MAX_SEC) {
+        if (isFinite(n) && n >= STT_ENDPOINT_MIN_MS && n <= STT_ENDPOINT_MAX_MS) {
-          setConvWindowSec(n);
+          setSttEndpointSec(n / 1000);
         }
       }
     });
@@ -314,6 +324,7 @@ const SettingsScreen: React.FC = () => {
         }
       }
     });
+    loadBargeInEnabled().then(setBargeIn).catch(() => {});
     AsyncStorage.getItem(VAD_SILENCE_DB_OVERRIDE_KEY).then(saved => {
       if (saved != null && saved !== '') {
         const n = parseFloat(saved);
@@ -333,7 +344,8 @@ const SettingsScreen: React.FC = () => {
     });
     isWakeReadySoundEnabled().then(setWakeReadySound);
     loadWakeThreshold().then(setWakeThreshold).catch(() => {});
-    loadPassiveListenMs().then(ms => setPassiveSec(Math.round(ms / 1000))).catch(() => {});
+    loadBgWakeEnabled().then(setBgWake).catch(() => {});
+    loadWakeConfirmEnabled().then(setWakeConfirm).catch(() => {});
     updateService.getApkCacheSize().then(setApkCacheInfo).catch(() => {});
     audioService.getTtsCacheSize().then(setTtsCacheInfo).catch(() => {});
     AsyncStorage.getItem('aria_xtts_voice').then(saved => {
@@ -1651,72 +1663,56 @@ const SettingsScreen: React.FC = () => {
       {currentSection === 'voice_input' && (<>
       <Text style={styles.sectionTitle}>Spracheingabe</Text>
       <View style={styles.card}>
-        <Text style={styles.toggleLabel}>Stille-Toleranz</Text>
+        <View style={styles.toggleRow}>
+          <View style={styles.toggleInfo}>
+            <Text style={styles.toggleLabel}>Barge-in (unterbrechen)</Text>
+            <Text style={styles.toggleHint}>
+              AUS (empfohlen): ARIA spricht ihre Antwort ZU ENDE, dann geht das
+              Mikro auf — sauber, kein Selbst-Echo, du hoerst sie ganz. AN: du
+              kannst sie waehrend des Sprechens per Wake-Wort unterbrechen.
+            </Text>
+          </View>
+          <Switch
+            value={bargeIn}
+            onValueChange={(v) => { setBargeIn(v); saveBargeInEnabled(v).catch(() => {}); }}
+            trackColor={{ false: '#2A2A3E', true: '#0096FF' }}
+            thumbColor={bargeIn ? '#FFFFFF' : '#666680'}
+          />
+        </View>
+
+        <Text style={[styles.toggleLabel, {marginTop: 20}]}>Stille-Toleranz</Text>
         <Text style={styles.toggleHint}>
           Wie lange du eine Sprechpause machen darfst, bevor die Aufnahme
           automatisch beendet und gesendet wird. Hoeher = mehr Zeit zum
-          Nachdenken; niedriger = schnelleres Senden.
+          Nachdenken (z.B. im Auto); niedriger = schnelleres Senden.
-          Default: {VAD_SILENCE_DEFAULT_SEC.toFixed(1)}s.
+          Default: {(STT_ENDPOINT_DEFAULT_MS / 1000).toFixed(1)}s.
         </Text>
         <View style={styles.prerollRow}>
           <TouchableOpacity
             style={styles.prerollButton}
             onPress={() => {
-              const next = Math.max(VAD_SILENCE_MIN_SEC, Math.round((vadSilenceSec - 0.5) * 10) / 10);
+              const next = Math.max(STT_ENDPOINT_MIN_MS / 1000, Math.round((sttEndpointSec - 0.5) * 10) / 10);
-              setVadSilenceSec(next);
+              setSttEndpointSec(next);
-              AsyncStorage.setItem(VAD_SILENCE_STORAGE_KEY, String(next));
+              AsyncStorage.setItem(STT_ENDPOINT_STORAGE_KEY, String(Math.round(next * 1000)));
             }}
-            disabled={vadSilenceSec <= VAD_SILENCE_MIN_SEC}
+            disabled={sttEndpointSec <= STT_ENDPOINT_MIN_MS / 1000}
           >
             <Text style={styles.prerollButtonText}>−0.5</Text>
           </TouchableOpacity>
-          <Text style={styles.prerollValue}>{vadSilenceSec.toFixed(1)} s</Text>
+          <Text style={styles.prerollValue}>{sttEndpointSec.toFixed(1)} s</Text>
           <TouchableOpacity
             style={styles.prerollButton}
             onPress={() => {
-              const next = Math.min(VAD_SILENCE_MAX_SEC, Math.round((vadSilenceSec + 0.5) * 10) / 10);
+              const next = Math.min(STT_ENDPOINT_MAX_MS / 1000, Math.round((sttEndpointSec + 0.5) * 10) / 10);
-              setVadSilenceSec(next);
+              setSttEndpointSec(next);
-              AsyncStorage.setItem(VAD_SILENCE_STORAGE_KEY, String(next));
+              AsyncStorage.setItem(STT_ENDPOINT_STORAGE_KEY, String(Math.round(next * 1000)));
             }}
-            disabled={vadSilenceSec >= VAD_SILENCE_MAX_SEC}
+            disabled={sttEndpointSec >= STT_ENDPOINT_MAX_MS / 1000}
           >
             <Text style={styles.prerollButtonText}>+0.5</Text>
           </TouchableOpacity>
         </View>
 
-        <Text style={[styles.toggleLabel, {marginTop: 24}]}>Konversations-Fenster</Text>
-        <Text style={styles.toggleHint}>
-          Im Gespraechsmodus (Ohr-Button): nach ARIA's Antwort hast du so lange
-          Zeit, weiter zu sprechen, bevor die Konversation automatisch beendet wird.
-          Sprichst du nichts → Mikrofon zu.
-          Default: {CONV_WINDOW_DEFAULT_SEC.toFixed(1)}s.
-        </Text>
-        <View style={styles.prerollRow}>
-          <TouchableOpacity
-            style={styles.prerollButton}
-            onPress={() => {
-              const next = Math.max(CONV_WINDOW_MIN_SEC, Math.round((convWindowSec - 1) * 10) / 10);
-              setConvWindowSec(next);
-              AsyncStorage.setItem(CONV_WINDOW_STORAGE_KEY, String(next));
-            }}
-            disabled={convWindowSec <= CONV_WINDOW_MIN_SEC}
-          >
-            <Text style={styles.prerollButtonText}>−1</Text>
-          </TouchableOpacity>
-          <Text style={styles.prerollValue}>{convWindowSec.toFixed(0)} s</Text>
-          <TouchableOpacity
-            style={styles.prerollButton}
-            onPress={() => {
-              const next = Math.min(CONV_WINDOW_MAX_SEC, Math.round((convWindowSec + 1) * 10) / 10);
-              setConvWindowSec(next);
-              AsyncStorage.setItem(CONV_WINDOW_STORAGE_KEY, String(next));
-            }}
-            disabled={convWindowSec >= CONV_WINDOW_MAX_SEC}
-          >
-            <Text style={styles.prerollButtonText}>+1</Text>
-          </TouchableOpacity>
-        </View>
-
         <Text style={[styles.toggleLabel, {marginTop: 24}]}>Maximale Aufnahmedauer</Text>
         <Text style={styles.toggleHint}>
           Notbremse: nach so vielen Minuten wird die Aufnahme automatisch beendet,
@@ -1749,56 +1745,10 @@ const SettingsScreen: React.FC = () => {
           </TouchableOpacity>
         </View>
 
-        <View style={{flexDirection: 'row', alignItems: 'center', marginTop: 24, gap: 8}}>
+        {/* "Stille-Pegel (dB)"-Regler entfernt: der aktive Streaming-STT nutzt
-          <Text style={styles.toggleLabel}>Stille-Pegel (dB)</Text>
+            einen adaptiven Rausch-Boden (automatisch), ein manueller dB-Wert war
-          <TouchableOpacity onPress={() => setShowVadInfo(true)} style={styles.infoBtn}>
+            wirkungslos. Rauschen-als-Wort verhindert das STT-Modell selbst
-            <Text style={styles.infoBtnText}>i</Text>
+            (no_speech_prob-Filter), nicht die dB-Schwelle. */}
-          </TouchableOpacity>
-        </View>
-        <Text style={styles.toggleHint}>
-          Welcher Mikro-Pegel als "Stille" gilt. Standard: automatisch (Baseline aus
-          den ersten 500ms). Manuell setzen wenn Auto nicht zuverlaessig greift.
-        </Text>
-        <View style={styles.prerollRow}>
-          <TouchableOpacity
-            style={styles.prerollButton}
-            onPress={() => {
-              const next = vadSilenceDb == null
-                ? VAD_SILENCE_DB_DEFAULT - 1
-                : Math.max(VAD_SILENCE_DB_MIN, vadSilenceDb - 1);
-              setVadSilenceDb(next);
-              AsyncStorage.setItem(VAD_SILENCE_DB_OVERRIDE_KEY, String(next));
-            }}
-          >
-            <Text style={styles.prerollButtonText}>−1</Text>
-          </TouchableOpacity>
-          <Text style={styles.prerollValue}>
-            {vadSilenceDb == null ? 'auto' : `${vadSilenceDb} dB`}
-          </Text>
-          <TouchableOpacity
-            style={styles.prerollButton}
-            onPress={() => {
-              const next = vadSilenceDb == null
-                ? VAD_SILENCE_DB_DEFAULT + 1
-                : Math.min(VAD_SILENCE_DB_MAX, vadSilenceDb + 1);
-              setVadSilenceDb(next);
-              AsyncStorage.setItem(VAD_SILENCE_DB_OVERRIDE_KEY, String(next));
-            }}
-          >
-            <Text style={styles.prerollButtonText}>+1</Text>
-          </TouchableOpacity>
-        </View>
-        {vadSilenceDb != null && (
-          <TouchableOpacity
-            onPress={() => {
-              setVadSilenceDb(null);
-              AsyncStorage.removeItem(VAD_SILENCE_DB_OVERRIDE_KEY);
-            }}
-            style={{alignSelf: 'center', marginTop: 8, paddingVertical: 6, paddingHorizontal: 12}}
-          >
-            <Text style={{color: '#0096FF', fontSize: 13}}>↻ Auf automatisch zuruecksetzen</Text>
-          </TouchableOpacity>
-        )}
       </View>
 
       <Modal
@@ -1954,38 +1904,58 @@ const SettingsScreen: React.FC = () => {
           />
         </View>
 
-        <Text style={[styles.toggleLabel, {marginTop: 20}]}>Weiterreden-Fenster (Gespraech)</Text>
+        <View style={[styles.toggleRow, {marginTop: 20, borderTopWidth: 1, borderTopColor: '#1E1E2E', paddingTop: 16}]}>
-        <Text style={styles.toggleHint}>
+          <View style={styles.toggleInfo}>
-          Nach einer gesprochenen ARIA-Antwort kannst du so lange einfach
+            <Text style={styles.toggleLabel}>Auch bei gesperrtem Bildschirm zuhören</Text>
-          weiterreden — ohne Wake-Word — bevor zurueck aufs Wake-Word geschaltet
+            <Text style={styles.toggleHint}>
-          wird. Reine Steuerbefehle (z.B. „nächster Titel") beenden sofort.
+              AUS (empfohlen): das Wake-Wort greift nur, wenn die App offen ist —
-          Default: {Math.round(PASSIVE_LISTEN_DEFAULT_MS / 1000)}s.
+              im Hintergrund sind die meisten „Trigger" Fehlalarme (TV, Husten).
-        </Text>
+              AN: ARIA hört auch bei gesperrtem Bildschirm / im Hintergrund auf
-        <View style={styles.prerollRow}>
+              „{KEYWORD_LABELS[wakeKeyword as keyof typeof KEYWORD_LABELS] || wakeKeyword}" — mehr Fehlauslöser möglich.
-          <TouchableOpacity
+            </Text>
-            style={styles.prerollButton}
+          </View>
-            onPress={() => {
+          <Switch
-              const next = Math.max(10, passiveSec - 5);
+            value={bgWake}
-              setPassiveSec(next);
+            onValueChange={(val) => {
-              savePassiveListenMs(next * 1000);
+              setBgWake(val);
+              saveBgWakeEnabled(val).catch(() => {});
+              wakeWordService.setBgWakeEnabled(val);
             }}
-            disabled={passiveSec <= 10}
+            trackColor={{ false: '#2A2A3E', true: '#0096FF' }}
-          >
+            thumbColor={bgWake ? '#FFFFFF' : '#666680'}
-            <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 style={[styles.toggleRow, {marginTop: 20, borderTopWidth: 1, borderTopColor: '#1E1E2E', paddingTop: 16}]}>
+          <View style={styles.toggleInfo}>
+            <Text style={styles.toggleLabel}>Wake-Wort per Voxtral bestätigen</Text>
+            <Text style={styles.toggleHint}>
+              Gegen Musik-Fehltrigger: nach „{KEYWORD_LABELS[wakeKeyword as keyof typeof KEYWORD_LABELS] || wakeKeyword}"
+              prüft Voxtral kurz nach, ob's wirklich das Wake-Wort war (oder nur
+              Musik/TV) — erst dann Gong + Mikro. Kostet ~0,5–1 s Extra vor dem
+              Gong. Empfohlen zusammen mit Hintergrund-Zuhören.
+            </Text>
+          </View>
+          <Switch
+            value={wakeConfirm}
+            onValueChange={(val) => {
+              setWakeConfirm(val);
+              saveWakeConfirmEnabled(val).catch(() => {});
+              wakeWordService.setWakeConfirmEnabled(val);
+            }}
+            trackColor={{ false: '#2A2A3E', true: '#0096FF' }}
+            thumbColor={wakeConfirm ? '#FFFFFF' : '#666680'}
+          />
+        </View>
+
+        <Text style={[styles.toggleLabel, {marginTop: 20}]}>Weiterreden nach der Antwort</Text>
+        <Text style={styles.toggleHint}>
+          Nach einer gesprochenen ARIA-Antwort geht das Mikro auf — du kannst ohne
+          Wake-Word weiterreden. Fängst du nicht innerhalb der „Stille-Toleranz"
+          (Sektion Spracheingabe) an, geht's zurück aufs Wake-Word. Reine
+          Steuerbefehle beenden sofort. Ein separates Zeitfenster gibt es nicht
+          mehr — es zählt überall derselbe Stille-Wert.
+        </Text>
       </View>
       </>)}
 

android/src/services/audio.ts

@@ -143,23 +143,100 @@ export const VAD_SILENCE_MIN_SEC = 1.0;
 export const VAD_SILENCE_MAX_SEC = 8.0;
 export const VAD_SILENCE_STORAGE_KEY = 'aria_vad_silence_sec';
 
-// Konversations-Fenster (in Sekunden) — nach ARIA's Antwort hat der User so
-// lange Zeit, im Gespraechsmodus weiter zu sprechen, ohne dass die Konversation
-// beendet wird. Sprichst du im Fenster nichts → Konversation aus.
-export const CONV_WINDOW_DEFAULT_SEC = 8.0;
-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
+// im Satz ab, besonders im Auto oder wenn man zum Nachdenken pausiert. 1500 war
-// 11.8s-Frage wurde bei "…ohne dass ein" gekappt). 1500 war zu aggressiv;
+// zu aggressiv; 2400 default, bis 8s hoch stellbar (Denkpausen). In den Settings
-// 2400 default, im Auto ggf. hoeher. Konfigurierbar in den Settings.
+// unter "Stille-Toleranz" konfigurierbar.
 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_MAX_MS = 8000;   // bis 8s: genug Zeit zum Ueberlegen
 export const STT_ENDPOINT_STORAGE_KEY = 'aria_stt_endpoint_ms';
 
+// Barge-in-Modus: darf man ARIA waehrend ihrer TTS-Antwort unterbrechen (reden)?
+// Default AUS = sauberes Halb-Duplex (ARIA spricht aus, DANN oeffnet das Mikro —
+// kein Selbst-Echo, kein Mischmasch). AN = waehrend TTS auf Wake-Wort lauschen.
+export const BARGE_IN_STORAGE_KEY = 'aria_barge_in_enabled';
+
+export async function loadBargeInEnabled(): Promise<boolean> {
+  try {
+    return (await AsyncStorage.getItem(BARGE_IN_STORAGE_KEY)) === 'true';
+  } catch {
+    return false;
+  }
+}
+
+export async function saveBargeInEnabled(enabled: boolean): Promise<void> {
+  try {
+    await AsyncStorage.setItem(BARGE_IN_STORAGE_KEY, String(enabled));
+  } catch {}
+}
+
+/** One-Shot-Transkription eines PCM-Schnipsels (base64, s16le 16kHz mono) via
+ *  Voxtral — fuer die Wake-Wort-Bestaetigung. Schickt stt_transcribe_blob und
+ *  wartet auf stt_transcribe_result (matching requestId) mit Timeout.
+ *  Rueckgabe: Text (evtl. '') bei Antwort, oder null bei Timeout/Fehler →
+ *  Aufrufer macht dann fail-open (Wake normal durchlassen). */
+export async function transcribeBlob(pcmBase64: string, timeoutMs = 2500): Promise<string | null> {
+  if (!pcmBase64) return null;
+  const requestId = `wakeverify_${Date.now()}_${Math.floor(Math.random() * 100000)}`;
+  return new Promise<string | null>((resolve) => {
+    let done = false;
+    let unsub: (() => void) | null = null;
+    const timer = setTimeout(() => finish(null), timeoutMs);
+    function finish(val: string | null) {
+      if (done) return;
+      done = true;
+      try { unsub && unsub(); } catch {}
+      clearTimeout(timer);
+      resolve(val);
+    }
+    try {
+      unsub = rvs.onMessage((msg: any) => {
+        if (msg?.type !== 'stt_transcribe_result') return;
+        const p = (msg as any).payload || {};
+        if (String(p.requestId || '') !== requestId) return;
+        finish(typeof p.text === 'string' ? p.text : '');
+      });
+      rvs.send('stt_transcribe_blob' as any, { requestId, pcm: pcmBase64, language: 'de' });
+    } catch {
+      finish(null);
+    }
+  });
+}
+
+/** Fragt die Bridge vor dem Aufnahme-Stream, welche STT-Instanz adressiert
+ *  werden soll (Redundanz ueber mehrere STT-Nodes/Apps). Schickt
+ *  stt_lease_request, wartet kurz auf stt_lease (matching requestId).
+ *  Rueckgabe: instanceId (z.B. "voxtral@box-a") oder '' bei Timeout/keine
+ *  Instanz — dann streamt die App wie bisher an ALLE (Broadcast, Single-Node
+ *  unveraendert). Bewusst kurzer Timeout, damit die Aufnahme nie haengt. */
+export async function requestSttLease(timeoutMs = 250): Promise<string> {
+  const requestId = `sttlease_${Date.now()}_${Math.floor(Math.random() * 100000)}`;
+  return new Promise<string>((resolve) => {
+    let done = false;
+    let unsub: (() => void) | null = null;
+    const timer = setTimeout(() => finish(''), timeoutMs);
+    function finish(val: string) {
+      if (done) return;
+      done = true;
+      try { unsub && unsub(); } catch {}
+      clearTimeout(timer);
+      resolve(val);
+    }
+    try {
+      unsub = rvs.onMessage((msg: any) => {
+        if (msg?.type !== 'stt_lease') return;
+        const p = (msg as any).payload || {};
+        if (String(p.requestId || '') !== requestId) return;
+        finish(typeof p.instanceId === 'string' ? p.instanceId : '');
+      });
+      rvs.send('stt_lease_request' as any, { requestId });
+    } catch {
+      finish('');
+    }
+  });
+}
+
 export async function loadSttEndpointMs(): Promise<number> {
   try {
     const raw = await AsyncStorage.getItem(STT_ENDPOINT_STORAGE_KEY);
@@ -189,18 +266,6 @@ export async function loadTtsSpeed(): Promise<number> {
   return TTS_SPEED_DEFAULT;
 }
 
-export async function loadConvWindowMs(): Promise<number> {
-  try {
-    const raw = await AsyncStorage.getItem(CONV_WINDOW_STORAGE_KEY);
-    if (raw != null) {
-      const n = parseFloat(raw);
-      if (isFinite(n) && n >= CONV_WINDOW_MIN_SEC && n <= CONV_WINDOW_MAX_SEC) {
-        return Math.round(n * 1000);
-      }
-    }
-  } catch {}
-  return Math.round(CONV_WINDOW_DEFAULT_SEC * 1000);
-}
 
 async function loadVadSilenceMs(): Promise<number> {
   try {
@@ -351,6 +416,9 @@ class AudioService {
   // lich Chunks einer alten Session in eine neue mischen.
   private streamRequestId: string = '';
   private streamAudioRequestId: string = '';
+  // Adressierte STT-Instanz fuer diesen Stream (Redundanz-Routing). '' =
+  // Broadcast an alle STT-Nodes (Single-Node / kein Lease = wie bisher).
+  private streamTargetInstance: string = '';
   // Latch: ist endpointListeners fuer den aktuellen Session-Cycle schon gefeuert
   // worden? Wird auf false gesetzt beim startStreamingRecording, auf true beim
   // ersten Endpoint (egal ob via RVS oder Fallback). Verhindert Doppel-Fires.
@@ -1094,6 +1162,15 @@ class AudioService {
     const requestId = `sttstr_${Date.now()}_${Math.floor(Math.random() * 100000)}`;
     this.streamRequestId = requestId;
     this.streamAudioRequestId = opts.audioRequestId || '';
+    // Redundanz-Routing: freie STT-Instanz leasen BEVOR Chunks fliessen, damit
+    // start + alle Chunks + end dieselbe Instanz adressieren. Kurzer Timeout →
+    // '' (Broadcast) falls keine Instanz/keine Antwort. Nie blockierend genug
+    // um die Aufnahme spuerbar zu verzoegern.
+    try {
+      this.streamTargetInstance = await requestSttLease();
+    } catch {
+      this.streamTargetInstance = '';
+    }
     this.streamGotPartial = false;
     this.streamEndpointFired = false;
     this.recordingStartTime = Date.now();
@@ -1114,6 +1191,7 @@ class AudioService {
             requestId: sessionId,
             pcm: String(e?.pcm || ''),
             seq: Number(e?.seq || 0),
+            targetInstance: this.streamTargetInstance,
           });
         });
         this.streamPcmErrorSub = emitter.addListener('PcmStreamError', (e: any) => {
@@ -1149,6 +1227,7 @@ class AudioService {
         hardCapMs: typeof opts.hardCapMs === 'number' ? opts.hardCapMs : 60000,
         sampleRate: 16000,
         projectId: opts.projectId || '',
+        targetInstance: this.streamTargetInstance,
       });
 
       // No-Speech-Watchdog — ersetzt den alten VAD-noSpeechTimer.
@@ -1198,7 +1277,7 @@ class AudioService {
     if (!reqId) return;
     const audioReqId = this.streamAudioRequestId;
     try {
-      rvs.send('stt_stream_end' as any, { requestId: reqId, reason });
+      rvs.send('stt_stream_end' as any, { requestId: reqId, reason, targetInstance: this.streamTargetInstance });
     } catch (e) {
       console.warn('[Audio] stt_stream_end senden fehlgeschlagen:', e);
     }
@@ -1233,7 +1312,7 @@ class AudioService {
     if (!reqId) return;
     const audioReqId = this.streamAudioRequestId;
     try {
-      rvs.send('stt_stream_end' as any, { requestId: reqId, reason: `cancel:${reason}` });
+      rvs.send('stt_stream_end' as any, { requestId: reqId, reason: `cancel:${reason}`, targetInstance: this.streamTargetInstance });
     } catch {}
     this._cleanupStreamLocal(`cancel:${reason}`);
     // Listener feuern damit ChatScreen reagieren kann (endConversation etc.)

android/src/services/wakeword.ts

@@ -30,34 +30,22 @@ type PassiveListenCallback = () => void;
 
 export type WakeWordState = 'off' | 'armed' | 'conversing' | 'listening';
 
-/** Default-Dauer fuer den Passive-Listen-Modus nach einer Konversation —
+/** Reine HANG-Notbremse fuer den Passive-Listen-Modus. Das echte Ende regelt IMMER
- *  in dem Fenster braucht's kein Wake-Word, Speaker-ID-Filter haelt
+ *  die passive Aufnahme selbst: Stille-Toleranz (User pausiert), No-Speech (User
- *  fremde Stimmen raus (TV, Familie). 30s default; konfigurierbar. */
+ *  sagt gar nichts) oder Hard-Cap (max. Aufnahmedauer, ~5min) → ChatScreen ruft
-export const PASSIVE_LISTEN_DEFAULT_MS = 30_000;
+ *  dann exitPassiveListening. Dieser Timer darf aktives Reden NIE abschneiden —
-export const PASSIVE_LISTEN_STORAGE_KEY = 'aria_passive_listen_ms';
+ *  deshalb LÄNGER als der Hard-Cap (nur falls ein Endpoint-Event mal verloren geht
-
+ *  und der State sonst ewig 'listening' bliebe). Das alte 30s-Fenster, das lange
-export async function loadPassiveListenMs(): Promise<number> {
+ *  Antworten mitten im Satz kappte, ist damit raus. */
-  try {
+const PASSIVE_BACKSTOP_MS = 10 * 60_000;
-    const raw = await AsyncStorage.getItem(PASSIVE_LISTEN_STORAGE_KEY);
-    if (raw) {
-      const n = parseInt(raw, 10);
-      if (isFinite(n) && n >= 0 && n <= 120_000) return n;
-    }
-  } catch {}
-  return PASSIVE_LISTEN_DEFAULT_MS;
-}
-
-export async function savePassiveListenMs(ms: number): Promise<void> {
-  await AsyncStorage.setItem(PASSIVE_LISTEN_STORAGE_KEY, String(ms));
-}
 
 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,
+// weniger Fehlauslösung, aber man muss deutlicher/lauter sprechen (fuehlt sich
-// die das Mikro mithoert — der App-Echo-Canceler kann nur ARIAs eigenes TTS
+// "traege" an). Fehlausloeser werden ueber Speaker-ID (E3) ohnehin verworfen,
-// rausrechnen, NICHT Spotify). Default 0.6 (war 0.5). 0..1.
+// deshalb darf der Default empfindlicher sein. 0.45 (war 0.6/0.5). 0..1.
-export const WAKE_THRESHOLD_DEFAULT = 0.6;
+export const WAKE_THRESHOLD_DEFAULT = 0.45;
 export const WAKE_THRESHOLD_MIN = 0.3;
 export const WAKE_THRESHOLD_MAX = 0.9;
 export const WAKE_THRESHOLD_STORAGE_KEY = 'aria_wake_threshold';
@@ -77,6 +65,49 @@ export async function saveWakeThreshold(v: number): Promise<void> {
   await AsyncStorage.setItem(WAKE_THRESHOLD_STORAGE_KEY, String(v));
 }
 
+// Hintergrund-Wake: darf das Wake-Wort auch triggern, wenn die App im
+// Hintergrund / der Bildschirm gesperrt ist? Default AUS — im Hintergrund
+// sind die meisten „Trigger" Fehlalarme (TV, Husten, AudioFocus-Spikes).
+// AN = auch bei gesperrtem Bildschirm zuhoeren. Die native Erkennung laeuft
+// ohnehin durch (Foreground-Service + Wake-Locks) — dieser Schalter oeffnet
+// nur das JS-Gate in onWakeDetected.
+export const BG_WAKE_STORAGE_KEY = 'aria_bg_wake_enabled';
+
+export async function loadBgWakeEnabled(): Promise<boolean> {
+  try {
+    return (await AsyncStorage.getItem(BG_WAKE_STORAGE_KEY)) === 'true';
+  } catch {
+    return false;
+  }
+}
+
+export async function saveBgWakeEnabled(enabled: boolean): Promise<void> {
+  try {
+    await AsyncStorage.setItem(BG_WAKE_STORAGE_KEY, String(enabled));
+  } catch {}
+}
+
+// Wake-Wort-Bestaetigung: nach einem openWakeWord-Trigger den Vor-Trigger-Audio
+// von Voxtral gegenpruefen lassen ("war das wirklich 'Computer' oder Musik?").
+// Killt Musik-Fehltrigger (z.B. Pet Shop Boys), kostet ~0.5-1s Extra-Latenz pro
+// Wake. Default AUS (opt-in), fail-open. Braucht das native preTriggerPcm im
+// Event (neueres APK) — ohne das macht die App normal weiter.
+export const WAKE_CONFIRM_STORAGE_KEY = 'aria_wake_confirm_enabled';
+
+export async function loadWakeConfirmEnabled(): Promise<boolean> {
+  try {
+    return (await AsyncStorage.getItem(WAKE_CONFIRM_STORAGE_KEY)) === 'true';
+  } catch {
+    return false;
+  }
+}
+
+export async function saveWakeConfirmEnabled(enabled: boolean): Promise<void> {
+  try {
+    await AsyncStorage.setItem(WAKE_CONFIRM_STORAGE_KEY, String(enabled));
+  } catch {}
+}
+
 /** 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
@@ -103,7 +134,9 @@ export const KEYWORD_LABELS: Record<WakeKeyword, string> = {
 // 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;
+// patience=1 statt 2: nur EIN Frame ueber Threshold noetig → deutlich schneller.
+// Speaker-ID filtert Fehlausloeser, also ist das vertretbar.
+const DEFAULT_PATIENCE = 1;
 const DEFAULT_DEBOUNCE_MS = 1500;
 
 interface OpenWakeWordModule {
@@ -143,6 +176,13 @@ class WakeWordService {
    *  Hintergrund-Detections sind quasi immer false-positives (TV, Husten,
    *  AudioFocus-Switch beim Wechsel zu Musik etc.). */
   private inBackground: boolean = false;
+  /** Wenn true: Wake-Wort triggert auch im Hintergrund / bei gesperrtem
+   *  Bildschirm. Default false. Wird beim Arm aus AsyncStorage geladen und
+   *  bei Aenderung in den Einstellungen via setBgWakeEnabled() aktualisiert. */
+  private bgWakeEnabled: boolean = false;
+  /** Wake-Wort per Voxtral bestaetigen (gegen Musik-Fehltrigger)? Default false.
+   *  Wird beim Arm geladen + per setWakeConfirmEnabled aus den Einstellungen. */
+  private wakeConfirmEnabled: boolean = false;
   /** Re-Entry-Guard fuer onWakeDetected: native kann mehrere
    *  WakeWordDetected-Events emitten BEVOR OpenWakeWord.stop() in JS
    *  resolved (Bridge-Queue + Doze-Backlog). Mit dem Flag wird das zweite
@@ -150,8 +190,9 @@ class WakeWordService {
    *  Ausnahme: bargeListening → Barge-In ist ein legitimer neuer Trigger
    *  waehrend ARIA noch redet, NICHT vom Guard blockieren. */
   private detectionInProgress: boolean = false;
-  /** Passive-Listen-Timer: feuert nach PASSIVE_LISTEN_MS ohne Stefan-Speech,
+  /** Passive-Listen-Backstop-Timer: Notbremse (PASSIVE_BACKSTOP_MS). Normal endet
-   *  beendet den listening-State und geht zurueck zu armed. */
+   *  das Fenster ueber die Stille-Toleranz der Aufnahme; feuert dieser Timer
+   *  trotzdem, zurueck zu armed. */
   private passiveListenTimer: ReturnType<typeof setTimeout> | null = null;
   /** Callbacks fuer den Eintritt in Passive-Listen — ChatScreen startet
    *  hier eine streaming-Aufnahme OHNE User-Bubble (passiv lauschen). */
@@ -223,15 +264,20 @@ class WakeWordService {
     this.initInProgress = (async () => {
       try {
         const threshold = await loadWakeThreshold();
-        console.log('[WakeWord] init mit threshold=%s', threshold);
+        this.bgWakeEnabled = await loadBgWakeEnabled();
+        this.wakeConfirmEnabled = await loadWakeConfirmEnabled();
+        console.log('[WakeWord] init mit threshold=%s, bgWake=%s, confirm=%s',
+                    threshold, this.bgWakeEnabled, this.wakeConfirmEnabled);
         await OpenWakeWord.init(this.keyword, threshold, DEFAULT_PATIENCE, DEFAULT_DEBOUNCE_MS);
         // Subscribe nur einmal
         if (!this.eventSub) {
           const emitter = new NativeEventEmitter(NativeModules.OpenWakeWord);
-          this.eventSub = emitter.addListener('WakeWordDetected', () => {
+          this.eventSub = emitter.addListener('WakeWordDetected', (payload: any) => {
             console.log('[WakeWord] Native Detection-Event empfangen');
-            this.onWakeDetected().catch(err =>
+            // payload.preTriggerPcm (base64 s16le 16kHz) fuer die Bestaetigung —
-              console.warn('[WakeWord] onWakeDetected crashed:', err));
+            // nur in neueren APKs vorhanden; ohne = fail-open (kein Verify).
+            this.onWakeDetected(payload && payload.preTriggerPcm ? String(payload.preTriggerPcm) : null)
+              .catch(err => console.warn('[WakeWord] onWakeDetected crashed:', err));
           });
         }
         this.nativeReady = true;
@@ -310,7 +356,7 @@ class WakeWordService {
   /** Cooldown setzen — alle Wake-Word-Detections in den naechsten ms ignorieren.
    *  Wird beim App-Resume gerufen weil AppState-Wechsel Audio-Spikes erzeugen
    *  die openWakeWord faelschlich als Trigger interpretiert. */
-  setResumeCooldown(ms: number = 1500): void {
+  setResumeCooldown(ms: number = 500): void {
     this.cooldownUntilMs = Date.now() + ms;
     console.log('[WakeWord] Cooldown aktiv fuer %dms', ms);
   }
@@ -320,23 +366,45 @@ class WakeWordService {
    *  was als „Wake-Word" reinkommt ist Husten/TV/AudioFocus-Switch. */
   setBackground(): void {
     this.inBackground = true;
-    console.log('[WakeWord] App im Hintergrund — Detections gesperrt');
+    console.log('[WakeWord] App im Hintergrund — Detections %s',
+                this.bgWakeEnabled ? 'AKTIV (Hintergrund-Wake an)' : 'gesperrt');
   }
 
-  /** App im Vordergrund: Detections wieder freigeben, plus 3s Cooldown
+  /** Hintergrund-Wake ein/aus schalten (aus den Einstellungen). */
-   *  als Schutz gegen den AudioFocus-/AudioTrack-Spike der direkt nach
+  setBgWakeEnabled(enabled: boolean): void {
-   *  dem Resume kommt. Ersetzt das alte setResumeCooldown(3000)-Pattern. */
+    this.bgWakeEnabled = enabled;
+    console.log('[WakeWord] Hintergrund-Wake = %s', enabled);
+  }
+
+  /** Wake-Wort-Bestaetigung (Voxtral) ein/aus (aus den Einstellungen). */
+  setWakeConfirmEnabled(enabled: boolean): void {
+    this.wakeConfirmEnabled = enabled;
+    console.log('[WakeWord] Wake-Bestaetigung = %s', enabled);
+  }
+
+  /** Ist Hintergrund-Wake an? Steuert u.a. ob der Konversationsmodus auch im
+   *  Hintergrund weiterlaeuft (sonst: im Hintergrund direkt zurueck aufs Wake-Word). */
+  isBgWakeEnabled(): boolean {
+    return this.bgWakeEnabled;
+  }
+
+  /** App im Vordergrund: Detections wieder freigeben, plus kurzer Cooldown
+   *  als Schutz gegen den AudioFocus-/AudioTrack-Spike direkt nach dem Resume.
+   *  1s statt 3s — 3s hat sich "traege" angefuehlt (Trigger direkt nach dem
+   *  App-Oeffnen wurden verschluckt). */
   setForeground(): void {
     this.inBackground = false;
-    this.cooldownUntilMs = Date.now() + 3000;
+    this.cooldownUntilMs = Date.now() + 1000;
-    console.log('[WakeWord] App im Vordergrund — Cooldown 3s aktiv');
+    console.log('[WakeWord] App im Vordergrund — Cooldown 1s aktiv');
   }
 
-  /** Wake-Word getriggert: Native-Modul pausieren, Konversation starten. */
+  /** Wake-Word getriggert: Native-Modul pausieren, Konversation starten.
-  private async onWakeDetected(): Promise<void> {
+   *  preTriggerPcm: base64 s16le 16kHz Vor-Trigger-Audio fuer die Bestaetigung
-    if (this.inBackground) {
+   *  (null = nicht verfuegbar → keine Bestaetigung, normal weiter). */
-      console.log('[WakeWord] Trigger ignoriert (App im Hintergrund)');
+  private async onWakeDetected(preTriggerPcm: string | null = null): Promise<void> {
-      import('./logger').then(m => m.reportAppDebug('wake.detect', 'ignored: app in background')).catch(()=>{});
+    if (this.inBackground && !this.bgWakeEnabled) {
+      console.log('[WakeWord] Trigger ignoriert (App im Hintergrund, Hintergrund-Wake aus)');
+      import('./logger').then(m => m.reportAppDebug('wake.detect', 'ignored: app in background (bg-wake off)')).catch(()=>{});
       return;
     }
     // Re-Entry-Guard: blocken wenn ein Detection-Zyklus schon laeuft.
@@ -379,6 +447,22 @@ class WakeWordService {
       // Kein erneutes setState — wir bleiben in 'conversing'.
       return;
     }
+    // Wake-Wort-Bestaetigung (gegen Musik-Fehltrigger): den Vor-Trigger-Schnipsel
+    // von Voxtral gegenpruefen. Bestaetigt → weiter (Gong + Mikro). Verworfen
+    // (Musik/Rauschen, kein "Computer") → kein Dialog, kein Gong, re-arm. Fail-
+    // open: ohne PCM / bei Timeout/Fehler laeuft es normal durch.
+    if (this.wakeConfirmEnabled && preTriggerPcm) {
+      const confirmed = await this.confirmWake(preTriggerPcm);
+      if (!confirmed) {
+        this.detectionInProgress = false;
+        if (this.nativeReady && OpenWakeWord) {
+          try { await OpenWakeWord.start(); } catch (e) {
+            console.warn('[WakeWord] re-arm nach verworfener Bestaetigung failed:', e);
+          }
+        }
+        return;
+      }
+    }
     this.setState('conversing');
     // Direkt feuern — KEIN setTimeout. Im Hintergrund (Display aus) parkt
     // Android den JS-Thread; ein setTimeout(200ms) kann dann Minuten lang
@@ -392,6 +476,34 @@ class WakeWordService {
     });
   }
 
+  /** Voxtral-Bestaetigung des Vor-Trigger-Schnipsels. true = Wake-Wort erkannt
+   *  (oder fail-open bei Timeout/Fehler), false = Musik/Rauschen → verwerfen. */
+  private async confirmWake(pcm: string): Promise<boolean> {
+    try {
+      const audio = await import('./audio');
+      const text = await audio.transcribeBlob(pcm);
+      if (text === null) {
+        console.log('[WakeWord] Bestaetigung: Timeout/Fehler → fail-open (durchlassen)');
+        return true;
+      }
+      const norm = text.toLowerCase();
+      // Distinktive Wake-Wort-Bestandteile (>= 4 Zeichen; 'hey' o.ae. rausfiltern,
+      // taucht sonst in Song-Texten auf und wuerde faelschlich bestaetigen).
+      const kwWords = this.keyword.toLowerCase().replace(/_/g, ' ')
+        .split(/\s+/).filter(w => w.length >= 4);
+      if (kwWords.length === 0) return true;  // zu kurzes Keyword → nicht pruefbar
+      const ok = kwWords.some(w => norm.includes(w));
+      console.log('[WakeWord] Bestaetigung: text=%o kw=%o → %s',
+                  text, kwWords, ok ? 'BESTAETIGT' : 'verworfen (Musik-FP?)');
+      import('./logger').then(m => m.reportAppDebug('wake.confirm',
+        `text="${text.slice(0, 40)}" kw=${kwWords.join('|')} → ${ok ? 'ok' : 'reject'}`)).catch(() => {});
+      return ok;
+    } catch (e) {
+      console.warn('[WakeWord] confirmWake err → fail-open:', e);
+      return true;
+    }
+  }
+
   /** Wake-Word PARALLEL zur TTS-Wiedergabe lauschen lassen — User kann
    *  "Computer" sagen waehrend ARIA noch redet, AcousticEchoCanceler im
    *  Native-Modul verhindert dass ARIAs eigene Stimme triggert.
@@ -486,13 +598,12 @@ class WakeWordService {
     import('./logger').then(m => m.reportAppDebug('wake.end',
       `endConversation called, wasBarge=${wasBarge}, nativeReady=${this.nativeReady}`)).catch(()=>{});
 
-    // Passive-Listen aktiv? Dann nicht direkt zu armed — passive lauschen
+    // Kein skipPassive? Dann EIN Stille-Fenster zum Weiterreden (kein Wake-Word
-    // fuer N Sekunden, dann erst Wake-Word wieder aktivieren. Speaker-ID
+    // noetig). Das echte Ende regelt die Stille-Toleranz der passiven Aufnahme;
-    // (Phase 3) filtert fremde Stimmen weg, der User kann ohne erneute
+    // der Backstop-Timer ist nur die Notbremse. Der User kann ohne erneute
-    // Anrede weitersprechen.
+    // Anrede weitersprechen; sagt er nichts → zurueck aufs Wake-Word.
-    const passiveMs = await loadPassiveListenMs();
+    if (!skipPassive && this.nativeReady) {
-    if (!skipPassive && passiveMs > 0 && this.nativeReady) {
+      this.enterPassiveListening(PASSIVE_BACKSTOP_MS);
-      this.enterPassiveListening(passiveMs);
       return;
     }
 
@@ -534,10 +645,10 @@ class WakeWordService {
     this.cancelPassiveListenTimer();
     this.setState('listening');
     const seconds = Math.round(durationMs / 1000);
-    console.log('[WakeWord] Passive-Listen aktiv (%ds) — Speaker-ID gefiltert', seconds);
+    console.log('[WakeWord] Passive-Listen aktiv (Backstop %ds) — Speaker-ID gefiltert', seconds);
     import('./logger').then(m => m.reportAppDebug('wake.passive',
-      `entered listening for ${seconds}s, cb-count=${this.passiveListenCallbacks.length}`)).catch(()=>{});
+      `entered listening (backstop ${seconds}s), cb-count=${this.passiveListenCallbacks.length}`)).catch(()=>{});
-    ToastAndroid.show(`🎧 ${seconds}s lauscht — sprich einfach weiter`, ToastAndroid.SHORT);
+    ToastAndroid.show('🎧 sprich einfach weiter', ToastAndroid.SHORT);
     this.passiveListenTimer = setTimeout(() => {
       this.passiveListenTimer = null;
       this.exitPassiveListening('timeout').catch(() => {});

aria-brain/agent.py

@@ -20,6 +20,7 @@ import json
 import logging
 import os
 import re
+import time
 import urllib.error
 import urllib.parse
 import urllib.request
@@ -132,6 +133,34 @@ WEB_SEARCH_TOOL = {
 
 # Meta-Tool: ARIA kann selbst neue Skills bauen
 META_TOOLS = [
+    {
+        "type": "function",
+        "function": {
+            "name": "ear_control",
+            "description": (
+                "Schaltet dein Ohr (den Wake-Word-Listener) an oder aus. Nutze das, "
+                "wenn Stefan will dass du aufhoerst zuzuhoeren — EGAL wie er es "
+                "formuliert: 'leg dich schlafen', 'geh schlafen', 'Ohr aus', 'gute "
+                "Nacht', 'mach mal Pause vom Zuhoeren', 'ich geh ins Bett, du kannst "
+                "aus' → action='off'. Wenn er dich wieder aktivieren will ('Ohr an', "
+                "'wach auf', 'hoer wieder zu') → action='on'. Reiner Steuerbefehl: "
+                "die App stoppt/startet den Listener, du bestaetigst nur kurz (wird "
+                "nicht vorgelesen). Nach 'off' geht Wieder-An per 'Ohr an' (Text/"
+                "Aufnahme-Knopf) oder App-Button."
+            ),
+            "parameters": {
+                "type": "object",
+                "properties": {
+                    "action": {
+                        "type": "string",
+                        "enum": ["off", "on"],
+                        "description": "off = Ohr aus (nicht mehr zuhoeren), on = Ohr wieder an",
+                    },
+                },
+                "required": ["action"],
+            },
+        },
+    },
     {
         "type": "function",
         "function": {
@@ -831,7 +860,7 @@ META_TOOLS = [
         "function": {
             "name": "flux_generate",
             "description": (
-                "Generiere ein Bild aus einem Text-Prompt via FLUX auf der Gamebox-GPU. "
+                "Generiere ein Bild aus einem Text-Prompt via FLUX auf der AI-Box-GPU. "
                 "Brauchbar fuer 'mal mir ein X', 'wie sieht ein Y aus?', Mockups, "
                 "Konzept-Skizzen, Memes. Render dauert 20-90s — kuendige es Stefan "
                 "kurz an, dann ist er nicht ueberrascht.\n\n"
@@ -1156,9 +1185,11 @@ META_TOOLS = [
             "description": (
                 "Zeigt welche ARIA-Satelliten (Aussenposten-Container in FREMDEN Netzen, "
                 "z.B. 'Buero') gerade ONLINE sind und was sie koennen (discover / "
-                "dial.launch / wol / http). Nutze das ZUERST, wenn Stefan etwas 'im "
+                "dial.launch / wol / http). Nutze das ZUERST, wenn es um ein Geraet/einen "
-                "Buero' / 'im Netz X' / 'auf dem <Geraet> dort' machen will — so weisst "
+                "Host in einem Netz geht, auf dem Du nicht direkt sitzt (Zuhause, Buero, "
-                "Du welche Netze erreichbar sind."
+                "jede private IP wie 192.168.x) — z.B. Drucker-Fuellstand, NAS, Smart-TV. "
+                "Rufe es IMMER auf, BEVOR Du sagst ein Geraet sei nicht erreichbar — ein "
+                "Satellit im Zielnetz ist der Weg hinein."
             ),
             "parameters": {"type": "object", "properties": {}},
         },
@@ -1169,8 +1200,11 @@ META_TOOLS = [
             "name": "satellite_devices",
             "description": (
                 "Listet die Geraete im Netz eines Satelliten (Fire TV, Chromecast, "
-                "Smart-TVs, Drucker, NAS, Hosts ...). Nutze es um herauszufinden welches "
+                "Smart-TVs, Drucker, Switches, Router, APs, NAS, Hosts ...). Nutze es um "
-                "Geraet gemeint ist, BEVOR Du satellite_command aufrufst."
+                "herauszufinden welches Geraet gemeint ist, BEVOR Du satellite_command "
+                "aufrufst. SNMP-faehige Geraete tragen ein 'snmp'-Feld (Name, Beschreibung, "
+                "Standort, Uptime) und einen praeziseren 'type' (switch/router/nas ...) — "
+                "gute Quelle um Netz-Hardware zu erklaeren."
             ),
             "parameters": {
                 "type": "object",
@@ -1190,8 +1224,32 @@ META_TOOLS = [
                 "Beispiel YouTube-Video auf Fire TV: action='dial.launch', "
                 "device='Fire TV', params={'app':'YouTube','v':'<videoId>'}. Weitere "
                 "Aktionen: 'wol' (params={'mac':'...'}) zum Aufwecken, "
-                "'http.get'/'http.post' (params={'url':'...'}) fuer lokale Webhooks. "
+                "'snmp.printer' (params={'ip':'<drucker-ip>'}) — BEVORZUGT fuer Drucker-"
-                "Geht nur, wenn der Satellit Steuerung erlaubt (siehe satellite_list)."
+                "Tinte/Toner: liest die Fuellstaende zuverlaessig als Prozent aus der "
+                "Printer-MIB (kein HTML-Scrapen). 'snmp.ports' (params={'ip':'...'}) — "
+                "Switch/Router-Interfaces: aktive/freie Ports + Linkspeed (beantwortet "
+                "'sind noch Ports frei'). 'snmp.info' (params={'ip':'...'}) — Modell, "
+                "Seriennummer, INSTALLIERTE Firmware/Software-Version (ob ein Update "
+                "existiert, weiss SNMP NICHT). 'snmp.get'/'snmp.walk' "
+                "(params={'ip':'...','oid':'...','community':'public'}) fuer beliebige "
+                "SNMP-Werte. 'fritzbox.info' / 'fritzbox.hosts' (params={'ip':'<fritzbox>'}) "
+                "— Internetverbindung/Datenrate/externe IP bzw. verbundene Geraete (braucht "
+                "hinterlegten FritzBox-Login). 'ssh.exec' (params={'ip':'...','cmd':'...'}) "
+                "— fuehrt EIN Shell-Kommando per SSH auf einem Geraet aus (Server, Pi, NAS) "
+                "und gibt exit_code + stdout (gefenstert: contains/offset/max_chars) + "
+                "stderr zurueck; braucht hinterlegte SSH-Credentials (Benutzer + Passwort "
+                "oder Key). Fuer Geraete mit hinterlegten Zugangsdaten "
+                "(community/v3/Login/SSH) nutzt der Satellit diese automatisch — Du musst "
+                "keine Passwoerter mitgeben. "
+                "'http.get'/'http.post' (params={'url':'...'}) fuer lokale Webhooks UND "
+                "um Geraete-Statusseiten zu lesen (Fallback fuer Tinte, NAS ...). Bei grossen "
+                "Seiten NICHT blind paginieren: setze params['contains'] (String oder "
+                "Liste) — dann kommen nur Zeilen zurueck, die einen der Begriffe enthalten "
+                "(z.B. contains=['ink','toner','cyan','magenta','yellow','black','%'] fuer "
+                "Tinte). Zusaetzlich moeglich: params['offset'] und params['max_chars'] "
+                "(Default 20000). Die Antwort meldet total_chars + truncated, damit Du "
+                "siehst, ob noch mehr da ist. Geht nur, wenn der Satellit Steuerung "
+                "erlaubt (siehe satellite_list)."
             ),
             "parameters": {
                 "type": "object",
@@ -1205,6 +1263,107 @@ META_TOOLS = [
             },
         },
     },
+    {
+        "type": "function",
+        "function": {
+            "name": "host_list",
+            "description": (
+                "Zeigt die ARIA-Host-Agenten (Rechner, auf denen ein Agent DIREKT "
+                "laeuft und sich per RVS meldet) die ONLINE sind + was sie koennen "
+                "(exec/read/write/info/screenshot). Ein Host-Agent gibt Dir vollen "
+                "Zugriff auf GENAU DIESEN Rechner — auch wenn er hinter NAT/Firewall "
+                "sitzt. Nutze das, wenn Stefan etwas 'auf meinem Laptop/PC/Server X' "
+                "machen will, das kein Geraet im Netz ist."
+            ),
+            "parameters": {"type": "object", "properties": {}},
+        },
+    },
+    {
+        "type": "function",
+        "function": {
+            "name": "host_exec",
+            "description": (
+                "Fuehrt EIN Shell-Kommando auf einem Host-Agenten aus (bash -lc). "
+                "Gibt exit_code + stdout (gefenstert: contains/offset/max_chars) + "
+                "stderr. Fuer Root-Rechte sudo=true setzen (Agent nutzt root/"
+                "SUDO_PASSWORD/NOPASSWD automatisch). Sei vorsichtig — das ist "
+                "vollwertiger Rechnerzugriff."
+            ),
+            "parameters": {
+                "type": "object",
+                "properties": {
+                    "host": {"type": "string", "description": "Host-ID/Name aus host_list."},
+                    "cmd": {"type": "string", "description": "Shell-Kommando."},
+                    "sudo": {"type": "boolean", "description": "Mit Root-Rechten ausfuehren."},
+                    "timeout": {"type": "number", "description": "max. Laufzeit in Sekunden (Default 60)."},
+                },
+                "required": ["host", "cmd"],
+            },
+        },
+    },
+    {
+        "type": "function",
+        "function": {
+            "name": "host_read",
+            "description": "Liest eine Datei von einem Host-Agenten (Text). Fuer Binaerdateien liefert der Agent Base64.",
+            "parameters": {
+                "type": "object",
+                "properties": {
+                    "host": {"type": "string", "description": "Host-ID/Name."},
+                    "path": {"type": "string", "description": "Absoluter Pfad auf dem Rechner."},
+                },
+                "required": ["host", "path"],
+            },
+        },
+    },
+    {
+        "type": "function",
+        "function": {
+            "name": "host_write",
+            "description": "Schreibt Text in eine Datei auf einem Host-Agenten (ueberschreibt; append=true haengt an).",
+            "parameters": {
+                "type": "object",
+                "properties": {
+                    "host": {"type": "string", "description": "Host-ID/Name."},
+                    "path": {"type": "string", "description": "Zielpfad."},
+                    "text": {"type": "string", "description": "Inhalt."},
+                    "append": {"type": "boolean", "description": "Anhaengen statt ueberschreiben."},
+                },
+                "required": ["host", "path", "text"],
+            },
+        },
+    },
+    {
+        "type": "function",
+        "function": {
+            "name": "host_info",
+            "description": "System-Info eines Host-Agenten: OS, CPU/RAM/Disk-Auslastung, Uptime, IP.",
+            "parameters": {
+                "type": "object",
+                "properties": {"host": {"type": "string", "description": "Host-ID/Name."}},
+                "required": ["host"],
+            },
+        },
+    },
+    {
+        "type": "function",
+        "function": {
+            "name": "host_screenshot",
+            "description": (
+                "Macht ein Bildschirmfoto auf einem Host-Agenten (nur wenn dort eine "
+                "grafische Session laeuft). Liefert einen Datei-Pfad unter /shared/uploads/. "
+                "Du KANNST den Screenshot selbst ansehen: oeffne den Pfad mit deinem "
+                "Read-Tool (Bild wird gerendert) — so beantwortest Du 'was ist auf meinem "
+                "Bildschirm'. Und schreibe den Pfad als [FILE: ...]-Marker in die Antwort, "
+                "damit die App das Bild inline zeigt."
+            ),
+            "parameters": {
+                "type": "object",
+                "properties": {"host": {"type": "string", "description": "Host-ID/Name."}},
+                "required": ["host"],
+            },
+        },
+    },
     {
         "type": "function",
         "function": {
@@ -1347,6 +1506,154 @@ def _extract_await_marker(text: str) -> tuple:
     return text, False
 
 
+# ── Sprach-/Gespraechs-Steuermarker (ARIA deklariert die Phase SELBST) ──
+#
+# Voice-First: ARIA erkennt aus dem Text, ob Stefan einen BEFEHL gibt (etwas tun)
+# oder eine FRAGE stellt (etwas wissen), und ob das Gespraech/eine Befehlskette
+# weiterlaeuft oder endet. Sie haengt dazu Marker ans Ende ihrer Antwort — genau
+# wie [[AWAIT]], und sie werden ebenso entfernt (nicht angezeigt/vorgelesen/in
+# History). Der Marker ist AUTORITATIV — er ueberschreibt das Skill-Manifest-Flag,
+# denn dasselbe Skill (z.B. VM-/GUI-Steuerung) ist mal Befehl, mal Auskunft; nur
+# ARIA weiss aus dem Kontext, was gerade gemeint ist.
+#
+#   [[STUMM]]  -> reiner Steuerbefehl: NICHT vorlesen (speak=false). Allein =
+#                 Einzelbefehl → danach zurueck aufs Wake-Word (converse=false).
+#   [[WEITER]] -> Konversation/Befehlskette laeuft weiter: Mikro offen halten
+#                 (converse=true) — kein erneutes "Computer" noetig.
+#   [[ENDE]]   -> Konversation/Kette beenden: zurueck aufs Wake-Word (converse=false).
+_SILENT_MARKER_RE = re.compile(r"\[\[\s*STUMM\s*\]\]", re.IGNORECASE)
+_CONT_MARKER_RE = re.compile(r"\[\[\s*WEITER\s*\]\]", re.IGNORECASE)
+_END_MARKER_RE = re.compile(r"\[\[\s*ENDE\s*\]\]", re.IGNORECASE)
+
+
+def _extract_flow_markers(text: str) -> tuple:
+    """Zieht [[STUMM]]/[[WEITER]]/[[ENDE]] aus dem finalen Text.
+    Gibt (clean_text, speak_override, converse_override) zurueck; ein Override ist
+    None, wenn der jeweilige Marker fehlt (dann gilt Default/Skill-Flag).
+    Regeln: [[STUMM]] alleine = Einzelbefehl → auch converse=false (Mikro zu),
+    ausser [[WEITER]] haelt es explizit offen. [[ENDE]] gewinnt gegen [[WEITER]]."""
+    if not text:
+        return text, None, None
+    speak_ov = None
+    conv_ov = None
+    if _SILENT_MARKER_RE.search(text):
+        speak_ov = False
+        text = _SILENT_MARKER_RE.sub("", text)
+    if _END_MARKER_RE.search(text):
+        conv_ov = False
+        text = _END_MARKER_RE.sub("", text)
+    if _CONT_MARKER_RE.search(text):
+        # [[ENDE]] hat Vorrang — widerspruechliche Marker → beenden.
+        if conv_ov is None:
+            conv_ov = True
+        text = _CONT_MARKER_RE.sub("", text)
+    # Stiller Einzelbefehl ohne explizites Weiterlauschen → Mikro zu.
+    if speak_ov is False and conv_ov is None:
+        conv_ov = False
+    return text.strip(), speak_ov, conv_ov
+
+
+# Explizite "Konversation beenden"-Phrasen vom USER — deterministisch, NICHT auf
+# ARIAs [[ENDE]]-Marker angewiesen. Stefan will "Konversation Ende" o.ae. als
+# festen Trigger: danach zurueck aufs Wake-Word, egal was ARIA sonst tut. Eine in
+# derselben Nachricht enthaltene Frage beantwortet sie normal (wird vorgelesen),
+# aber converse wird auf false gezwungen. Nomen + Ende-Wort in EINEM Satzteil
+# ([^.!?]{0,15}) in beliebiger Reihenfolge; "befehls?kette" damit "Lieferkette"
+# o.ae. nicht faelschlich matcht.
+_CONV_NOUN = r"(?:konversation|gespr[aä]ch|befehls?kette)"
+_CONV_END_VERB = r"(?:ende|beend\w*|aus|stop\w*|schluss)"
+_END_CONVERSATION_RE = re.compile(
+    rf"\b{_CONV_NOUN}\b[^.!?]{{0,15}}\b{_CONV_END_VERB}\b"
+    rf"|\b(?:beend\w*|schlie(?:ß|ss)\w*)\b[^.!?]{{0,15}}\b{_CONV_NOUN}\b",
+    re.IGNORECASE,
+)
+
+
+def _user_wants_conversation_end(text: str) -> bool:
+    """True, wenn der User in dieser Nachricht explizit die Konversation/Kette
+    beenden will (deterministisch, unabhaengig vom LLM-Marker)."""
+    if not text:
+        return False
+    return bool(_END_CONVERSATION_RE.search(_strip_leading_hint_blocks(text)))
+
+
+# Gegenstueck zu _END: expliziter "Konversation OFFEN halten / fortfuehren"-Wunsch.
+# Wichtig fuer BEFEHLE die den Fast-Path treffen: "spiel Spotify ab ABER Konversation
+# fortfuehren" — der Fast-Path (Regex) versteht den Satz-Rest nicht und wuerde mit
+# converse=false schliessen. Dieser Detektor erzwingt converse=true, auch am
+# Fast-Path, egal was das Skill-Manifest sagt. Nomen+Verb in einem Satzteil, plus
+# "weiter reden/sprechen" ohne Nomen.
+_CONT_VERB = (r"(?:fortf[uü]hr\w*|fortsetz\w*|weiterf[uü]hr\w*|weiter\s*mach\w*|"
+              r"weiter\b|fort\b|offen\s+(?:halten|lassen)|nicht\s+beenden|weiterlauf\w*)")
+_CONTINUE_CONVERSATION_RE = re.compile(
+    rf"\b{_CONV_NOUN}\b[^.!?]{{0,20}}\b{_CONT_VERB}"
+    rf"|\b{_CONT_VERB}[^.!?]{{0,20}}\b{_CONV_NOUN}\b"
+    rf"|\bweiter\s*(?:reden|sprechen|quatschen|plaudern|labern)\b",
+    re.IGNORECASE,
+)
+
+
+def _user_wants_conversation_continue(text: str) -> bool:
+    """True, wenn der User explizit weiter im Gespraech bleiben will (converse=true
+    erzwingen — auch bei einem Fast-Path-Befehl). [[ENDE]]/_wants_end hat Vorrang."""
+    if not text:
+        return False
+    return bool(_CONTINUE_CONVERSATION_RE.search(_strip_leading_hint_blocks(text)))
+
+
+# ── Wake-Word AUS per Sprachbefehl ──────────────────────────────────────────
+# "Wake-Word aus", "mach das Ohr aus", "hoer auf zuzuhoeren", "geh schlafen" …
+# → die App stoppt den Wake-Word-Listener KOMPLETT (Mikro frei, echte Ruhe).
+# Wieder-An geht nur ueber den App-Button (bewusst, weil dann taub). Reiner
+# Steuerbefehl: still (speak=false), kein Weiterlauschen (converse=false).
+_WAKE_NOUN = r"(?:wake[\s-]?word|wakeword|ohr(?:en)?|mikro(?:fon)?|zuh[oö]r\w*|lausch\w*)"
+_WAKE_OFF_VERB = (r"(?:aus(?:schalten|stellen)?|abschalten|abstellen|deaktivier\w*|"
+                  r"beenden|beende|stopp?\w*|schlafen|ruhe)")
+_WAKE_OFF_RE = re.compile(
+    rf"\b{_WAKE_NOUN}\b[^.!?]{{0,20}}\b{_WAKE_OFF_VERB}\b"
+    rf"|\b(?:beende|beend\w*|deaktivier\w*|stopp?e?)\b[^.!?]{{0,20}}\b{_WAKE_NOUN}\b"
+    rf"|h[oö]r\s+auf\s+(?:zu\s*)?(?:zu)?(?:h[oö]r|lausch)\w*"
+    rf"|h[oö]r\s+nicht\s+mehr\s+zu"
+    # Schlaf-Idiome NUR als klare Imperative an ARIA ('geh/leg dich schlafen',
+    # 'leg dich aufs Ohr/hin'). Mehrdeutige Gruesse ('gute Nacht', 'schlaf gut')
+    # bewusst NICHT — das sind Verabschiedungen, kein Ohr-Aus-Befehl; die faengt
+    # ARIA per ear_control aus dem Kontext ab, wenn's wirklich gemeint ist.
+    rf"|(?:geh|leg\s+dich)\s+schlafen"
+    rf"|leg\s+dich\s+(?:aufs?\s+ohr|hin)",
+    re.IGNORECASE,
+)
+
+
+def _user_wants_wake_off(text: str) -> bool:
+    """True, wenn der User den Wake-Word-Listener per Sprache abschalten will."""
+    if not text:
+        return False
+    return bool(_WAKE_OFF_RE.search(_strip_leading_hint_blocks(text)))
+
+
+# ── Wake-Word AN per Befehl (Text ODER manueller Aufnahme-Button) ────────────
+# Gegenstueck zu wake_off. Das "Wieder-An" per Stimme geht NICHT ueber "Computer"
+# (das hoert ja nicht mehr), aber ueber eine Text-Nachricht oder den manuellen
+# Aufnahme-Button — beide laufen unabhaengig vom Wake-Word-Listener. Die App
+# startet den Listener dann wieder (wakeWordService.start()).
+_WAKE_ON_VERB = r"(?:an(?:schalten|machen|stellen)?|einschalten|aktivier\w*|starte\w*|reaktivier\w*)"
+_WAKE_ON_RE = re.compile(
+    rf"\b{_WAKE_NOUN}\b[^.!?]{{0,20}}\b{_WAKE_ON_VERB}\b"
+    rf"|\b(?:aktivier\w*|reaktivier\w*|starte\w*)\b[^.!?]{{0,15}}\b{_WAKE_NOUN}\b"
+    rf"|h[oö]r\s+(?:mir\s+)?wieder\s+zu"
+    rf"|(?:wieder|erneut)\s+(?:zu\s*)?(?:h[oö]r|lausch)\w*"
+    rf"|wach\s+auf|aufwachen",
+    re.IGNORECASE,
+)
+
+
+def _user_wants_wake_on(text: str) -> bool:
+    """True, wenn der User den Wake-Word-Listener per Befehl wieder anschalten will."""
+    if not text:
+        return False
+    return bool(_WAKE_ON_RE.search(_strip_leading_hint_blocks(text)))
+
+
 def _normalize_for_fast_match(text: str) -> str:
     norm = _strip_leading_hint_blocks(text).lower()
     norm = _fold_umlauts(norm)
@@ -1542,9 +1849,12 @@ class Agent:
         return False
 
     # Kuratierte Tool-Auswahl fuers lokale Tier (B1b): web_search (local-only,
-    # SearXNG) + memory_search/trigger_timer (aus META_TOOLS) + Spotify-Skill.
+    # SearXNG) + memory_search/trigger_timer (aus META_TOOLS) + Spotify-Skill +
-    # Bewusst klein (Speed + Sicherheit); alles andere → Claude.
+    # die Satelliten-Tools (Augen/Haende in fremden Netzen — auch das lokale Tier
-    _LOCAL_TOOL_NAMES = {"memory_search", "trigger_timer"}
+    # muss ein Geraet im Heim-/Buero-Netz erreichen koennen, statt zu fabulieren).
+    # Sonst bewusst klein (Speed + Sicherheit); alles andere → Claude.
+    _LOCAL_TOOL_NAMES = {"memory_search", "trigger_timer",
+                         "satellite_list", "satellite_devices", "satellite_command"}
 
     def _build_local_tools(self) -> list:
         tools = [WEB_SEARCH_TOOL]
@@ -1755,6 +2065,14 @@ class Agent:
         if not user_message:
             raise ValueError("Leere Nachricht")
 
+        # Explizite Gespraechs-Steuerung vom USER (deterministisch, an JEDEM Return
+        # angewendet — auch am Fast-Path, den die LLM-Marker nicht erreichen):
+        #   _wants_end      → converse=false ("Konversation Ende")
+        #   _wants_continue → converse=true  ("... aber Konversation fortfuehren")
+        # End hat Vorrang bei Widerspruch.
+        _wants_end = _user_wants_conversation_end(user_message)
+        _wants_continue = (not _wants_end) and _user_wants_conversation_continue(user_message)
+
         # Events vom letzten Turn weglassen
         self._pending_events = []
 
@@ -1762,6 +2080,27 @@ class Agent:
         active_project_id = (project_id or "").strip()
         active_project = projects_mod.get_project(active_project_id) if active_project_id else None
 
+        # Wake-Word AUS per Sprache: reiner Steuerbefehl, KEIN Claude/Fast-Path
+        # noetig. Still (speak=false) + kein Weiterlauschen (converse=false). Das
+        # tatsaechliche Stoppen des Listeners macht die App anhand von wake_off in
+        # der Antwort (ChatOut) — hier signalisieren wir es nur. Wieder-An: App-Button.
+        if _user_wants_wake_off(user_message):
+            reply = "Ohr aus. Sag 'Wake-Word an' (per Text oder Aufnahme-Knopf) oder tipp den Ohr-Button, wenn ich wieder lauschen soll. 🔇"
+            self.conversation.add("user", user_message, source=source,
+                                  project_id=active_project_id)
+            self.conversation.add("assistant", reply, project_id=active_project_id)
+            logger.info("[wake-off] Sprachbefehl erkannt — App stoppt Listener")
+            return reply, "wake-off", False, False, False
+
+        # Wake-Word AN per Befehl (Text/Aufnahme-Button): App startet den Listener.
+        if _user_wants_wake_on(user_message):
+            reply = "Ohr wieder an — ich lausche auf 'Computer'. 👂"
+            self.conversation.add("user", user_message, source=source,
+                                  project_id=active_project_id)
+            self.conversation.add("assistant", reply, project_id=active_project_id)
+            logger.info("[wake-on] Befehl erkannt — App startet Listener")
+            return reply, "wake-on", False, False, False
+
         # Fast-Path: einfache "reines Steuern"-Commands ueberspringen Claude komplett.
         # Jeder Skill kann in seinem Manifest fast_patterns deklarieren — das Brain
         # iteriert hier ueber alle aktiven Skills und matched. Spart 5-10s Latenz.
@@ -1782,6 +2121,10 @@ class Agent:
             speak = bool(getattr(self, "_fast_path_speak", False))
             # converse folgt dem Skill (Manifest/Output) — nicht mehr generell False.
             converse = bool(getattr(self, "_fast_path_converse", False))
+            if _wants_end:
+                converse = False
+            elif _wants_continue:
+                converse = True
             # Fast-Path = reiner Steuerbefehl, nie eine Rueckfrage → awaiting=False.
             return fast_reply, "fast-path", speak, converse, False
 
@@ -1801,6 +2144,10 @@ class Agent:
             # dem Skill (bzw. Default: Info/Gespraech = vorlesen + 30s).
             speak = getattr(self, "_local_turn_speak", True)
             converse = getattr(self, "_local_turn_converse", True)
+            if _wants_end:
+                converse = False
+            elif _wants_continue:
+                converse = True
             # Local ist tool-loses Reden; blockierende Rueckfragen macht Claude.
             return local_reply, "local", speak, converse, False
 
@@ -1818,6 +2165,15 @@ class Agent:
             logger.warning("Cold-Search fehlgeschlagen: %s", exc)
             cold = []
 
+        # 3b. Titel-Index des kalten Gedaechtnisses — ARIA sieht WAS sie an
+        # Nachschlage-Wissen hat (Zugangsdaten, Infra, Projekte) und holt es via
+        # memory_search, statt Stefan danach zu fragen. Nur Titel = billig.
+        try:
+            memory_index = self.store.list_index_titles()
+        except Exception as exc:
+            logger.warning("Titel-Index laden fehlgeschlagen: %s", exc)
+            memory_index = []
+
         # 4. Aktive Skills holen + Tool-Liste bauen
         all_skills = skills_mod.list_skills(active_only=False)
         active_skills = [s for s in all_skills if s.get("active", True)]
@@ -1840,7 +2196,8 @@ class Agent:
         oauth_port = os.environ.get("RVS_PORT_PUBLIC", os.environ.get("RVS_PORT", "443")).strip()
         oauth_tls = os.environ.get("RVS_TLS", "true").strip().lower() != "false"
 
-        system_prompt = build_system_prompt(hot, cold, skills=all_skills,
+        system_prompt = build_system_prompt(hot, cold, memory_index=memory_index,
+                                            skills=all_skills,
                                             triggers=all_triggers,
                                             condition_vars=condition_vars,
                                             condition_funcs=condition_funcs,
@@ -1942,6 +2299,7 @@ class Agent:
         # Konversation bleiben gesprochen.
         self._claude_turn_speak = True
         self._claude_turn_converse = True   # Default Gespraech; run_*-Skill setzt es
+        self._ear_control = None            # ear_control-Tool: 'off'|'on' oder None
         try:
             for iteration in range(self.MAX_TOOL_ITERATIONS):
                 result = self.proxy.chat_full(messages, tools=tools,
@@ -2033,16 +2391,38 @@ class Agent:
         # Rueckfrage-Marker aus dem finalen Text ziehen (vor History/Return, damit
         # er nicht angezeigt/vorgelesen wird und nicht die Conversation vergiftet).
         final_reply, awaiting_reply = _extract_await_marker(final_reply)
+        # ARIAs Phasen-Marker ([[STUMM]]/[[WEITER]]/[[ENDE]]) ziehen — VOR History,
+        # damit sie nicht angezeigt/vorgelesen/gespeichert werden.
+        final_reply, _speak_ov, _conv_ov = _extract_flow_markers(final_reply)
 
         # 7. Assistant-Turn (final reply) in die Conversation
         self.conversation.add("assistant", final_reply,
                               project_id=active_project_id)
-        # speak/converse folgen dem ausgefuehrten Skill (sonst Default: Gespraech);
+        # speak/converse folgen dem ausgefuehrten Skill (sonst Default: Gespraech).
+        # ARIAs Phasen-Marker sind AUTORITATIV: sie kennt aus dem Text den Unter-
+        # schied Befehl/Frage und Kette/Ende, den das Skill-Manifest nicht kennt.
+        speak = bool(getattr(self, "_claude_turn_speak", True))
+        converse = bool(getattr(self, "_claude_turn_converse", True))
+        if _speak_ov is not None:
+            speak = _speak_ov
+        if _conv_ov is not None:
+            converse = _conv_ov
+        # Explizite User-Woerter gewinnen ueber Marker/Manifest: "Konversation
+        # beenden" → zu; "... fortfuehren" → offen halten. End hat Vorrang.
+        if _wants_end:
+            converse = False
+        elif _wants_continue:
+            converse = True
+        # ear_control-Tool aufgerufen → Ohr schalten. answered_by=wake-off/wake-on
+        # nutzt die bestehende Plumbing (main.py → wake_off/wake_on → Bridge → App).
+        # Reiner Steuerbefehl: still + kein Weiterlauschen.
+        answered_by = "claude"
+        if self._ear_control == "off":
+            answered_by, speak, converse = "wake-off", False, False
+        elif self._ear_control == "on":
+            answered_by, speak, converse = "wake-on", False, False
         # awaiting_reply = ARIA stellt eine blockierende Rueckfrage (Queue pausiert).
-        return (final_reply, "claude",
+        return (final_reply, answered_by, speak, converse, awaiting_reply)
-                bool(getattr(self, "_claude_turn_speak", True)),
-                bool(getattr(self, "_claude_turn_converse", True)),
-                awaiting_reply)
 
     # ── Tool-Dispatcher ───────────────────────────────────────
 
@@ -2150,6 +2530,126 @@ class Agent:
         except Exception as exc:
             return f"FEHLER: Satellit/Bridge nicht erreichbar: {exc}"
 
+    def _dispatch_host(self, name: str, arguments: dict) -> str:
+        """host_list / host_exec / host_read / host_write / host_info /
+        host_screenshot — via Bridge (/internal/host*) → RVS → Host-Agent."""
+        import base64 as _b64
+
+        def _post(path: str, body: dict, timeout: float) -> dict:
+            data = json.dumps(body).encode("utf-8")
+            req = urllib.request.Request(f"{BRIDGE_URL}{path}", data=data, method="POST",
+                                         headers={"Content-Type": "application/json"})
+            with urllib.request.urlopen(req, timeout=timeout) as resp:
+                return json.loads(resp.read().decode("utf-8", "ignore"))
+        try:
+            if name == "host_list":
+                result = _post("/internal/host-list", {}, 10)
+                hosts = result.get("hosts") or []
+                if not hosts:
+                    return ("Gerade ist kein Host-Agent online. (Ein Host-Agent laeuft "
+                            "direkt auf einem Rechner und erlaubt Dir, ihn zu steuern — "
+                            "auch hinter NAT/Firewall.)")
+                lines = []
+                for h in hosts:
+                    status = "online" if h.get("online") else "offline"
+                    caps = ", ".join(h.get("caps") or [])
+                    lines.append(f"- {h.get('name')} (id={h.get('hostId')}, {status}, "
+                                 f"{h.get('os', '')}; kann: {caps})")
+                return "Host-Agenten (Rechner):\n" + "\n".join(lines)
+
+            host = (arguments.get("host") or "").strip()
+            if not host:
+                return "FEHLER: host ist Pflicht (siehe host_list)."
+
+            if name == "host_exec":
+                cmd = (arguments.get("cmd") or "").strip()
+                if not cmd:
+                    return "FEHLER: cmd ist Pflicht."
+                params = {"cmd": cmd}
+                if arguments.get("sudo"):
+                    params["sudo"] = True
+                timeout = float(arguments.get("timeout") or 60)
+                result = _post("/internal/host", {"host": host, "action": "exec",
+                                                  "params": params, "timeout": timeout + 10},
+                               timeout + 20)
+                if not result.get("ok"):
+                    return f"FEHLER: {result.get('error')}"
+                r = result.get("result") or {}
+                note = f"exit={r.get('exit_code')}"
+                if r.get("truncated"):
+                    note += f" (stdout gekuerzt, {r.get('total_chars')} Zeichen gesamt)"
+                out = f"[{note}]\n{r.get('body', '')}"
+                stderr = (r.get("stderr") or "").strip()
+                if stderr:
+                    out += f"\n--- stderr ---\n{stderr[:1500]}"
+                return out
+
+            if name == "host_read":
+                path = (arguments.get("path") or "").strip()
+                result = _post("/internal/host", {"host": host, "action": "read",
+                                                  "params": {"path": path}}, 30)
+                if not result.get("ok"):
+                    return f"FEHLER: {result.get('error')}"
+                r = result.get("result") or {}
+                try:
+                    text = _b64.b64decode(r.get("base64", "")).decode("utf-8", "replace")
+                except Exception:
+                    text = "(Binaerdatei — nicht als Text darstellbar)"
+                trunc = " (gekuerzt)" if r.get("truncated") else ""
+                return f"{r.get('path')} ({r.get('size')} Bytes){trunc}:\n{text[:8000]}"
+
+            if name == "host_write":
+                text = arguments.get("text") or ""
+                params = {"path": (arguments.get("path") or "").strip(),
+                          "base64": _b64.b64encode(text.encode("utf-8")).decode("ascii"),
+                          "append": bool(arguments.get("append"))}
+                result = _post("/internal/host", {"host": host, "action": "write",
+                                                  "params": params}, 30)
+                if not result.get("ok"):
+                    return f"FEHLER: {result.get('error')}"
+                r = result.get("result") or {}
+                return f"OK — {r.get('bytes')} Bytes nach {r.get('path')} geschrieben."
+
+            if name == "host_info":
+                result = _post("/internal/host", {"host": host, "action": "info",
+                                                  "params": {}}, 20)
+                if not result.get("ok"):
+                    return f"FEHLER: {result.get('error')}"
+                return f"System-Info {host}:\n" + json.dumps(result.get("result") or {},
+                                                             ensure_ascii=False, indent=2)
+
+            if name == "host_screenshot":
+                result = _post("/internal/host", {"host": host, "action": "screenshot",
+                                                  "params": {}}, 30)
+                if not result.get("ok"):
+                    return f"FEHLER: {result.get('error')}"
+                r = result.get("result") or {}
+                # Wie flux_generate: PNG nach /shared/uploads/ (nur dieser Pfad
+                # matcht den [FILE:]-Marker) -> Bridge broadcastet file_from_aria,
+                # App/Diagnostic zeigen es inline im Chat.
+                try:
+                    d = "/shared/uploads"
+                    os.makedirs(d, exist_ok=True)
+                    safe = re.sub(r"[^a-zA-Z0-9_-]+", "-", host).strip("-") or "host"
+                    fp = os.path.join(d, f"aria_screenshot_{safe}_{int(time.time())}.png")
+                    with open(fp, "wb") as f:
+                        f.write(_b64.b64decode(r.get("base64", "")))
+                except Exception as exc:
+                    return f"Screenshot erstellt ({r.get('bytes')} Bytes), Speichern fehlgeschlagen: {exc}"
+                return (
+                    f"OK — Screenshot von {host} erstellt ({r.get('bytes', 0) // 1024} KB).\n"
+                    f"path: {fp}\n\n"
+                    f"UM DEN BILDSCHIRM ZU SEHEN: Oeffne die Datei mit deinem Read-Tool "
+                    f"(Read {fp}) — Du bekommst das Bild dann angezeigt und kannst "
+                    f"beschreiben/entscheiden, was darauf zu sehen ist.\n"
+                    f"UM ES STEFAN ZU ZEIGEN: Schreibe den Pfad EXAKT als Marker "
+                    f"[FILE: {fp}] in deine Antwort — dann erscheint das Bild inline im Chat."
+                )
+
+            return f"FEHLER: unbekanntes Host-Tool {name}"
+        except Exception as exc:
+            return f"FEHLER: Host/Bridge nicht erreichbar: {exc}"
+
     def _dispatch_tool(self, name: str, arguments: dict, project_id: str = "") -> str:
         """Fuehrt einen Tool-Call aus und gibt ein kurzes Text-Resultat zurueck.
         Niemals werfen — Fehler werden als Text-Resultat reportet damit Claude
@@ -2637,6 +3137,15 @@ class Agent:
                     f"WICHTIG: Schreibe in deiner Antwort an Stefan den Pfad EXAKT als "
                     f"Marker: [FILE: {result['path']}] — dann zeigt die App das Bild inline."
                 )
+            if name == "ear_control":
+                action = (arguments.get("action") or "").strip().lower()
+                if action not in ("off", "on"):
+                    return "FEHLER: action muss 'off' oder 'on' sein."
+                self._ear_control = action
+                logger.info("[ear_control] action=%s — App schaltet den Listener", action)
+                return ("Ohr wird ausgeschaltet — Wieder-An per 'Ohr an' (Text/"
+                        "Aufnahme-Knopf) oder App-Button." if action == "off"
+                        else "Ohr wird wieder eingeschaltet.")
             if name == "memory_search":
                 query = (arguments.get("query") or "").strip()
                 if not query:
@@ -2933,6 +3442,9 @@ class Agent:
                 return f"OK — Projekt '{updated['name']}' ist wieder ein normaler Chat."
             if name in ("satellite_list", "satellite_devices", "satellite_command"):
                 return self._dispatch_satellite(name, arguments)
+            if name in ("host_list", "host_exec", "host_read", "host_write",
+                        "host_info", "host_screenshot"):
+                return self._dispatch_host(name, arguments)
             if name == "vm_register":
                 pid = (project_id or "").strip()
                 if not pid:

aria-brain/backfill_scope.py

@@ -0,0 +1,90 @@
+"""Einmaliger Backfill: weist bestehenden Memory-Punkten ein `scope`
+(system | personal) zu. Sicher & reversibel — Stefan kann pro Eintrag in der
+Diagnostic-UI umschalten. Idempotent: laeuft mehrfach ohne Schaden.
+
+Heuristik (datengetrieben aus dem realen Bestand):
+  - type=preference / fact / conversation / reminder  -> personal
+  - source in (seed, auto-feedback)                    -> system
+  - type=identity                                      -> system
+  - type in (rule, tool, skill) und category in SYSTEM_CATS -> system
+  - sonst                                              -> personal  (sicher: nichts leakt)
+
+Aufruf im Brain-Container:
+  docker exec aria-brain python3 /app/backfill_scope.py          # dry-run
+  docker exec aria-brain python3 /app/backfill_scope.py --apply  # schreibt
+"""
+import os
+import sys
+from collections import Counter
+
+from qdrant_client import QdrantClient
+from qdrant_client.http import models as qm
+
+COLLECTION = "aria_memory"
+SYSTEM_CATS = {
+    "sicherheit", "arbeitsweise", "architektur", "ehrlichkeit", "verhalten",
+    "voice", "skills", "freigaben", "infrastruktur", "persoenlichkeit",
+    "pentest", "ausgabe",
+}
+
+
+def compute_scope(pl: dict) -> str:
+    typ = pl.get("type")
+    src = pl.get("source")
+    cat = (pl.get("category") or "").lower()
+    if typ == "preference":
+        return "personal"
+    if typ in ("fact", "conversation", "reminder"):
+        return "personal"
+    if src in ("seed", "auto-feedback"):
+        return "system"
+    if typ == "identity":
+        return "system"
+    if typ in ("rule", "tool", "skill") and cat in SYSTEM_CATS:
+        return "system"
+    return "personal"
+
+
+def main():
+    apply = "--apply" in sys.argv
+    force = "--force" in sys.argv  # auch schon gesetzte scopes ueberschreiben
+    c = QdrantClient(
+        host=os.environ.get("QDRANT_HOST", "aria-qdrant"),
+        port=int(os.environ.get("QDRANT_PORT", "6333")),
+    )
+    pts, _ = c.scroll(collection_name=COLLECTION, limit=5000,
+                      with_payload=True, with_vectors=False)
+
+    per_scope: dict[str, list] = {"system": [], "personal": []}
+    pinned_examples = Counter()
+    skipped = 0
+    for p in pts:
+        pl = p.payload or {}
+        if pl.get("scope") in ("system", "personal") and not force:
+            skipped += 1
+            continue
+        scope = compute_scope(pl)
+        per_scope[scope].append(p.id)
+        if pl.get("pinned"):
+            pinned_examples[(scope, pl.get("source"), pl.get("type"),
+                             pl.get("category"))] += 1
+
+    print(f"total={len(pts)} skipped(already set)={skipped}")
+    print(f"-> system={len(per_scope['system'])}  personal={len(per_scope['personal'])}")
+    print("pinned split (scope, source, type, category):")
+    for k, v in sorted(pinned_examples.items()):
+        print("   ", k, v)
+
+    if not apply:
+        print("\nDRY-RUN — nichts geschrieben. Mit --apply ausfuehren.")
+        return
+
+    for scope, ids in per_scope.items():
+        if not ids:
+            continue
+        c.set_payload(collection_name=COLLECTION, payload={"scope": scope}, points=ids)
+    print(f"\nAPPLIED: system={len(per_scope['system'])} personal={len(per_scope['personal'])}")
+
+
+if __name__ == "__main__":
+    main()

aria-brain/local_llm.py

@@ -1,7 +1,7 @@
 """
 Local-LLM-Client (Plan B) — Brain-Seite.
 
-Ruft das schnelle lokale LLM (Qwen3 auf der Gamebox) ueber die Bridge:
+Ruft das schnelle lokale LLM (Qwen3 auf der AI-Box) ueber die Bridge:
   Brain → HTTP /internal/local-llm → Bridge → RVS → llm-adapter → llama.cpp
 
 Analog zum Claude-`proxy_client`, nur ueber die Bridge (die ist der RVS-Client;

aria-brain/main.py

@@ -190,6 +190,7 @@ class MemoryIn(BaseModel):
     pinned: bool = False
     category: str = ""
     source: str = "manual"
+    scope: str = "personal"  # system | personal — steuert Bootstrap-Export
     tags: List[str] = Field(default_factory=list)
     conversation_id: Optional[str] = None
     # Vorhandene Anhang-Metadaten beim Save mitgeben (i.d.R. werden Anhaenge
@@ -203,6 +204,7 @@ class MemoryUpdate(BaseModel):
     content: Optional[str] = None
     pinned: Optional[bool] = None
     category: Optional[str] = None
+    scope: Optional[str] = None  # system | personal
     tags: Optional[List[str]] = None
 
 
@@ -214,6 +216,7 @@ class MemoryOut(BaseModel):
     pinned: bool
     category: str
     source: str
+    scope: str = "personal"
     tags: List[str]
     created_at: str
     updated_at: str
@@ -328,6 +331,7 @@ def memory_save(body: MemoryIn):
         pinned=body.pinned,
         category=body.category,
         source=body.source,
+        scope=body.scope,
         tags=body.tags,
         conversation_id=body.conversation_id,
         attachments=body.attachments or [],
@@ -353,6 +357,8 @@ def memory_update(point_id: str, body: MemoryUpdate):
         existing.pinned = body.pinned
     if body.category is not None:
         existing.category = body.category
+    if body.scope is not None:
+        existing.scope = body.scope
     if body.tags is not None:
         existing.tags = body.tags
 
@@ -537,12 +543,23 @@ def memory_import_files():
 # Wiederherstellen einer schlanken ARIA nach Wipe.
 
 @app.get("/memory/export-bootstrap")
-def memory_export_bootstrap():
+def memory_export_bootstrap(scope: str = "system"):
-    """Gibt alle pinned Memories als JSON zurueck — fuer Browser-Download."""
+    """Gibt pinned Memories als JSON zurueck — fuer Browser-Download.
+
+    scope='system'   → nur generische Regeln (fuer ein frisches System),
+    scope='personal' → nur Stefan-spezifisches (Name, Zugangsdaten, Projekte),
+    scope='all'      → alles pinned (Vollbackup).
+    Default 'system', damit man nicht versehentlich Persoenliches teilt."""
     s = store()
-    pinned = s.list_pinned()
+    if scope == "all":
+        pinned = s.list_pinned()
+    elif scope in ("system", "personal"):
+        pinned = s.list_pinned_by_scope(scope)
+    else:
+        raise HTTPException(400, f"Ungueltiger scope: {scope}")
     return {
-        "version": 1,
+        "version": 2,
+        "scope": scope,
         "exported_at": __import__("datetime").datetime.now(
             __import__("datetime").timezone.utc
         ).isoformat(),
@@ -555,6 +572,7 @@ def memory_export_bootstrap():
                 "pinned": True,
                 "category": p.category,
                 "source": p.source,
+                "scope": p.scope,
                 "tags": p.tags,
             }
             for p in pinned
@@ -564,13 +582,18 @@ def memory_export_bootstrap():
 
 class BootstrapBundle(BaseModel):
     version: int = 1
+    scope: Optional[str] = None  # system | personal | all (aus dem Export)
     memories: List[dict]
 
 
 @app.post("/memory/import-bootstrap")
 def memory_import_bootstrap(body: BootstrapBundle):
-    """Loescht alle pinned Memories und importiert die im Bundle.
+    """Importiert ein Bootstrap-Bundle scope-sicher.
-    Cold Memory (unpinned) bleibt unangetastet.
+
+    Es werden NUR die aktuell pinned Punkte geloescht, deren scope zum Import
+    gehoert — ein System-Import laesst also die persoenlichen pinned Memories
+    (Name, Zugangsdaten) unangetastet und umgekehrt. Bei einem 'all'-Bundle
+    (Vollbackup) werden alle pinned ersetzt.
 
     Wenn keine Memories im Bundle: nur loeschen ist NICHT erlaubt — der
     Caller soll erst exportieren und dann importieren.
@@ -580,23 +603,31 @@ def memory_import_bootstrap(body: BootstrapBundle):
 
     s = store()
     e = embedder()
-
-    # Alle aktuell pinned Punkte loeschen
     from qdrant_client.http import models as qm
     from memory.vector_store import COLLECTION
+
+    # Scope bestimmen: explizit aus dem Bundle, sonst aus den memories ableiten.
+    bundle_scope = body.scope
+    if bundle_scope not in ("system", "personal", "all"):
+        scopes_in_mems = {m.get("scope", "personal") for m in body.memories}
+        bundle_scope = scopes_in_mems.pop() if len(scopes_in_mems) == 1 else "all"
+
+    # Nur die pinned Punkte des betroffenen scope loeschen.
+    del_must = [qm.FieldCondition(key="pinned", match=qm.MatchValue(value=True))]
+    if bundle_scope in ("system", "personal"):
+        del_must.append(qm.FieldCondition(key="scope", match=qm.MatchValue(value=bundle_scope)))
     s.client.delete(
         collection_name=COLLECTION,
-        points_selector=qm.FilterSelector(filter=qm.Filter(must=[
+        points_selector=qm.FilterSelector(filter=qm.Filter(must=del_must)),
-            qm.FieldCondition(key="pinned", match=qm.MatchValue(value=True))
-        ])),
     )
 
-    # Neue Punkte einspeisen
+    # Neue Punkte einspeisen — scope pro memory (Fallback: bundle_scope bzw. personal).
     created = 0
     for m in body.memories:
         content = (m.get("content") or "").strip()
         if not content:
             continue
+        mscope = m.get("scope") or (bundle_scope if bundle_scope != "all" else "personal")
         point = MemoryPoint(
             id="",
             type=m.get("type", "fact"),
@@ -605,13 +636,14 @@ def memory_import_bootstrap(body: BootstrapBundle):
             pinned=True,
             category=m.get("category", ""),
             source=m.get("source", "bootstrap-import"),
+            scope=mscope,
             tags=list(m.get("tags", [])),
         )
         vec = e.embed(content)
         s.upsert(point, vec)
         created += 1
 
-    return {"created": created, "deleted_previous_pinned": True}
+    return {"created": created, "scope": bundle_scope, "deleted_previous_pinned": True}
 
 
 # ─── Conversation-Loop ──────────────────────────────────────────────
@@ -644,6 +676,11 @@ class ChatOut(BaseModel):
     # Task fertig ist)? Dann pausiert die App die Projekt-Queue und leitet die
     # naechste Eingabe als Antwort weiter, statt sie als neuen Auftrag anzustellen.
     awaiting_reply: bool = False
+    # Der User hat per Sprache "Wake-Word aus" gesagt → die App stoppt den
+    # Wake-Word-Listener komplett (Mikro frei).
+    wake_off: bool = False
+    # "Wake-Word an" per Befehl (Text/Aufnahme-Button) → App startet den Listener.
+    wake_on: bool = False
     # Echo der project_id die dieser Turn hatte. Bridge nutzt sie damit die
     # ausgehende Chat-Bubble sauber getaggt in der richtigen Thread-Bahn der
     # UI landet.
@@ -753,6 +790,8 @@ async def chat(body: ChatIn, background: BackgroundTasks):
                 speak=speak,
                 converse=converse,
                 awaiting_reply=awaiting_reply,
+                wake_off=(answered_by == "wake-off"),
+                wake_on=(answered_by == "wake-on"),
             )
     finally:
         _project_pending[pid] = [

aria-brain/memory/vector_store.py

@@ -11,6 +11,10 @@ Punkt-Schema (Payload):
     content   — eigentlicher Text (wird embedded)
     pinned    — bool, True = Hot Memory (immer in Prompt)
     source    — import | conversation | manual
+    scope     — system | personal. system = generische Regeln, die JEDER
+                braucht, der das System aufsetzt (Sicherheit, Ehrlichkeit,
+                Skill-Regeln). personal = Stefan-spezifisch (Name, Zugangs-
+                daten, Projekte). Steuert den getrennten Bootstrap-Export.
     tags      — Liste von Strings
     created_at, updated_at — ISO-Strings
     conversation_id — optional, nur fuer type=conversation
@@ -55,6 +59,7 @@ class MemoryPoint:
     pinned: bool = False
     category: str = ""
     source: str = "manual"
+    scope: str = "personal"  # system | personal — steuert Bootstrap-Export
     tags: List[str] = field(default_factory=list)
     created_at: str = ""
     updated_at: str = ""
@@ -74,6 +79,7 @@ class MemoryPoint:
             "pinned": self.pinned,
             "category": self.category,
             "source": self.source,
+            "scope": self.scope,
             "tags": self.tags,
             "created_at": self.created_at,
             "updated_at": self.updated_at,
@@ -94,6 +100,7 @@ class MemoryPoint:
             pinned=payload.get("pinned", False),
             category=payload.get("category", ""),
             source=payload.get("source", "manual"),
+            scope=payload.get("scope", "personal"),
             tags=payload.get("tags", []),
             created_at=payload.get("created_at", ""),
             updated_at=payload.get("updated_at", ""),
@@ -120,14 +127,23 @@ class VectorStore:
                 collection_name=COLLECTION,
                 vectors_config=qm.VectorParams(size=VECTOR_DIM, distance=qm.Distance.COSINE),
             )
-            # Indexe fuer typische Filter-Felder
+        # Indexe fuer typische Filter-Felder — idempotent, laeuft auch auf
-            for field_name in ("type", "pinned", "category", "source", "migration_key"):
+        # einer bestehenden Collection (fuer neu hinzugekommene Felder wie scope).
+        self._ensure_indexes()
+
+    def _ensure_indexes(self):
+        for field_name in ("type", "pinned", "category", "source", "scope", "migration_key"):
+            schema = (qm.PayloadSchemaType.BOOL if field_name == "pinned"
+                      else qm.PayloadSchemaType.KEYWORD)
+            try:
                 self.client.create_payload_index(
                     collection_name=COLLECTION,
                     field_name=field_name,
-                    field_schema=qm.PayloadSchemaType.KEYWORD if field_name != "pinned"
+                    field_schema=schema,
-                    else qm.PayloadSchemaType.BOOL,
                 )
+            except Exception:
+                # Index existiert bereits — kein Problem.
+                pass
 
     # ─── Schreib-Operationen ─────────────────────────────────────────
 
@@ -164,6 +180,38 @@ class VectorStore:
             qm.FieldCondition(key="pinned", match=qm.MatchValue(value=True))
         ]))
 
+    def list_pinned_by_scope(self, scope: str) -> List[MemoryPoint]:
+        """Alle pinned Punkte eines scope (system | personal). Fuer den
+        getrennten Bootstrap-Export."""
+        return self._scroll(filter=qm.Filter(must=[
+            qm.FieldCondition(key="pinned", match=qm.MatchValue(value=True)),
+            qm.FieldCondition(key="scope", match=qm.MatchValue(value=scope)),
+        ]))
+
+    def list_index_titles(self, limit: int = 500) -> List[MemoryPoint]:
+        """Leichtgewichtiger Titel-Index des kalten Gedaechtnisses fuer den
+        System-Prompt: ARIA sieht WAS sie an Nachschlage-Wissen hat (Zugangs-
+        daten, Infrastruktur, Projekte) und holt den Inhalt bei Bedarf via
+        memory_search — statt Stefan nach etwas zu fragen, das schon da ist.
+
+        Bewusst NUR die deliberat gespeicherten Punkte:
+          - nicht pinned (die sind eh schon voll im Prompt),
+          - kein type=conversation (Chat-Mitschnitte),
+          - kein source=distilled (die 100e auto-destillierten Gespraechs-
+            Fakten — die traegt das semantische Auto-Retrieval, sie hier
+            als Titel zu listen wuerde nur Kontext fressen).
+        So bleibt der Index klein (Dutzende statt Hunderte Zeilen)."""
+        return self._scroll(
+            filter=qm.Filter(
+                must_not=[
+                    qm.FieldCondition(key="pinned", match=qm.MatchValue(value=True)),
+                    qm.FieldCondition(key="type", match=qm.MatchValue(value="conversation")),
+                    qm.FieldCondition(key="source", match=qm.MatchValue(value="distilled")),
+                ]
+            ),
+            limit=limit,
+        )
+
     def list_by_type(self, type_: str, limit: int = 100) -> List[MemoryPoint]:
         return self._scroll(
             filter=qm.Filter(must=[

aria-brain/migration.py

@@ -252,6 +252,7 @@ def _parse_user_md(md: str, source_file: str) -> List[MemoryPoint]:
                     type_="preference", title=f"User: {btitle}",
                     content=btext, category="allgemein",
                     migration_key=f"{source_file}/general-{idx}",
+                    scope="personal",
                 ))
         else:
             cat_key = re.sub(r"[^a-z0-9]+", "-", title.lower()).strip("-") or "allgemein"
@@ -259,6 +260,7 @@ def _parse_user_md(md: str, source_file: str) -> List[MemoryPoint]:
                 type_="preference", title=title,
                 content=content, category=cat_key,
                 migration_key=f"{source_file}/{cat_key}",
+                scope="personal",
             ))
     return points
 
@@ -283,7 +285,11 @@ def _mk(
     migration_key: str,
     pinned: bool = True,
     category: str = "",
+    scope: str = "system",
 ) -> MemoryPoint:
+    # scope-Default 'system': AGENT.md + TOOLING.md beschreiben ARIA selbst
+    # (Identitaet, Sicherheit, Architektur) — das braucht jedes System.
+    # USER.md-Praeferenzen sind personal und uebergeben scope='personal'.
     p = MemoryPoint(
         id="",
         type=type_,
@@ -292,6 +298,7 @@ def _mk(
         pinned=pinned,
         category=category,
         source="import",
+        scope=scope,
         tags=[],
     )
     # migration_key wird ueber Payload-Index angesprochen — in to_payload manuell anhaengen

aria-brain/prompts.py

@@ -162,6 +162,53 @@ def build_time_section() -> str:
     ]
     return "\n".join(lines)
 
+def build_voice_flow_section() -> str:
+    """Sprach-/Gespraechssteuerung: ARIA erkennt AUS DEM TEXT die Phase (Befehl vs.
+    Frage, Kette vs. Ende) und deklariert sie per Marker — wie [[AWAIT]]. Die
+    Marker werden im Brain entfernt (nie angezeigt/vorgelesen)."""
+    return "\n".join([
+        "## Sprach- & Gespraechssteuerung (Voice-First — du entscheidest die Phase)",
+        "Stefan spricht meist mit dir. DU erkennst aus dem Text, was gerade Phase "
+        "ist — niemand raet das fuer dich. Dazu haengst du EINEN Marker (bei Bedarf "
+        "zwei) ganz ans ENDE deiner Antwort. Sie werden entfernt: nicht angezeigt, "
+        "nicht vorgelesen, nicht gespeichert — genau wie `[[AWAIT]]`.",
+        "",
+        "- `[[STUMM]]` → Deine Antwort ist ein reiner **Steuerbefehl** (du hast etwas "
+        "GETAN: Musik, VNC oeffnen, einen Menuepunkt klicken, Licht …). Sie wird "
+        "NICHT vorgelesen; der kurze Bestaetigungstext steht nur in der Bubble. "
+        "Setz das IMMER, wenn Stefan dir einen Befehl gibt statt eine Frage stellt — "
+        "AUCH wenn du den Befehl ueber ein Skill/Tool ausfuehrst (nicht nur beim "
+        "Fast-Path). `[[STUMM]]` ALLEIN = Einzelbefehl → danach direkt zurueck aufs "
+        "Wake-Word.",
+        "- `[[WEITER]]` → Das Gespraech bzw. eine **Befehlskette** laeuft weiter: das "
+        "Mikro bleibt offen, du wartest auf die naechste Eingabe (kein erneutes "
+        "\"Computer\" noetig). Setz das, wenn Stefan eine Kette ankuendigt ('ich geb "
+        "dir gleich mehrere Befehle', 'wir machen das jetzt Schritt fuer Schritt') "
+        "oder das Gespraech klar weitergeht.",
+        "- `[[ENDE]]` → Konversation/Kette ist zu Ende: zurueck aufs Wake-Word. Setz "
+        "das, wenn Stefan schliesst ('das war's', 'Konversation Ende', 'Befehlskette "
+        "Ende', 'danke, fertig'). Stellt er in DERSELBEN Nachricht noch eine Frage, "
+        "beantworte sie normal (OHNE `[[STUMM]]`, wird also vorgelesen) UND haeng "
+        "`[[ENDE]]` an.",
+        "",
+        "Regeln:",
+        "- Befehl (etwas TUN) → `[[STUMM]]`. Frage (etwas WISSEN / plaudern) → normal, "
+        "ohne Marker (wird vorgelesen).",
+        "- Befehlskette: JEDER Schritt `[[STUMM]] [[WEITER]]` (stumm arbeiten, Mikro "
+        "offen), bis Stefan die Kette beendet → letzter Turn `[[ENDE]]`.",
+        "- Ohne Marker = normales Gespraech: du wirst vorgelesen und ich lausche "
+        "danach kurz weiter (Stefan kann einfach antworten, ohne 'Computer').",
+        "- Nie widerspruechlich: `[[ENDE]]` schlaegt `[[WEITER]]`.",
+        "",
+        "**Ohr aus/an:** Wenn Stefan will dass du aufhoerst zuzuhoeren — egal wie "
+        "formuliert ('leg dich schlafen', 'geh schlafen', 'Ohr aus', 'gute Nacht', "
+        "'mach Pause vom Zuhoeren') — ruf das Tool `ear_control(action='off')`. "
+        "Wieder aktivieren ('Ohr an', 'wach auf', 'hoer wieder zu') → "
+        "`ear_control(action='on')`. Die App stoppt/startet dann den Listener; du "
+        "bestaetigst nur kurz.",
+    ])
+
+
 TYPE_HEADINGS = {
     "identity": "## Wer du bist",
     "rule": "## Sicherheitsregeln & Prinzipien",
@@ -260,6 +307,36 @@ def build_cold_memory_section(matches: List[MemoryPoint]) -> str:
     return "\n".join(lines)
 
 
+def build_memory_index_section(index_titles: List[MemoryPoint]) -> str:
+    """Titel-Index des kalten Gedaechtnisses: ARIA sieht WELCHES Nachschlage-
+    Wissen sie hat (nur Titel, kein Inhalt = billig), damit sie den Inhalt via
+    memory_search holt statt Stefan nach etwas zu fragen, das schon da ist.
+    Nach Kategorie gruppiert; Conversation-Logs + auto-destillierte Fakten sind
+    bereits ausgefiltert (siehe list_index_titles)."""
+    if not index_titles:
+        return ""
+    grouped: dict[str, List[MemoryPoint]] = {}
+    for p in index_titles:
+        key = (p.category or p.type or "sonstiges").strip() or "sonstiges"
+        grouped.setdefault(key, []).append(p)
+
+    lines = [
+        "## Was in deinem Gedaechtnis liegt (per memory_search abrufbar)",
+        "Diese Eintraege hast DU gespeichert — hier nur die Titel, nicht der "
+        "Inhalt. Wenn einer zur Aufgabe passt, hol den Inhalt mit `memory_search` "
+        "(Titel oder Stichwort). **Frag Stefan NICHT nach etwas, das hier steht** "
+        "(Zugangsdaten, Server/Hosts, Projekt-Stand, Konfig) — erst nachsehen.",
+        "",
+    ]
+    for cat in sorted(grouped.keys()):
+        items = grouped[cat]
+        lines.append(f"### {cat}")
+        for p in items:
+            lines.append(f"- {p.title}")
+        lines.append("")
+    return "\n".join(lines).strip()
+
+
 def build_skills_section(skills: List[dict]) -> str:
     """Listet alle Skills (aktiv + deaktiviert) damit ARIA weiss was es gibt
     und keine doppelt baut. Plus klare Schwelle wann ein Skill sich lohnt."""
@@ -450,6 +527,7 @@ def build_flux_section(flux_config: dict) -> str:
 def build_system_prompt(
     pinned: List[MemoryPoint],
     cold: List[MemoryPoint] | None = None,
+    memory_index: List[MemoryPoint] | None = None,
     skills: List[dict] | None = None,
     triggers: List[dict] | None = None,
     condition_vars: List[dict] | None = None,
@@ -463,7 +541,8 @@ def build_system_prompt(
     """Kompletter System-Prompt: Hot + Cold + Skills + Triggers + FLUX + OAuth."""
     # Identitaets-Anker IMMER zuerst — vor allen Memories/Sektionen, damit die
     # ARIA-Rolle auch in Projekten mit injection-artigem Inhalt (Pentest) haelt.
-    parts = [IDENTITY_ANCHOR, "", build_hot_memory_section(pinned), "", build_time_section()]
+    parts = [IDENTITY_ANCHOR, "", build_hot_memory_section(pinned), "", build_time_section(),
+             "", build_voice_flow_section()]
     if skills:
         parts.append("")
         parts.append(build_skills_section(skills))
@@ -482,6 +561,9 @@ def build_system_prompt(
                                          callback_host=oauth_callback_host,
                                          callback_port=oauth_callback_port,
                                          callback_tls=oauth_callback_tls))
+    if memory_index:
+        parts.append("")
+        parts.append(build_memory_index_section(memory_index))
     if cold:
         parts.append("")
         parts.append(build_cold_memory_section(cold))

aria-brain/seed_rules.py

@@ -475,13 +475,32 @@ SEED_RULES: List[dict] = [
             "zeigt UND steuerbar macht. So erreichst Du Netze, in denen der Haupt-Stack "
             "NICHT steht.\n"
             "\n"
-            "Wenn Stefan etwas 'im Buero' / 'im Netz X' / 'auf dem <Geraet> dort' will:\n"
+            "WICHTIG — nicht nur bei 'im Buero'/'im Netz X': IMMER wenn eine Anfrage ein "
+            "GERAET oder einen HOST betrifft, das/der in einem Netz lebt, auf dem Du NICHT "
+            "direkt sitzt (Stefans Zuhause, Buero, Werkstatt, irgendein LAN mit privater "
+            "IP wie 192.168.x/10.x) — z.B. Drucker-Fuellstand, NAS, Smart-TV, ein Host per "
+            "IP — dann pruefe ZUERST `satellite_list`, ob ein Satellit dieses Netz abdeckt. "
+            "Sage NIEMALS 'da komm ich nicht ran' / 'bin nicht im Netz', BEVOR Du "
+            "`satellite_list` aufgerufen hast — ein Satellit im Zielnetz ist genau der Weg "
+            "hinein. Nur wenn wirklich keiner online ist, ist 'erreiche ich nicht' korrekt.\n"
+            "\n"
+            "Ablauf:\n"
             "  1. `satellite_list` — welche Satelliten/Netze sind online + was koennen sie.\n"
             "  2. `satellite_devices(satellite='Buero')` — welche Geraete gibt es dort "
             "(Fire TV, Chromecast, Smart-TVs, Drucker, NAS ...). Nutze es um das "
             "gemeinte Geraet zu finden, BEVOR Du steuerst.\n"
             "  3. `satellite_command(...)` — Aktion ausfuehren.\n"
             "\n"
+            "Beispiel 'Patronenstand vom Drucker zuhause': satellite_list -> Satellit im "
+            "Heimnetz online? -> BEVORZUGT satellite_command(satellite='<Heim>', "
+            "action='snmp.printer', params={'ip':'<drucker-ip>'}) -> liefert supplies mit "
+            "name + percent je Patrone (BK/C/M/Y), zuverlaessig aus der Printer-MIB. "
+            "NUR falls SNMP nichts liefert, als Fallback die HTML-Statusseite: "
+            "action='http.get', params={'url':'http://<drucker-ip>/general/status.html', "
+            "'contains':['ink','toner','cyan','magenta','yellow','black','%']} — der "
+            "contains-Filter zieht die relevanten Zeilen (sonst wird der Body bei "
+            "max_chars, Default 20000, abgeschnitten). NICHT aus dem Gedaechtnis raten.\n"
+            "\n"
             "Beispiel 'spiel YouTube-Video auf dem Buero-Stick':\n"
             "  satellite_command(satellite='Buero', device='Fire TV', "
             "action='dial.launch', params={'app':'YouTube','v':'<videoId>'})\n"
@@ -915,6 +934,7 @@ def apply(store: VectorStore, embedder: Embedder) -> dict:
             "pinned": True,
             "category": rule.get("category", ""),
             "source": "seed",
+            "scope": "system",
             "tags": [],
             "created_at": now,
             "updated_at": now,

bridge/aria_bridge.py

@@ -2,7 +2,7 @@
 ARIA Voice Bridge — Hauptmodul.
 
 Verbindet die Android App (via RVS) mit ARIA-Core. Spracheingabe laeuft
-ueber die whisper-bridge (Gamebox, faster-whisper auf CUDA), Sprachausgabe
+ueber die whisper-bridge (AI-Box, faster-whisper auf CUDA), Sprachausgabe
 ueber die f5tts-bridge (Voice Cloning, satzweises PCM-Streaming).
 
 Nachrichtenfluss:
@@ -479,7 +479,7 @@ class STTEngine:
             Erkannter Text oder leerer String.
         """
         if self.model is None:
-            # Lazy-Load: normalerweise laeuft STT remote auf der Gamebox.
+            # Lazy-Load: normalerweise laeuft STT remote auf der AI-Box.
             # Erst wenn das Fallback hier zuschlaegt, laden wir lokal.
             logger.info("Lokales Whisper-Fallback — Modell wird nachgeladen...")
             try:
@@ -654,7 +654,7 @@ class ARIABridge:
         self._seen_client_msg_ids: "OrderedDict[str, float]" = OrderedDict()
         self._SEEN_CLIENT_MSG_LIMIT = 200
 
-        # Komponenten (TTS: F5-TTS remote auf der Gamebox, lokales TTS wurde entfernt)
+        # Komponenten (TTS: F5-TTS remote auf der AI-Box, lokales TTS wurde entfernt)
         self.tts_enabled = True
         self.xtts_voice = ""
         self._f5tts_config: dict = {}
@@ -686,7 +686,7 @@ class ARIABridge:
                 except (TypeError, ValueError):
                     self._persistent_xtts_speed = None
                 # F5-TTS-Felder aufsammeln (werden spaeter via RVS rebroadcastet,
-                # damit die f5tts-bridge auf der Gamebox die Settings auch nach
+                # damit die f5tts-bridge auf der AI-Box die Settings auch nach
                 # Restart wiederbekommt — sonst stuende sie auf Hard-Defaults)
                 for k in ("f5ttsModel", "f5ttsCkptFile", "f5ttsVocabFile",
                           "f5ttsCfgStrength", "f5ttsNfeStep"):
@@ -746,7 +746,7 @@ class ARIABridge:
         # Gleiche Logik fuer die Wiedergabegeschwindigkeit (F5-TTS speed-Param,
         # App-Setting aria_tts_speed, 1.0 = normal).
         self._next_speed_override: Optional[float] = None
-        # STT-Requests die aktuell auf Antwort von der whisper-bridge (Gamebox) warten.
+        # STT-Requests die aktuell auf Antwort von der whisper-bridge (AI-Box) warten.
         # requestId → Future mit dem Text (oder None bei Fehler).
         self._pending_stt: dict[str, asyncio.Future] = {}
         # whisper-bridge service_status: True wenn ready, False/None wenn loading/unbekannt.
@@ -766,7 +766,17 @@ class ARIABridge:
         # requestId → Future (sat_devices / sat_result), analog _pending_flux.
         self._satellites: dict[str, dict] = {}
         self._pending_sat: dict[str, asyncio.Future] = {}
-        # FLUX-Render-Requests die aktuell auf Antwort der flux-bridge (Gamebox) warten.
+        # Host-Agenten (Direktzugriff auf einen Rechner). hostId → {name, os,
+        # caps, control, last_seen}. Registrierung via host_hello/host_ping.
+        # _pending_host: requestId → Future (host_result), analog _pending_sat.
+        self._hosts: dict[str, dict] = {}
+        self._pending_host: dict[str, asyncio.Future] = {}
+        # Compute-Fleet: GPU-Worker (voxtral/whisper/f5tts/llm) melden sich per
+        # worker_hello, halten sich per worker_ping frisch. instanceId →
+        # {service, node, gpus, model, busy, last_seen}. Genutzt fuer die
+        # Diagnostic-Flotten-Anzeige und (Stage 3) targetInstance-Routing.
+        self._workers: dict[str, dict] = {}
+        # FLUX-Render-Requests die aktuell auf Antwort der flux-bridge (AI-Box) warten.
         # requestId → Future mit dem flux_response-Payload (oder None bei Fehler).
         self._pending_flux: dict[str, asyncio.Future] = {}
         # flux-bridge service_status: True wenn ready. Render-Timeouts werden
@@ -774,7 +784,7 @@ class ARIABridge:
         self._remote_flux_ready: bool = False
         # Lokales LLM (Plan B): requestId → Future mit dem llm_response-Payload.
         # Analog zu _pending_flux — Brain ruft /internal/local-llm, wir relayen
-        # llm_request via RVS an den llm-adapter (Gamebox) und warten auf
+        # llm_request via RVS an den llm-adapter (AI-Box) und warten auf
         # llm_response.
         self._pending_llm: dict[str, asyncio.Future] = {}
         # User-Message-Counter fuer Auto-Compact. Bei zu langer Konversation
@@ -810,7 +820,7 @@ class ARIABridge:
         logger.info("ARIA Voice Bridge startet...")
         logger.info("=" * 50)
 
-        # STT wird standardmaessig von der whisper-bridge (Gamebox) erledigt.
+        # STT wird standardmaessig von der whisper-bridge (AI-Box) erledigt.
         # Lokales Whisper ist nur Fallback und wird lazy geladen wenn remote nicht
         # antwortet. Das spart RAM auf der VM und Startup-Zeit.
 
@@ -1622,6 +1632,11 @@ class ARIABridge:
                 # die Projekt-Queue und leitet die naechste Eingabe als Antwort auf
                 # DIESE Rueckfrage weiter, statt sie als neuen Auftrag anzustellen.
                 "awaiting_reply": bool(payload.get("awaiting_reply", False)) if isinstance(payload, dict) else False,
+                # User hat "Wake-Word aus" gesagt → App stoppt den Listener komplett
+                # (Mikro frei).
+                "wake_off": bool(payload.get("wake_off", False)) if isinstance(payload, dict) else False,
+                # "Wake-Word an" (Text/Aufnahme-Button) → App startet den Listener.
+                "wake_on": bool(payload.get("wake_on", False)) if isinstance(payload, dict) else False,
             },
             "timestamp": int(asyncio.get_event_loop().time() * 1000),
         })
@@ -1674,20 +1689,27 @@ class ARIABridge:
             if len(self._xtts_request_to_message) > 100:
                 oldest = next(iter(self._xtts_request_to_message))
                 self._xtts_request_to_message.pop(oldest, None)
+            # Redundanz: freie f5tts-Instanz waehlen und gezielt adressieren.
+            # None (keine Instanz bekannt / alle offline) → kein targetInstance,
+            # Broadcast wie bisher (Single-Node laeuft unveraendert).
+            tts_target = self._pick_worker("f5tts")
+            tts_payload = {
+                "text": tts_text,
+                "voice": xtts_voice,
+                "speed": xtts_speed,
+                "language": "de",
+                "requestId": xtts_request_id,
+                "messageId": message_id,
+            }
+            if tts_target:
+                tts_payload["targetInstance"] = tts_target
             await self._send_to_rvs({
                 "type": "xtts_request",
-                "payload": {
+                "payload": tts_payload,
-                    "text": tts_text,
-                    "voice": xtts_voice,
-                    "speed": xtts_speed,
-                    "language": "de",
-                    "requestId": xtts_request_id,
-                    "messageId": message_id,
-                },
                 "timestamp": int(asyncio.get_event_loop().time() * 1000),
             })
-            logger.info("[core] XTTS-Request gesendet (voice=%s, speed=%.2fx): '%s'",
+            logger.info("[core] XTTS-Request gesendet (voice=%s, speed=%.2fx, target=%s): '%s'",
-                        xtts_voice or "default", xtts_speed, tts_text[:60])
+                        xtts_voice or "default", xtts_speed, tts_target or "(broadcast)", tts_text[:60])
         except Exception as e:
             logger.error("[core] XTTS-Request fehlgeschlagen: %s — kein Audio", e)
 
@@ -1742,7 +1764,7 @@ class ARIABridge:
         """Broadcastet die aktuelle voice_config.json einmalig nach RVS-Connect.
 
         Damit bekommen frisch verbundene Bridges (insbesondere die f5tts-bridge
-        auf der Gamebox nach Container-Restart) die zuletzt in Diagnostic
+        auf der AI-Box nach Container-Restart) die zuletzt in Diagnostic
         gewaehlten Settings — ohne dass der User in Diagnostic was klicken muss.
         """
         try:
@@ -2017,6 +2039,10 @@ class ARIABridge:
         # Stellt ARIA eine blockierende Rueckfrage? Dann pausiert die App die
         # Projekt-Queue und leitet die naechste Eingabe als Antwort weiter.
         awaiting_reply = bool(data.get("awaiting_reply", False))
+        # User hat per Sprache "Wake-Word aus" gesagt → App stoppt den Listener.
+        wake_off = bool(data.get("wake_off", False))
+        # "Wake-Word an" (Text/Aufnahme-Button) → App startet den Listener wieder.
+        wake_on = bool(data.get("wake_on", False))
 
         # Side-Channel-Events VOR der Chat-Bubble broadcasten (z.B. skill_created)
         # damit sie in der UI vor der Reply auftauchen
@@ -2108,7 +2134,9 @@ class ARIABridge:
                                                        "answeredBy": answered_by,
                                                        "speak": speak,
                                                        "converse": converse,
-                                                       "awaiting_reply": awaiting_reply})
+                                                       "awaiting_reply": awaiting_reply,
+                                                       "wake_off": wake_off,
+                                                       "wake_on": wake_on})
         except Exception:
             logger.exception("[brain] _process_core_response Fehler")
             await self._emit_activity("idle", "", project_id=project_id)
@@ -2179,7 +2207,7 @@ class ARIABridge:
                     await self._broadcast_current_mode()
 
                     # Persistierte Voice-Config broadcasten — die f5tts-bridge auf
-                    # der Gamebox bekommt damit nach Restart die zuletzt in
+                    # der AI-Box bekommt damit nach Restart die zuletzt in
                     # Diagnostic gewaehlten Settings wieder (sonst stuende sie auf
                     # ihren Hard-Defaults).
                     asyncio.create_task(self._broadcast_persisted_config())
@@ -2540,7 +2568,7 @@ class ARIABridge:
         elif msg_type == "config":
             # Konfiguration von App/Diagnostic empfangen + persistent speichern.
             # Felder die nicht direkt zur aria-bridge gehoeren (f5tts*) werden
-            # nur persistiert; die f5tts-bridge auf der Gamebox empfaengt den
+            # nur persistiert; die f5tts-bridge auf der AI-Box empfaengt den
             # gleichen RVS-Broadcast und reagiert selber.
             changed = False
             if "ttsEnabled" in payload:
@@ -2564,7 +2592,7 @@ class ARIABridge:
                 new_model = payload["whisperModel"]
                 allowed = {"tiny", "base", "small", "medium", "large-v3"}
                 if new_model in allowed and new_model != self.stt_engine.model_size:
-                    logger.info("[rvs] Whisper-Modell → %s (nur Config; Modell laedt Gamebox)",
+                    logger.info("[rvs] Whisper-Modell → %s (nur Config; Modell laedt AI-Box)",
                                 new_model)
                     self.stt_engine.model_size = new_model
                     self.stt_engine.model = None
@@ -2783,8 +2811,18 @@ class ARIABridge:
                     "message": payload.get("message", ""),
                     "stack": payload.get("stack", ""),
                 }
-                with (log_dir / "app.log").open("a", encoding="utf-8") as f:
+                log_path = log_dir / "app.log"
+                with log_path.open("a", encoding="utf-8") as f:
                     f.write(json.dumps(line, ensure_ascii=False) + "\n")
+                # Rotation: app.log waechst sonst unbegrenzt (jede App-Log-Zeile
+                # haengt an). Bei >5 MB die letzten 2000 Zeilen behalten.
+                try:
+                    if log_path.stat().st_size > 5 * 1024 * 1024:
+                        tail = log_path.read_text(encoding="utf-8",
+                                                  errors="ignore").splitlines()[-2000:]
+                        log_path.write_text("\n".join(tail) + "\n", encoding="utf-8")
+                except Exception:
+                    pass
                 logger.info("[app-log] %s %s: %s",
                             line["level"], line["scope"], line["message"][:120])
             except Exception as exc:
@@ -3425,7 +3463,7 @@ class ARIABridge:
             return
 
         elif msg_type == "llm_response":
-            # Antwort des llm-adapter (Gamebox) auf unseren llm_request.
+            # Antwort des llm-adapter (AI-Box) auf unseren llm_request.
             request_id = payload.get("requestId", "")
             future = self._pending_llm.get(request_id)
             if future is None or future.done():
@@ -3434,7 +3472,7 @@ class ARIABridge:
             return
 
         elif msg_type == "service_status":
-            # Gamebox-Bridges (whisper / f5tts / flux) melden ihren Lade-Status.
+            # AI-Box-Bridges (whisper / f5tts / flux) melden ihren Lade-Status.
             # Wir nutzen das fuer den dynamischen STT-Timeout: solange whisper
             # im 'loading' steckt, geben wir der Bridge mehr Zeit (Modell-Download
             # kann 1-2 Min dauern), statt nach 45s lokal zu fallbacken.
@@ -3517,6 +3555,96 @@ class ARIABridge:
                             self._satellites[sid]["caps"], self._satellites[sid]["control"])
             return
 
+        elif msg_type == "host_hello":
+            hid = (payload.get("hostId") or "").strip()
+            if hid:
+                new = hid not in self._hosts
+                self._hosts[hid] = {
+                    "hostId": hid,
+                    "name": payload.get("name") or hid,
+                    "os": payload.get("os") or "",
+                    "caps": payload.get("caps") or [],
+                    "control": bool(payload.get("control")),
+                    "last_seen": time.time(),
+                }
+                if new:
+                    logger.info("[host] Agent online: %s (%s) caps=%s control=%s",
+                                hid, self._hosts[hid]["name"],
+                                self._hosts[hid]["caps"], self._hosts[hid]["control"])
+            return
+
+        elif msg_type == "host_ping":
+            hid = (payload.get("hostId") or "").strip()
+            if hid and hid in self._hosts:
+                self._hosts[hid]["last_seen"] = time.time()
+            return
+
+        elif msg_type == "host_result":
+            req_id = payload.get("requestId", "")
+            future = self._pending_host.get(req_id)
+            if future is not None and not future.done():
+                future.set_result(payload)
+            hid = (payload.get("hostId") or "").strip()
+            if hid and hid in self._hosts:
+                self._hosts[hid]["last_seen"] = time.time()
+            return
+
+        elif msg_type == "worker_hello":
+            iid = (payload.get("instanceId") or "").strip()
+            if iid:
+                prev = self._workers.get(iid, {})
+                _models = payload.get("models")
+                self._workers[iid] = {
+                    "instanceId": iid,
+                    "service": payload.get("service") or "",
+                    "node": payload.get("node") or "",
+                    "gpus": payload.get("gpus") or "",
+                    "model": payload.get("model") or "",
+                    # models: welche Modelle die Box fahren kann (llm/llama-swap).
+                    # Fallback auf [model] fuer alte Adapter ohne models-Feld.
+                    "models": [m for m in _models if m] if isinstance(_models, list)
+                              else ([payload.get("model")] if payload.get("model") else []),
+                    "busy": bool(prev.get("busy", False)),
+                    "last_seen": time.time(),
+                }
+                logger.info("[worker] online: %s (service=%s node=%s gpus=%s model=%s)",
+                            iid, self._workers[iid]["service"], self._workers[iid]["node"],
+                            self._workers[iid]["gpus"] or "?", self._workers[iid]["model"] or "?")
+            return
+
+        elif msg_type == "stt_lease_request":
+            # Die App fragt vor dem Aufnahme-Stream, welche STT-Instanz sie
+            # adressieren soll (Redundanz ueber mehrere Apps/Nodes). Wir waehlen
+            # eine freie STT-Instanz und antworten per stt_lease. Ist keine
+            # Instanz bekannt (instanceId leer), streamt die App wie bisher an
+            # ALLE (Broadcast) — Single-Node bleibt unveraendert.
+            req_id = (payload.get("requestId") or "").strip()
+            iid = self._pick_stt_worker() or ""
+            await self._send_to_rvs({
+                "type": "stt_lease",
+                "payload": {"requestId": req_id, "instanceId": iid},
+                "timestamp": int(time.time() * 1000),
+            })
+            logger.info("[stt-lease] req=%s → %s", req_id[:8] if req_id else "?",
+                        iid or "(broadcast)")
+            return
+
+        elif msg_type == "worker_ping":
+            iid = (payload.get("instanceId") or "").strip()
+            if iid:
+                w = self._workers.get(iid)
+                if w is None:
+                    # Ping ohne vorheriges hello (Bridge-Neustart) → Minimal-Eintrag,
+                    # service aus der instanceId ableiten (Form: "service@node").
+                    svc = iid.split("@", 1)[0]
+                    w = self._workers[iid] = {
+                        "instanceId": iid, "service": svc, "node": "", "gpus": "",
+                        "model": "", "busy": False, "last_seen": 0.0,
+                    }
+                w["busy"] = bool(payload.get("busy", False))
+                w["last_seen"] = time.time()
+            return
+
         elif msg_type in ("sat_devices", "sat_result"):
             req_id = payload.get("requestId", "")
             future = self._pending_sat.get(req_id)
@@ -3542,11 +3670,11 @@ class ARIABridge:
         else:
             logger.debug("[rvs] Unbekannter Typ: %s", msg_type)
 
-    # STT-Orchestrierung: zuerst Remote (Gamebox), Fallback lokal.
+    # STT-Orchestrierung: zuerst Remote (AI-Box), Fallback lokal.
     # Zwei Timeouts:
     #   ready=True   → 45s reicht selbst fuer lange Audios
     #   ready=False  → 300s, weil das Modell evtl. noch heruntergeladen wird
-    #                  (large-v3 ~3GB, kann auf der Gamebox 1-2 Min dauern).
+    #                  (large-v3 ~3GB, kann auf der AI-Box 1-2 Min dauern).
     _STT_REMOTE_TIMEOUT_READY_S = 45.0
     _STT_REMOTE_TIMEOUT_LOADING_S = 300.0
 
@@ -3899,15 +4027,15 @@ class ARIABridge:
     _FLUX_TIMEOUT_LOADING_S = 900.0    # 15 min beim allerersten Mal (Modell-Download)
 
     # ── Local-LLM-Roundtrip: Brain → Bridge → RVS → llm-adapter → zurueck ──
-    # Qwen3 auf der Gamebox antwortet auf kurze Turns in <1 s. Grosszuegiger
+    # Qwen3 auf der AI-Box antwortet auf kurze Turns in <1 s. Grosszuegiger
-    # Timeout deckt Kaltstart / laengere Antworten / Netz-Jitter (Gamebox@home)
+    # Timeout deckt Kaltstart / laengere Antworten / Netz-Jitter (AI-Box@home)
     # ab. Bei Timeout faellt der Router im Brain per Escalation auf Claude.
     _LLM_TIMEOUT_S = 30.0
 
     async def _local_llm(self, messages: list, max_tokens: int = 512,
                          temperature: float = 0.7, stop=None, tools=None,
                          model=None) -> dict:
-        """Schickt einen llm_request an den llm-adapter (Gamebox), wartet auf
+        """Schickt einen llm_request an den llm-adapter (AI-Box), wartet auf
         llm_response. tools (B1b) werden durchgereicht; tool_calls kommen zurueck.
         Rueckgabe: {ok, content, tool_calls, model, elapsedMs} oder {ok:False, error}."""
         if self.ws_rvs is None:
@@ -3932,8 +4060,15 @@ class ARIABridge:
                 req_payload["tools"] = tools
             if model:
                 req_payload["model"] = model
-            logger.info("[rvs] llm_request → llm-adapter (id=%s, msgs=%d, max_tokens=%d, tools=%d, model=%s)",
+            # Redundanz/Multitasking: freie llm-Instanz gezielt adressieren, die
-                        request_id[:8], len(messages), max_tokens, len(tools) if tools else 0, model or "-")
+            # das gewaehlte Modell fahren kann; None → Broadcast wie bisher.
+            # Mehrere Boxen mit demselben Modell → Round-Robin (pro Projekt verteilt).
+            llm_target = self._pick_worker("llm", model=model or None)
+            if llm_target:
+                req_payload["targetInstance"] = llm_target
+            logger.info("[rvs] llm_request → llm-adapter (id=%s, msgs=%d, max_tokens=%d, tools=%d, model=%s, target=%s)",
+                        request_id[:8], len(messages), max_tokens, len(tools) if tools else 0,
+                        model or "-", llm_target or "(broadcast)")
             ok = await self._send_to_rvs({
                 "type": "llm_request",
                 "payload": req_payload,
@@ -3944,7 +4079,7 @@ class ARIABridge:
             try:
                 result = await asyncio.wait_for(future, timeout=self._LLM_TIMEOUT_S)
             except asyncio.TimeoutError:
-                return {"ok": False, "error": f"Timeout ({self._LLM_TIMEOUT_S:.0f}s) — Gamebox nicht erreichbar?"}
+                return {"ok": False, "error": f"Timeout ({self._LLM_TIMEOUT_S:.0f}s) — AI-Box nicht erreichbar?"}
             if not isinstance(result, dict) or not result.get("ok"):
                 err = (result or {}).get("error") if isinstance(result, dict) else "leeres Resultat"
                 return {"ok": False, "error": err or "llm-adapter Fehler"}
@@ -4424,6 +4559,27 @@ class ARIABridge:
                 elif method == "POST" and path == "/internal/satellite-list":
                     # Brain fragt: welche Satelliten/Netze sind online + Capabilities.
                     await _send_response(writer, 200, {"ok": True, "satellites": self._satellite_list()})
+                elif method in ("GET", "POST") and path == "/internal/worker-list":
+                    # Diagnostic/Brain fragt: welche Compute-Worker sind online (Flotte).
+                    await _send_response(writer, 200, {"ok": True, "workers": self._worker_list()})
+                elif method == "POST" and path == "/internal/host-list":
+                    # Brain fragt: welche Host-Agenten (Rechner) sind online + Capabilities.
+                    await _send_response(writer, 200, {"ok": True, "hosts": self._host_list()})
+                elif method == "POST" and path == "/internal/host":
+                    # Brain-Tool: Kommando an einen Host-Agenten.
+                    # body: {host, action, params?, timeout?}
+                    try:
+                        data = json.loads(body.decode("utf-8", "ignore"))
+                    except Exception as exc:
+                        await _send_response(writer, 400, {"error": f"bad json: {exc}"})
+                        return
+                    result = await self._host_request(
+                        host=str(data.get("host") or ""),
+                        action=str(data.get("action") or ""),
+                        params=data.get("params") if isinstance(data.get("params"), dict) else {},
+                        timeout=float(data.get("timeout") or 60.0),
+                    )
+                    await _send_response(writer, 200, result)
                 elif method == "POST" and path == "/internal/satellite":
                     # Brain-Tool: Discovery oder Command an einen Satelliten.
                     # body: {op:'discover'|'command', satellite, device?, action?, params?}
@@ -4444,7 +4600,7 @@ class ARIABridge:
                     await _send_response(writer, 200, result)
                 elif method == "POST" and path == "/internal/flux-generate":
                     # Vom Brain (flux_generate-Tool) gefeuert. Wir routen den
-                    # Render-Request via RVS an die flux-bridge (Gamebox),
+                    # Render-Request via RVS an die flux-bridge (AI-Box),
                     # warten synchron auf die PNG-Antwort, speichern sie nach
                     # /shared/uploads/ und melden Pfad + Render-Stats zurueck.
                     # Brain referenziert das Bild dann mit [FILE:]-Marker in
@@ -4481,7 +4637,7 @@ class ARIABridge:
                     await _send_response(writer, status, result)
                 elif method == "POST" and path == "/internal/local-llm":
                     # Vom Brain (Router / Testchat) gefeuert. Wir relayen den
-                    # Chat-Request via RVS an den llm-adapter (Gamebox Qwen3),
+                    # Chat-Request via RVS an den llm-adapter (AI-Box Qwen3),
                     # warten synchron auf llm_response und geben content zurueck.
                     try:
                         data = json.loads(body.decode("utf-8", "ignore"))
@@ -4673,6 +4829,60 @@ class ARIABridge:
             })
         return out
 
+    # worker_ping kommt alle ~10s; nach 35s ohne Ping gilt ein Worker als offline.
+    WORKER_OFFLINE_S = 35
+
+    def _worker_list(self) -> list[dict]:
+        """Bekannte Compute-Worker (Flotte). online = kuerzlich per Ping gesehen."""
+        now = time.time()
+        out = []
+        for w in self._workers.values():
+            out.append({
+                "instanceId": w["instanceId"], "service": w.get("service") or "",
+                "node": w.get("node") or "", "gpus": w.get("gpus") or "",
+                "model": w.get("model") or "", "models": w.get("models") or [],
+                "busy": bool(w.get("busy")),
+                "online": (now - w.get("last_seen", 0)) < self.WORKER_OFFLINE_S,
+            })
+        return out
+
+    def _pick_worker(self, service: str, model: Optional[str] = None) -> Optional[str]:
+        """Waehlt eine online, moeglichst freie Instanz des Diensts (Round-Robin
+        ueber die freien). Gibt die instanceId oder None. Fuer Stage-3-Routing
+        (targetInstance).
+
+        model: wenn gesetzt (nur llm sinnvoll), kommen nur Boxen in Frage, die das
+        Modell fahren koennen (models-Liste oder legacy model-Feld). Meldet KEINE
+        Box das Modell → None (nachsichtig: Aufrufer faellt auf Broadcast zurueck)."""
+        now = time.time()
+        online = [w for w in self._workers.values()
+                  if w.get("service") == service
+                  and (now - w.get("last_seen", 0)) < self.WORKER_OFFLINE_S]
+        if model:
+            online = [w for w in online
+                      if model in (w.get("models") or [])
+                      or w.get("model") == model]
+        if not online:
+            return None
+        free = [w for w in online if not w.get("busy")]
+        pool = free or online   # alle busy → trotzdem eine nehmen (least-bad)
+        # Round-Robin: rotierender Zeiger pro Dienst(+Modell).
+        rr_key = f"{service}:{model}" if model else service
+        rr = getattr(self, "_worker_rr", None)
+        if rr is None:
+            rr = self._worker_rr = {}
+        idx = rr.get(rr_key, 0) % len(pool)
+        rr[rr_key] = idx + 1
+        chosen = pool[idx]
+        chosen["busy"] = True   # optimistisch, bis der naechste Ping korrigiert
+        return chosen["instanceId"]
+
+    def _pick_stt_worker(self) -> Optional[str]:
+        """Waehlt eine STT-Instanz fuer ein App-Lease. Voxtral (Default-STT) hat
+        Vorrang, Whisper ist der Fallback. None → keine online (App streamt dann
+        ohne targetInstance = heutiges Broadcast-Verhalten)."""
+        return self._pick_worker("voxtral") or self._pick_worker("whisper")
+
     async def _satellite_request(self, op: str, satellite: str = "",
                                  device: str = "", action: str = "",
                                  params: Optional[dict] = None,
@@ -4709,6 +4919,44 @@ class ARIABridge:
         finally:
             self._pending_sat.pop(request_id, None)
 
+    def _host_list(self) -> list[dict]:
+        """Bekannte Host-Agenten (frisch = in den letzten 5 Min gesehen)."""
+        now = time.time()
+        return [{
+            "hostId": h["hostId"], "name": h.get("name") or h["hostId"],
+            "os": h.get("os") or "", "caps": h.get("caps") or [],
+            "control": bool(h.get("control")),
+            "online": (now - h.get("last_seen", 0)) < 300,
+        } for h in self._hosts.values()]
+
+    async def _host_request(self, host: str = "", action: str = "",
+                            params: Optional[dict] = None,
+                            timeout: float = 60.0) -> dict:
+        """Schickt host_command an einen Host-Agenten (via RVS) und wartet auf
+        host_result. Muster identisch zu _satellite_request."""
+        if self.ws_rvs is None:
+            return {"ok": False, "error": "RVS-Verbindung nicht aktiv"}
+        request_id = str(uuid.uuid4())
+        loop = asyncio.get_event_loop()
+        future: asyncio.Future = loop.create_future()
+        self._pending_host[request_id] = future
+        try:
+            msg = {"type": "host_command",
+                   "payload": {"requestId": request_id, "host": host,
+                               "action": action, "params": params or {}},
+                   "timestamp": int(time.time() * 1000)}
+            ok = await self._send_to_rvs(msg)
+            if not ok:
+                return {"ok": False, "error": "Host-Request konnte nicht gesendet werden"}
+            result = await asyncio.wait_for(future, timeout=timeout)
+            return result if isinstance(result, dict) else {"ok": False, "error": "ungueltige Antwort"}
+        except asyncio.TimeoutError:
+            return {"ok": False, "error": f"Host '{host or 'all'}' antwortet nicht (Timeout)."}
+        except Exception as exc:
+            return {"ok": False, "error": str(exc)}
+        finally:
+            self._pending_host.pop(request_id, None)
+
     async def _delete_chat_message(self, ts: int) -> dict:
         """Entfernt eine Bubble: aus chat_backup.jsonl + Brain conversation,
         broadcastet chat_message_deleted via RVS.

diagnostic/server.js

@@ -349,6 +349,66 @@ function loadLocalModels() {
   return DEFAULT_LOCAL_MODELS;
 }
 
+// ── LLM-Modell-Katalog (Stage D): herunterladbare GGUF-Modelle ───────
+// /shared/config/llm_catalog.json — kuratierte Liste guter GGUF-Modelle plus
+// per HuggingFace-Refresh nachgeladene. Der llm-adapter zieht ein Modell via
+// -hf beim ersten Load. { id(key), hfRepo, quant, sizeGB, description, source }.
+const LLM_CATALOG_FILE = "/shared/config/llm_catalog.json";
+const DEFAULT_LLM_CATALOG = [
+  { id: "qwen3-8b", hfRepo: "Qwen/Qwen3-8B-GGUF", quant: "Q4_K_M", ctx: 8192, sizeGB: 6, description: "Bestes Tool-Calling, passt auf 12 GB.", source: "curated" },
+  { id: "qwen3-4b", hfRepo: "Qwen/Qwen3-4B-GGUF", quant: "Q4_K_M", ctx: 8192, sizeGB: 3, description: "Kleiner + flotter, etwas schwaecher.", source: "curated" },
+  { id: "qwen3-14b", hfRepo: "Qwen/Qwen3-14B-GGUF", quant: "Q4_K_M", ctx: 8192, sizeGB: 10, description: "Staerker, braucht mehr VRAM (~16 GB).", source: "curated" },
+  { id: "llama-3.1-8b", hfRepo: "bartowski/Meta-Llama-3.1-8B-Instruct-GGUF", quant: "Q4_K_M", ctx: 8192, sizeGB: 5, description: "Llama 3.1 8B Instruct.", source: "curated" },
+  { id: "mistral-small-3", hfRepo: "bartowski/Mistral-Small-24B-Instruct-2501-GGUF", quant: "Q4_K_M", ctx: 8192, sizeGB: 14, description: "Mistral Small 24B — stark, viel VRAM.", source: "curated" },
+  { id: "gemma-2-9b", hfRepo: "bartowski/gemma-2-9b-it-GGUF", quant: "Q4_K_M", ctx: 8192, sizeGB: 6, description: "Google Gemma 2 9B Instruct.", source: "curated" },
+];
+function loadLlmCatalog() {
+  try {
+    const arr = JSON.parse(fs.readFileSync(LLM_CATALOG_FILE, "utf-8"));
+    if (Array.isArray(arr) && arr.length && arr.every(m => m && typeof m.id === "string")) return arr;
+  } catch {}
+  try {
+    fs.mkdirSync("/shared/config", { recursive: true });
+    fs.writeFileSync(LLM_CATALOG_FILE, JSON.stringify(DEFAULT_LLM_CATALOG, null, 2));
+  } catch {}
+  return DEFAULT_LLM_CATALOG;
+}
+function saveLlmCatalog(arr) {
+  try {
+    fs.mkdirSync("/shared/config", { recursive: true });
+    const tmp = LLM_CATALOG_FILE + ".tmp";
+    fs.writeFileSync(tmp, JSON.stringify(arr, null, 2));
+    fs.renameSync(tmp, LLM_CATALOG_FILE);
+    return true;
+  } catch (e) { log("warn", "llm", `Katalog speichern fehlgeschlagen: ${e.message}`); return false; }
+}
+function slugModelId(repo) {
+  return String(repo).toLowerCase().replace(/^.*\//, "").replace(/-gguf$/,"").replace(/[^a-z0-9]+/g, "-").replace(/^-+|-+$/g, "") || "model";
+}
+// Holt populaere GGUF-Modelle von der HuggingFace-API und merged sie in den
+// Katalog (kuratierte Eintraege + Beschreibungen bleiben erhalten).
+async function refreshLlmCatalogFromHF() {
+  const url = "https://huggingface.co/api/models?search=GGUF&sort=downloads&direction=-1&limit=40";
+  const r = await fetch(url, { headers: { "User-Agent": "aria-diagnostic" } });
+  if (!r.ok) throw new Error(`HF API ${r.status}`);
+  const list = await r.json();
+  const existing = loadLlmCatalog();
+  const byId = new Map(existing.map(m => [m.id, m]));
+  let added = 0;
+  for (const m of (Array.isArray(list) ? list : [])) {
+    const repo = m.id || m.modelId;
+    if (!repo || !/gguf/i.test(repo)) continue;
+    const id = slugModelId(repo);
+    if (byId.has(id)) continue;   // kuratierte/vorhandene nicht ueberschreiben
+    const entry = { id, hfRepo: repo, quant: "Q4_K_M", ctx: 8192, sizeGB: 0,
+      description: `HuggingFace · ${(m.downloads || 0).toLocaleString("de")} Downloads`, source: "hf" };
+    byId.set(id, entry); added++;
+  }
+  const merged = Array.from(byId.values());
+  saveLlmCatalog(merged);
+  return { models: merged, added };
+}
+
 // ── File-Project-Manifest ───────────────────────────────────────────
 // Jeder Eintrag map[absoluter_pfad] = project_id (leer = Hauptchat).
 // Wird vom files-list-Endpoint + files-set-project gepflegt.
@@ -490,6 +550,97 @@ function broadcastSatellites() {
   broadcast({ type: "sat_update", satellites: satelliteList() });
 }
 
+// ── Host-Agenten: Direktzugriff auf einen Rechner ────────────────
+const hosts = new Map(); // hostId → {hostId, name, os, caps, control, last_seen}
+
+function hostList() {
+  const now = Date.now();
+  return Array.from(hosts.values()).map(h => ({
+    hostId: h.hostId, name: h.name, os: h.os, caps: h.caps, control: h.control,
+    online: (now - (h.last_seen || 0)) < 300000,
+  }));
+}
+
+function broadcastHosts() {
+  broadcast({ type: "host_update", hosts: hostList() });
+}
+
+// ── Compute-Fleet: GPU-Worker (voxtral/whisper/f5tts/llm) ──────────
+// Worker melden sich per worker_hello + halten sich per worker_ping (busy) frisch.
+const workers = new Map(); // instanceId → {instanceId, service, node, gpus, model, busy, last_seen}
+const WORKER_OFFLINE_MS = 35000; // ping ~10s; nach 35s ohne Ping = offline
+
+function workerList() {
+  const now = Date.now();
+  return Array.from(workers.values()).map(w => ({
+    instanceId: w.instanceId, service: w.service, node: w.node,
+    gpus: w.gpus, model: w.model, models: w.models || [], busy: !!w.busy,
+    online: (now - (w.last_seen || 0)) < WORKER_OFFLINE_MS,
+  }));
+}
+
+function broadcastWorkers() {
+  broadcast({ type: "worker_update", workers: workerList() });
+}
+
+// ── Voice-Flotte: zentraler Stimmen-Store + Auto-Provisioning ──────
+// Der Diagnostic-Server ist der "Stimmen-Bibliothekar": Stimmen liegen
+// zentral als /shared/voices/{name}.tar.gz (das f5tts-Export-Artefakt =
+// wav+txt). Meldet sich eine f5tts-Box (worker_hello), gleichen wir ab und
+// schieben ihr fehlende Stimmen (xtts_import_voice, targetInstance) bzw. ziehen
+// bei ihr vorhandene, zentral fehlende Stimmen (xtts_export_voice) in den Store.
+const CENTRAL_VOICES_DIR = "/shared/voices";
+const centralExportPending = new Map(); // requestId -> name (unsere eigenen Export-Anfragen)
+
+function ensureCentralVoicesDir() {
+  try { fs.mkdirSync(CENTRAL_VOICES_DIR, { recursive: true }); } catch (_) {}
+}
+function centralVoiceNames() {
+  ensureCentralVoicesDir();
+  try {
+    return fs.readdirSync(CENTRAL_VOICES_DIR)
+      .filter(f => f.endsWith(".tar.gz"))
+      .map(f => f.slice(0, -7));
+  } catch (_) { return []; }
+}
+function readCentralVoiceB64(name) {
+  try { return fs.readFileSync(`${CENTRAL_VOICES_DIR}/${name}.tar.gz`).toString("base64"); }
+  catch (_) { return null; }
+}
+function writeCentralVoice(name, dataB64) {
+  ensureCentralVoicesDir();
+  try { fs.writeFileSync(`${CENTRAL_VOICES_DIR}/${name}.tar.gz`, Buffer.from(dataB64, "base64")); return true; }
+  catch (e) { log("warn", "voice", `zentral schreiben ${name} fehlgeschlagen: ${e.message}`); return false; }
+}
+function deleteCentralVoice(name) {
+  try { fs.unlinkSync(`${CENTRAL_VOICES_DIR}/${name}.tar.gz`); log("info", "voice", `zentral geloescht: ${name}`); }
+  catch (_) {}
+}
+function requestCentralExport(name) {
+  // Broadcast-Export-Anfrage; die Box, die die Stimme hat, antwortet. Wir
+  // korrelieren die Antwort ueber requestId (nur unsere eigenen verarbeiten).
+  const requestId = "central_" + Date.now() + "_" + Math.random().toString(36).slice(2, 8);
+  centralExportPending.set(requestId, name);
+  setTimeout(() => centralExportPending.delete(requestId), 30000);
+  sendToRVS_raw({ type: "xtts_export_voice", payload: { name, requestId }, timestamp: Date.now() });
+}
+function provisionVoiceToInstance(name, instanceId) {
+  const data = readCentralVoiceB64(name);
+  if (!data) return;
+  sendToRVS_raw({ type: "xtts_import_voice",
+    payload: { name, data, targetInstance: instanceId }, timestamp: Date.now() });
+  log("info", "voice", `provisioniere '${name}' → ${instanceId}`);
+}
+// Abgleich beim worker_hello einer f5tts-Box: push (zentral→Box) + pull (Box→zentral, seed).
+function reconcileVoices(instanceId, boxVoices) {
+  const central = centralVoiceNames();
+  const boxSet = new Set(Array.isArray(boxVoices) ? boxVoices : []);
+  const centralSet = new Set(central);
+  for (const name of central) if (!boxSet.has(name)) provisionVoiceToInstance(name, instanceId);
+  for (const name of boxSet) if (!centralSet.has(name)) requestCentralExport(name);
+  log("info", "voice", `reconcile ${instanceId}: box=${boxSet.size} central=${central.length}`);
+}
+
 // ── OpenClaw Gateway Verbindung ─────────────────────────
 
 async function connectGateway() {
@@ -929,12 +1080,87 @@ function connectRVS(forcePlain) {
           });
           broadcastSatellites();
         }
+      } else if (msg.type === "host_hello") {
+        // Ein Host-Agent (Direktzugriff auf einen Rechner) meldet sich.
+        const p = msg.payload || {};
+        if (p.hostId) {
+          const wasKnown = hosts.has(p.hostId);
+          hosts.set(p.hostId, {
+            hostId: p.hostId, name: p.name || p.hostId, os: p.os || "",
+            caps: p.caps || [], control: !!p.control, last_seen: Date.now(),
+          });
+          if (!wasKnown) broadcastHosts();
+          else hosts.get(p.hostId).last_seen = Date.now();
+        }
+      } else if (msg.type === "host_ping") {
+        const p = msg.payload || {};
+        if (p.hostId && hosts.has(p.hostId)) hosts.get(p.hostId).last_seen = Date.now();
       } else if (msg.type === "sat_devices") {
         // Antwort eines Satelliten auf sat_discover → Geraeteliste an Browser.
         const p = msg.payload || {};
         if (p.satellite && satellites.has(p.satellite)) satellites.get(p.satellite).last_seen = Date.now();
         broadcast({ type: "sat_devices", satellite: p.satellite || "",
                     location: p.location || "", devices: p.devices || [] });
+      } else if (msg.type === "sat_creds_list_result" || msg.type === "sat_creds_result") {
+        // Credential-Store-Antworten eines Satelliten → an den Browser.
+        broadcast({ type: msg.type, payload: msg.payload || {} });
+      } else if (msg.type === "worker_hello") {
+        // Ein Compute-Worker (GPU-Dienst) meldet sich mit seiner Identitaet.
+        const p = msg.payload || {};
+        if (p.instanceId) {
+          const prev = workers.get(p.instanceId) || {};
+          // War die Box vor diesem hello schon frisch gesehen? worker_hello wird
+          // jetzt alle ~30s wiederholt — Reconcile nur beim ERSTEN/erneuten
+          // Auftauchen, nicht bei jedem Resend.
+          const wasFresh = prev.last_seen && (Date.now() - prev.last_seen < WORKER_OFFLINE_MS);
+          workers.set(p.instanceId, {
+            instanceId: p.instanceId, service: p.service || "",
+            node: p.node || "", gpus: p.gpus || "", model: p.model || "",
+            models: Array.isArray(p.models) ? p.models : (p.model ? [p.model] : []),
+            busy: !!prev.busy, last_seen: Date.now(),
+          });
+          broadcastWorkers();
+          // Voice-Flotte: f5tts-Box NEU online → Stimmen abgleichen/provisionieren.
+          if ((p.service || "") === "f5tts" && !wasFresh) reconcileVoices(p.instanceId, p.voices);
+        }
+      } else if (msg.type === "worker_ping") {
+        // Heartbeat eines Workers (traegt busy-Status).
+        const p = msg.payload || {};
+        if (p.instanceId) {
+          let w = workers.get(p.instanceId);
+          if (!w) {
+            const svc = String(p.instanceId).split("@")[0];
+            w = { instanceId: p.instanceId, service: svc, node: "", gpus: "", model: "", models: [], busy: false, last_seen: 0 };
+            workers.set(p.instanceId, w);
+          }
+          w.busy = !!p.busy;
+          w.last_seen = Date.now();
+          broadcastWorkers();
+        }
+      } else if (msg.type === "xtts_voice_saved") {
+        // Neue Stimme (App- ODER Diagnostic-Upload, via RVS-Broadcast) → zentral
+        // sichern. Online-Boxen haben sie durch den voice_upload-Broadcast schon;
+        // der zentrale Store macht sie persistent + fuer spaeter joinende Boxen
+        // verfuegbar (die holt dann reconcileVoices ab).
+        const p = msg.payload || {};
+        if (p.name && !p.error) {
+          log("info", "voice", `Stimme '${p.name}' gespeichert → zentraler Ingest`);
+          requestCentralExport(p.name);
+        }
+      } else if (msg.type === "xtts_voice_exported") {
+        // Antwort auf eine UNSERER zentralen Export-Anfragen (requestId-Match) →
+        // in den zentralen Store schreiben. Browser-initiierte Exports tragen
+        // keinen centralExportPending-requestId und werden hier ignoriert.
+        const p = msg.payload || {};
+        const rid = p.requestId || "";
+        if (rid && centralExportPending.has(rid)) {
+          centralExportPending.delete(rid);
+          if (p.ok && p.name && p.data) writeCentralVoice(p.name, p.data);
+        }
+      } else if (msg.type === "xtts_delete_voice") {
+        // App-initiierter Delete (Broadcast) → zentrale Kopie mitloeschen.
+        const p = msg.payload || {};
+        if (p.name) deleteCentralVoice(p.name);
       } else if (msg.type === "agent_activity") {
         // Bridge meldet "ARIA denkt/schreibt/tool" oder "idle" — an Browser
         // weiterreichen, damit der Thinking-Indikator im Chat erscheint.
@@ -981,7 +1207,7 @@ function connectRVS(forcePlain) {
         }
         broadcast({ type: "voice_ready", payload: msg.payload });
       } else if (msg.type === "service_status") {
-        // Gamebox-Bridges (f5tts/whisper) melden ihren Lade-Status —
+        // AI-Box-Bridges (f5tts/whisper) melden ihren Lade-Status —
         // an Browser durchreichen fuer das Banner unten rechts
         const svc = msg.payload?.service || "?";
         const state = msg.payload?.state || "?";
@@ -996,6 +1222,12 @@ function connectRVS(forcePlain) {
           log("info", "rvs", `service_status ${svc} ${state}${model ? ` (${model})` : ""}`);
         }
         broadcast({ type: "service_status", payload: msg.payload });
+      } else if (msg.type === "llm_provision_result") {
+        // Ergebnis eines Modell-Downloads/Aktivierens → an Browser (Katalog-Status).
+        broadcast({ type: "llm_provision_result", payload: msg.payload || {} });
+      } else if (msg.type === "node_stats" || msg.type === "node_stats_history" || msg.type === "node_stats_reset_done") {
+        // Auslastungs-Monitor (Stage E): Box-Antworten an die Browser durchreichen.
+        broadcast({ type: msg.type, payload: msg.payload || {} });
       } else if (msg.type === "audio_pcm" && msg.payload && _previewPending.size > 0) {
         // PCM-Chunks einer laufenden Voice-Preview — sammeln + WAV bauen
         _handlePreviewChunk(msg.payload);
@@ -1040,7 +1272,7 @@ function connectRVS(forcePlain) {
   });
 }
 
-function sendToRVS_withResponse(sendType, sendPayload, expectType, clientWs) {
+function sendToRVS_withResponse(sendType, sendPayload, expectType, clientWs, timeoutMs = 15000) {
   if (!RVS_HOST || !RVS_TOKEN) return;
   const proto = RVS_TLS === "true" ? "wss" : "ws";
   const url = `${proto}://${RVS_HOST}:${RVS_PORT}?token=${RVS_TOKEN}`;
@@ -1048,7 +1280,7 @@ function sendToRVS_withResponse(sendType, sendPayload, expectType, clientWs) {
   const timeout = setTimeout(() => {
     try { freshWs.close(); } catch (_) {}
     clientWs.send(JSON.stringify({ type: expectType, payload: { voices: [], error: "Timeout" }, timestamp: Date.now() }));
-  }, 15000);
+  }, timeoutMs);
   freshWs.on("open", () => {
     freshWs.send(JSON.stringify({ type: sendType, payload: sendPayload, timestamp: Date.now() }));
   });
@@ -1738,6 +1970,20 @@ const server = http.createServer((req, res) => {
   } else if (req.url === "/api/local-models-list" && req.method === "GET") {
     res.writeHead(200, { "Content-Type": "application/json" });
     res.end(JSON.stringify({ ok: true, models: loadLocalModels() }));
+  } else if (req.url === "/api/llm-catalog" && req.method === "GET") {
+    res.writeHead(200, { "Content-Type": "application/json" });
+    res.end(JSON.stringify({ ok: true, models: loadLlmCatalog() }));
+  } else if (req.url === "/api/llm-catalog/refresh" && req.method === "POST") {
+    refreshLlmCatalogFromHF()
+      .then(r => {
+        res.writeHead(200, { "Content-Type": "application/json" });
+        res.end(JSON.stringify({ ok: true, models: r.models, added: r.added }));
+        log("info", "llm", `LLM-Katalog von HuggingFace aktualisiert: +${r.added} Modelle`);
+      })
+      .catch(err => {
+        res.writeHead(200, { "Content-Type": "application/json" });
+        res.end(JSON.stringify({ ok: false, error: err.message, models: loadLlmCatalog() }));
+      });
   } else if (req.url === "/api/local-llm-config" && req.method === "GET") {
     res.writeHead(200, { "Content-Type": "application/json" });
     res.end(JSON.stringify(readLocalLlmConfig()));
@@ -2505,6 +2751,10 @@ wss.on("connection", (ws) => {
   if (currentDiskStatus) ws.send(JSON.stringify(currentDiskStatus));
   // Aktuell bekannte Satelliten mitgeben (RVS replayt sat_hello nicht).
   ws.send(JSON.stringify({ type: "sat_update", satellites: satelliteList() }));
+  // Aktuell bekannte Host-Agenten mitgeben.
+  ws.send(JSON.stringify({ type: "host_update", hosts: hostList() }));
+  // Aktuell bekannte Compute-Worker mitgeben (RVS replayt worker_hello nicht).
+  ws.send(JSON.stringify({ type: "worker_update", workers: workerList() }));
 
   ws.on("message", (raw) => {
     try {
@@ -2536,11 +2786,31 @@ wss.on("connection", (ws) => {
       } else if (msg.action === "sat_list") {
         // Browser will die aktuelle Satelliten-Liste.
         ws.send(JSON.stringify({ type: "sat_update", satellites: satelliteList() }));
+      } else if (msg.action === "host_list") {
+        // Browser will die aktuelle Host-Agenten-Liste.
+        ws.send(JSON.stringify({ type: "host_update", hosts: hostList() }));
+      } else if (msg.action === "worker_list") {
+        // Browser will die aktuelle Compute-Flotte.
+        ws.send(JSON.stringify({ type: "worker_update", workers: workerList() }));
       } else if (msg.action === "sat_discover") {
         // Browser triggert einen Geraete-Scan auf einem Satelliten.
         sendToRVS_raw({ type: "sat_discover",
                         payload: { satellite: msg.satellite || "", force: true },
                         timestamp: Date.now() });
+      } else if (msg.action === "sat_creds_list") {
+        sendToRVS_raw({ type: "sat_creds_list",
+                        payload: { satellite: msg.satellite || "", requestId: "dc_" + Date.now() },
+                        timestamp: Date.now() });
+      } else if (msg.action === "sat_creds_set") {
+        sendToRVS_raw({ type: "sat_creds_set",
+                        payload: { satellite: msg.satellite || "", ip: msg.ip || "",
+                                   creds: msg.creds || {}, requestId: "dc_" + Date.now() },
+                        timestamp: Date.now() });
+      } else if (msg.action === "sat_creds_delete") {
+        sendToRVS_raw({ type: "sat_creds_delete",
+                        payload: { satellite: msg.satellite || "", ip: msg.ip || "",
+                                   type: msg.credType || "", requestId: "dc_" + Date.now() },
+                        timestamp: Date.now() });
       } else if (msg.action === "test_proxy") {
         testProxy(msg.text);
       } else if (msg.action === "check_proxy_auth") {
@@ -2568,7 +2838,7 @@ wss.on("connection", (ws) => {
         // Datei von Diagnostic an Bridge via RVS senden
         sendToRVS_raw({
           type: "file",
-          payload: { name: msg.name, type: msg.type, size: msg.size, base64: msg.base64 },
+          payload: { name: msg.name, type: msg.type, size: msg.size, base64: msg.base64, projectId: msg.projectId || "" },
           timestamp: Date.now(),
         });
         log("info", "server", `Datei gesendet: ${msg.name} (${msg.type})`);
@@ -2611,9 +2881,11 @@ wss.on("connection", (ws) => {
         // tar.gz (base64) an XTTS-Bridge schicken — die packt aus
         sendToRVS_withResponse("xtts_import_voice", { name: msg.name, data: msg.data }, "xtts_voice_imported", ws);
       } else if (msg.action === "xtts_delete_voice") {
-        // Weiterleiten an XTTS-Bridge, die antwortet mit neuer Liste
+        // Weiterleiten an alle f5tts-Boxen (Broadcast) + zentrale Kopie loeschen.
+        // (Der eigene Broadcast kommt nicht zu uns zurueck, daher hier direkt.)
         sendToRVS_raw({ type: "xtts_delete_voice", payload: { name: msg.name }, timestamp: Date.now() });
-        log("info", "server", `Voice-Delete '${msg.name}' an XTTS-Bridge gesendet`);
+        if (msg.name) deleteCentralVoice(msg.name);
+        log("info", "server", `Voice-Delete '${msg.name}' an f5tts-Boxen + zentral geloescht`);
       } else if (msg.action === "delete_chat_message") {
         // Bubble loeschen — Bridge raeumt chat_backup.jsonl + Brain-conversation
         // + broadcastet chat_message_deleted via RVS.
@@ -2681,6 +2953,12 @@ wss.on("connection", (ws) => {
           const t = parseFloat(msg.voiceIdThreshold);
           if (t >= 0.0 && t <= 1.0) voiceConfig.voiceIdThreshold = t;
         }
+        // Speaker-ID Gating an/aus ("nur meine Stimme"). Default aus (fail-open) —
+        // bewusster Schalter. voxtral/whisper-bridge lesen voiceIdEnabled aus dem
+        // config-Broadcast; aus = gar keine Pruefung.
+        if (msg.voiceIdEnabled !== undefined) {
+          voiceConfig.voiceIdEnabled = !!msg.voiceIdEnabled;
+        }
         try {
           fs.mkdirSync("/shared/config", { recursive: true });
           fs.writeFileSync("/shared/config/voice_config.json", JSON.stringify(voiceConfig, null, 2));
@@ -2696,6 +2974,31 @@ wss.on("connection", (ws) => {
       // Sessions- und Brain-File-Viewer entfernt — Sessions sind raus, Memory
       // laeuft jetzt komplett ueber die Vector-DB im aria-brain (siehe Gehirn-Tab).
       // restart_session kommt weiter rein, weil der Watchdog ihn manchmal triggert.
+      } else if (msg.action === "llm_provision_model") {
+        // Modell auf eine bestimmte LLM-Box laden/aktivieren (Stage D).
+        sendToRVS_raw({ type: "llm_provision_model", payload: {
+          targetInstance: msg.targetInstance || "",
+          key: msg.key, hfRepo: msg.hfRepo, quant: msg.quant, ctx: msg.ctx, ngl: msg.ngl,
+        }, timestamp: Date.now() });
+        log("info", "llm", `provision '${msg.key}' (${msg.hfRepo}) → ${msg.targetInstance || "?"}`);
+      } else if (msg.action === "llm_remove_model") {
+        sendToRVS_raw({ type: "llm_remove_model", payload: {
+          targetInstance: msg.targetInstance || "", key: msg.key }, timestamp: Date.now() });
+        log("info", "llm", `remove '${msg.key}' → ${msg.targetInstance || "?"}`);
+      } else if (msg.action === "llm_test") {
+        // Test-Chat: kurze Nachricht direkt ans lokale LLM (llm_request/llm_response).
+        const reqId = "diagtest_" + Date.now();
+        sendToRVS_withResponse("llm_request", {
+          requestId: reqId,
+          messages: [{ role: "user", content: String(msg.text || "Sag kurz Hallo.") }],
+          max_tokens: 256, temperature: 0.5,
+          model: msg.model || "", targetInstance: msg.targetInstance || "",
+        }, "llm_response", ws, 120000);  // 2min: erster Modell-Swap laedt das GGUF kalt (mehrere GB) — 15s reichen dann nicht
+        log("info", "llm", `Test-Chat → ${msg.model || "?"} @ ${msg.targetInstance || "(broadcast)"}`);
+      } else if (msg.action === "node_stats_stream_start" || msg.action === "node_stats_stream_stop"
+                 || msg.action === "node_stats_history_request" || msg.action === "node_stats_reset") {
+        // Auslastungs-Monitor (Stage E): an die Box (targetInstance) durchreichen.
+        sendToRVS_raw({ type: msg.action, payload: { targetInstance: msg.targetInstance || "" }, timestamp: Date.now() });
       } else if (msg.action === "restart_session") {
         handleRestartSession(ws);
       // ── Einstellungen ──

docs/flux-imagegen-plan.md

@@ -1,7 +1,7 @@
 # FLUX.1-dev Bildgenerierung — Architektur & Stand
 
 Ergaenzung des ARIA-Agent-Stacks um native Text-to-Image-Generierung via
-FLUX.1-dev auf der Gamebox. Folgt dem **gleichen Pattern wie f5tts / whisper**:
+FLUX.1-dev auf der AI-Box. Folgt dem **gleichen Pattern wie f5tts / whisper**:
 ein eigener Container auf dem Gaming-PC, der sich selbst per WebSocket zum
 RVS verbindet und auf seinen Request-Typ lauscht.
 
@@ -23,7 +23,7 @@ aria-bridge ── send_to_core ──▶  aria-brain
                                     RVS
                                        │ fanout
                                        ▼
-                              flux-bridge (Gamebox)
+                              flux-bridge (AI-Box)
                                        │ FluxPipeline.from_pretrained(...)
                                        │ pipeline(prompt, width, height, steps, guidance).images[0]
                                        │ PIL → PNG → base64

docs/plan-local-llm-router.md

@@ -1,4 +1,4 @@
-# Plan B — Lokaler LLM-Router (Gamebox) neben Claude
+# Plan B — Lokaler LLM-Router (AI-Box) neben Claude
 
 **Ziel:** „Gemini-Feeling" für den Alltag, ohne die Claude-Max-Subscription
 aufzugeben. Ein schnelles lokales LLM beantwortet die einfachen ~80 % der Turns
@@ -11,7 +11,7 @@ Gemessen (10.07.2026): CLI-Round-trip über den Claude-Max-Proxy hat einen
 **harten Boden von ~3,5 s** (Subprozess-Start pro Turn). Streaming-API würde das
 brechen, kostet aber API-Geld → verliert die Max-Subscription. Ein lokales
 LLM für die einfachen Turns umgeht den 3,5-s-Boden komplett und ist **gratis**
-(läuft auf vorhandener Gamebox-GPU). Echtes Speech-to-Speech-Duplex (Gemini
+(läuft auf vorhandener AI-Box-GPU). Echtes Speech-to-Speech-Duplex (Gemini
 Live nativ) ist mit einem Text-Modell als Hirn prinzipiell nicht drin.
 
 ## Modell & Serving (entschieden)
@@ -19,17 +19,17 @@ Live nativ) ist mit einem Text-Modell als Hirn prinzipiell nicht drin.
 - **Modell:** Qwen3 8B, GGUF **Q4_K_M** (~6 GB). Bestes Tool-Calling der 7/8B-
   Klasse, solides Deutsch, Apache-2.0. Alt.: Mistral Small 3 7B (schneller,
   weniger Tool-Calling).
-- **Serving:** **llama.cpp `llama-server`** im Docker-Container auf der Gamebox
+- **Serving:** **llama.cpp `llama-server`** im Docker-Container auf der AI-Box
   (kein Ollama nötig — nativer OpenAI-kompatibler `/v1/chat/completions`).
 - **VRAM-Budget:** 12-GB-Karte, Whisper-small (~1–2 GB) + F5-TTS (~1–2 GB) →
   ~8–9 GB frei → passt. (FLUX ist auf 12 GB eh raus.)
 
 ## Anbindung: über den RVS, wie TTS/STT (kein IP-Pflegen)
 
-Die Gamebox ist ein anderer Host als das Brain. Statt direktem HTTP (IP/Port/
+Die AI-Box ist ein anderer Host als das Brain. Statt direktem HTTP (IP/Port/
 Firewall) läuft das LLM **über den RVS-Token-Room**, exakt wie Whisper/F5-TTS:
 
-- llama.cpp hört nur auf localhost der Gamebox.
+- llama.cpp hört nur auf localhost der AI-Box.
 - Ein **dünner RVS-Adapter** daneben (Vorbild: whisper-/xtts-Bridge) verbindet
   sich mit dem RVS-Token, lauscht auf `llm_request`, ruft lokal llama-server,
   schickt `llm_response` (korreliert per requestId) zurück.
@@ -115,7 +115,7 @@ mit Ziel lokal.
 
 ## Phasen
 
-- **B0 — Infra:** llama.cpp-Container + RVS-Adapter auf der Gamebox,
+- **B0 — Infra:** llama.cpp-Container + RVS-Adapter auf der AI-Box,
   `ALLOWED_TYPES`, `local_llm_chat()` im Brain. Isoliert testen („sag hallo").
 - **B1 — Router + lokale Tools:** Heuristik Tier-1/2 + Escalation, schlanke
   Persona lokal, **kuratierte Tool-Auswahl lokal** (Adapter/Bridge/Brain-Tool-
@@ -207,8 +207,8 @@ Zerfaellt in zwei Teile:
   (Docker-Socket) + Controller mit Placement-Policy + Reconciliation +
   Broadcast-Kollisions-Vermeidung (nicht 2× dieselbe Faehigkeit). = Mini-Nomad.
 
-**Empfehlung:** Fuer 2 Gameboxen NICHT bauen — statische Platzierung reicht
+**Empfehlung:** Fuer 2 AI-Boxen NICHT bauen — statische Platzierung reicht
-(Gamebox1=LLM, Gamebox2=Voice). Dynamisches Laden/Entladen zum VRAM-Freimachen
+(AI-Box1=LLM, AI-Box2=Voice). Dynamisches Laden/Entladen zum VRAM-Freimachen
 deckt `llama-swap` innerhalb eines Hosts (B0.5). Waechst die Flotte: erst den
 billigen Heartbeat-Teil; fuer echte Orchestrierung Docker Swarm / Nomad nehmen
 statt selbst einen Scheduler zu bauen.
@@ -227,7 +227,7 @@ lohnt nicht):
   einen Heartbeat via RVS (Host, GPU-Util, VRAM frei/belegt, laufende
   GPU-Container). Diagnostic zeigt pro Host VRAM-Balken + Dienste + „Host X hat
   N GB frei". Kein Start/Stop, nur Sicht + Hinweis wohin verschiebbar.
-- **Zukunft (Gamebox3, 4×3060 = 48 GB):** neuer Host, eigenes Profil, `up` →
+- **Zukunft (AI-Box3, 4×3060 = 48 GB):** neuer Host, eigenes Profil, `up` →
   erscheint im Dashboard; grosses lokales LLM oder FLUX-Vollausbau dorthin.
   Ohne Orchestrator.
 

flux/bridge.py

@@ -1,6 +1,6 @@
 #!/usr/bin/env python3
 """
-ARIA FLUX-Bridge — laeuft auf der Gamebox (RTX 3060).
+ARIA FLUX-Bridge — laeuft auf der AI-Box (RTX 3060).
 
 Empfaengt flux_request via RVS → FLUX.1-dev/-schnell auf GPU → sendet
 flux_response mit base64-PNG zurueck an die aria-bridge. Diese speichert

host-agent/.env.example

@@ -0,0 +1,31 @@
+# ─── ARIA Host-Agent — Konfiguration ───────────────────────────────
+# Kopiere diese Datei nach .env (neben die Binary) und passe sie an.
+
+# RVS-Zugang (identisch zum Haupt-Stack — gleicher Raum/Token, damit ARIA
+# diesen Rechner erreicht). Werte aus der Haupt-.env.
+RVS_HOST=rvs.example.de
+RVS_PORT=443
+RVS_TLS=true
+RVS_TOKEN=
+
+# ─── Identitaet dieses Rechners ────────────────────────────────────
+# HOST_ID   = technisch eindeutig (a-z0-9-_), Default = Hostname-Slug.
+# HOST_NAME = menschlicher Name, so spricht ARIA den Rechner an ("Stefans Laptop").
+HOST_ID=
+HOST_NAME=
+
+# ─── Steuerung (Sicherheit!) ───────────────────────────────────────
+# MUSS auf true, sonst fuehrt der Agent nichts aus (reiner Idle-Client).
+CONTROL_ENABLED=true
+
+# ─── sudo ──────────────────────────────────────────────────────────
+# Reihenfolge: 1) Agent laeuft als root -> braucht kein sudo. 2) SUDO_PASSWORD
+# gesetzt -> sudo -S mit Passwort. 3) SUDO_NOPASSWD=true -> sudo -n (Live-ISO /
+# passwortloses sudo, z.B. Linux Mint vom Stick). 4) sonst schlaegt sudo fehl.
+SUDO_PASSWORD=
+SUDO_NOPASSWD=false
+
+# ─── Limits (optional) ─────────────────────────────────────────────
+EXEC_TIMEOUT=60                 # max. Laufzeit eines Kommandos (s)
+OUT_MAX_CHARS=20000             # stdout-Ausschnitt (offset/max_chars pro Request)
+FILE_MAX_BYTES=10485760         # max. Datei-Transfer (10 MB)

host-agent/.gitignore

@@ -0,0 +1,5 @@
+.env
+build/
+dist/
+*.spec
+__pycache__/

host-agent/Dockerfile.build

@@ -0,0 +1,18 @@
+# Baut die Host-Agent-Binary mit PyInstaller in einem Container mit ALTEM glibc
+# (bullseye, glibc 2.31), damit die Onefile-Binary auf moeglichst vielen Linux-
+# Distributionen laeuft (glibc ist abwaerts-, nicht aufwaertskompatibel).
+FROM python:3.11-slim-bullseye
+
+WORKDIR /build
+RUN pip install --no-cache-dir pyinstaller
+COPY requirements.txt .
+RUN pip install --no-cache-dir -r requirements.txt
+COPY host_agent.py .
+
+# Onefile-Binary; psutil-Hidden-Imports werden von PyInstaller erkannt.
+RUN pyinstaller --onefile --name aria-host-agent \
+      --collect-all psutil \
+      host_agent.py
+
+# Ergebnis liegt in /build/dist/aria-host-agent
+CMD ["sh", "-c", "cp /build/dist/aria-host-agent /out/ && echo 'Binary -> /out/aria-host-agent'"]

host-agent/README.md

@@ -0,0 +1,62 @@
+# ARIA Host-Agent
+
+Ein schlanker Agent, der **direkt auf einem Rechner** läuft und ARIA erlaubt,
+diesen Rechner zu steuern — auch wenn er sonst aus dem Netz **nicht erreichbar**
+ist (hinter NAT/Firewall, kein offener Port). Der Agent verbindet sich
+**ausgehend** zum RVS (gleicher Token wie der Rest von ARIA).
+
+Unterschied zum **Satelliten**: der Satellit entdeckt und steuert *andere*
+Geräte in einem LAN; der Host-Agent steuert *den Rechner, auf dem er läuft*.
+
+## Fähigkeiten
+
+| Aktion       | Was |
+|--------------|-----|
+| `exec`       | Shell-Kommando ausführen (optional `sudo`), stdout/stderr/exit |
+| `read`       | Datei lesen (Base64, mit Offset/Limit) |
+| `write`      | Datei schreiben/anhängen (Base64 oder Text) |
+| `info`       | OS, CPU/RAM/Disk-Auslastung, Uptime, IP |
+| `screenshot` | Bildschirmfoto (X11: scrot/maim · Wayland: grim) |
+
+ARIA nutzt diese über die Brain-Tools `host_list` / `host_exec` / `host_read` /
+`host_write` / `host_info` / `host_screenshot`.
+
+## Bauen (portable Binary)
+
+```bash
+./build.sh          # braucht Docker; erzeugt dist/aria-host-agent (~15 MB)
+```
+
+Gebaut wird in einem bullseye-Container (altes glibc), damit die Binary auf
+möglichst vielen Distributionen läuft.
+
+## Installieren
+
+1. `dist/aria-host-agent` auf den Ziel-Rechner kopieren.
+2. `.env.example` → `.env` daneben, RVS-Zugang + `CONTROL_ENABLED=true` eintragen.
+3. Starten: `chmod +x aria-host-agent && ./aria-host-agent`
+   — oder als Dienst: siehe `aria-host-agent.service`.
+
+## sudo
+
+Vier Fälle, der Agent wählt automatisch:
+
+1. **Agent läuft als root** (z.B. systemd `User=root`) → volle Rechte, kein sudo nötig.
+2. `SUDO_PASSWORD=…` in der `.env` → `sudo -S` mit Passwort.
+3. `SUDO_NOPASSWD=true` → `sudo -n` (Live-ISO / passwortloses sudo, z.B. Linux
+   Mint vom Stick).
+4. sonst → sudo-Kommandos scheitern mit klarer Meldung.
+
+## Sicherheit
+
+- Reagiert **nur** auf den eigenen RVS-Raum (Token) und **nur**, wenn
+  `CONTROL_ENABLED=true`.
+- Keine offenen Ports (reiner ausgehender Client).
+- Alle Kommandos werden geloggt.
+- Der Agent gibt **vollen** Zugriff auf den Rechner — nur auf Maschinen
+  einsetzen, denen du ARIA anvertraust.
+
+## Hinweis Screenshot
+
+Als Systemdienst fehlt die grafische Session. Für `screenshot` den Agent in der
+Desktop-Session starten (Autostart) oder `DISPLAY`/`XAUTHORITY` in der Unit setzen.

host-agent/aria-host-agent.service

@@ -0,0 +1,30 @@
+# systemd-Unit fuer den ARIA Host-Agent.
+#
+# Installation:
+#   sudo cp aria-host-agent /usr/local/bin/
+#   sudo mkdir -p /etc/aria-host-agent && sudo cp .env /etc/aria-host-agent/.env
+#   sudo cp aria-host-agent.service /etc/systemd/system/
+#   sudo systemctl enable --now aria-host-agent
+#
+# Als root (User=root): Kommandos haben volle Rechte, kein sudo/Passwort noetig.
+# Fuer einen normalen User: User=<name> setzen und in der .env SUDO_PASSWORD
+# oder SUDO_NOPASSWD konfigurieren.
+#
+# HINWEIS Screenshot: als Systemdienst fehlt die grafische Session (DISPLAY/
+# WAYLAND_DISPLAY). Fuer host_screenshot den Agent stattdessen in der Desktop-
+# Session starten (Autostart) oder DISPLAY/XAUTHORITY in der Unit setzen.
+[Unit]
+Description=ARIA Host-Agent
+After=network-online.target
+Wants=network-online.target
+
+[Service]
+Type=simple
+User=root
+WorkingDirectory=/etc/aria-host-agent
+ExecStart=/usr/local/bin/aria-host-agent
+Restart=always
+RestartSec=5
+
+[Install]
+WantedBy=multi-user.target

host-agent/build.sh

@@ -0,0 +1,19 @@
+#!/usr/bin/env bash
+# Baut die portable Host-Agent-Binary (Linux x86_64) via Docker + PyInstaller.
+# Ergebnis: ./dist/aria-host-agent  (Onefile, ~15 MB, keine Runtime noetig).
+#
+#   ./build.sh
+#
+# Danach auf den Ziel-Rechner kopieren, .env danebenlegen und starten:
+#   ./aria-host-agent
+set -euo pipefail
+cd "$(dirname "$0")"
+
+mkdir -p dist
+docker build -f Dockerfile.build -t aria-host-agent-build .
+docker run --rm -v "$(pwd)/dist:/out" aria-host-agent-build
+
+echo
+echo "Fertig: dist/aria-host-agent"
+echo "Auf den Ziel-Rechner kopieren, .env danebenlegen (siehe .env.example), dann:"
+echo "  chmod +x aria-host-agent && ./aria-host-agent"

host-agent/host_agent.py

@@ -0,0 +1,437 @@
+"""
+ARIA Host-Agent — Direktzugriff auf EINEN Rechner.
+
+Laeuft direkt auf dem Ziel-Rechner (Linux) und verbindet sich AUSGEHEND als
+RVS-Client in Stefans Raum (gleicher Token). Damit kann ARIA diesen Rechner
+direkt steuern, auch wenn er sonst aus dem Netz nicht erreichbar ist (hinter
+NAT/Firewall, kein offener Port). Anders als der Satellit (der ein LAN
+entdeckt/steuert) ist beim Agent das "Geraet" der Rechner selbst.
+
+Als reine Binary verteilbar (PyInstaller onefile) + .env fuer die Zugangsdaten.
+
+Faehigkeiten (host_command → host_result):
+  exec        Shell-Kommando ausfuehren (optional sudo)
+  read/write  Datei lesen/schreiben (Base64)
+  info        OS / CPU / RAM / Disk / Uptime / Netz
+  screenshot  Bildschirmfoto (X11/Wayland, wenn grafische Session da ist)
+
+Sicherheit: reagiert nur auf den eigenen RVS-Raum (Token) und nur, wenn
+CONTROL_ENABLED=true. Alles wird geloggt. Keine offenen Ports.
+"""
+
+from __future__ import annotations
+
+import asyncio
+import base64
+import json
+import logging
+import os
+import platform
+import re
+import shutil
+import socket
+import subprocess
+import time
+from pathlib import Path
+
+import websockets
+
+logging.basicConfig(
+    level=logging.INFO,
+    format="%(asctime)s [host-agent] %(levelname)s %(message)s",
+)
+logger = logging.getLogger("host-agent")
+
+
+def _load_dotenv() -> None:
+    """Laedt eine .env neben der Binary/dem Script (oder im CWD) in os.environ.
+    Bereits gesetzte Werte gewinnen. Kein python-dotenv noetig."""
+    here = os.path.dirname(os.path.abspath(__file__))
+    for path in (os.path.join(here, ".env"), os.path.join(os.getcwd(), ".env")):
+        if not os.path.isfile(path):
+            continue
+        try:
+            with open(path, "r", encoding="utf-8") as f:
+                for line in f:
+                    line = line.strip()
+                    if not line or line.startswith("#") or "=" not in line:
+                        continue
+                    key, _, val = line.partition("=")
+                    key = key.strip()
+                    if key.startswith("export "):
+                        key = key[len("export "):].strip()
+                    val = val.strip()
+                    if val[:1] in ("'", '"'):
+                        q = val[0]
+                        end = val.find(q, 1)
+                        val = val[1:end] if end != -1 else val[1:]
+                    else:
+                        m = re.search(r"\s+#", val)
+                        if m:
+                            val = val[:m.start()]
+                        val = val.strip()
+                    if key and key not in os.environ:
+                        os.environ[key] = val
+        except Exception as exc:
+            logger.warning(".env laden fehlgeschlagen (%s): %s", path, exc)
+        break
+
+
+_load_dotenv()
+
+
+# ─── Konfiguration ──────────────────────────────────────────────────
+
+def _env_bool(name: str, default: bool) -> bool:
+    v = os.environ.get(name)
+    if v is None:
+        return default
+    return v.strip().lower() in ("1", "true", "yes", "on", "ja")
+
+
+def _default_id() -> str:
+    host = socket.gethostname() or "host"
+    slug = re.sub(r"[^a-zA-Z0-9_-]+", "-", host).strip("-").lower()
+    return slug or "host"
+
+
+RVS_HOST = os.environ.get("RVS_HOST", "")
+RVS_PORT = int(os.environ.get("RVS_PORT", "443") or "443")
+RVS_TLS = _env_bool("RVS_TLS", True)
+RVS_TOKEN = os.environ.get("RVS_TOKEN", "")
+
+HOST_ID = (os.environ.get("HOST_ID") or _default_id()).strip()
+HOST_NAME = (os.environ.get("HOST_NAME") or HOST_ID).strip()
+
+# Steuerung ist der Sinn des Agents — aber bewusst opt-in (Sicherheit).
+CONTROL_ENABLED = _env_bool("CONTROL_ENABLED", False)
+
+# sudo: 1) Agent laeuft als root -> direkt. 2) SUDO_PASSWORD gesetzt -> sudo -S.
+# 3) SUDO_NOPASSWD=true (Live-ISO / NOPASSWD-sudoers) -> sudo -n. 4) sonst Fehler.
+SUDO_PASSWORD = os.environ.get("SUDO_PASSWORD", "")
+SUDO_NOPASSWD = _env_bool("SUDO_NOPASSWD", False)
+
+EXEC_TIMEOUT = float(os.environ.get("EXEC_TIMEOUT", "60") or "60")
+# Ausgabe-Fenster (wie beim Satelliten): grosse stdout klein halten fuers RVS.
+OUT_MAX_CHARS = int(os.environ.get("OUT_MAX_CHARS", "20000") or "20000")
+OUT_MAX_CHARS_HARD = int(os.environ.get("OUT_MAX_CHARS_HARD", "200000") or "200000")
+# Datei-Transfer-Limit (Base64 durchs RVS).
+FILE_MAX_BYTES = int(os.environ.get("FILE_MAX_BYTES", str(10 * 1024 * 1024)) or str(10 * 1024 * 1024))
+
+HEARTBEAT_SEC = 25
+CAPS = ["exec", "read", "write", "info", "screenshot"]
+
+
+# ─── Text-/Zahl-Helfer ──────────────────────────────────────────────
+
+def _to_int(s):
+    try:
+        return int(str(s).strip())
+    except (TypeError, ValueError):
+        return None
+
+
+def _to_float(s):
+    try:
+        return float(str(s).strip())
+    except (TypeError, ValueError):
+        return None
+
+
+def _window_text(text: str, params: dict) -> dict:
+    """contains-Zeilenfilter + offset/max_chars-Fenster. Gibt body + Metadaten."""
+    total = len(text)
+    contains = params.get("contains")
+    if contains:
+        terms = [contains] if isinstance(contains, str) else list(contains)
+        terms = [str(t).lower() for t in terms if str(t).strip()]
+        if terms:
+            text = "\n".join(ln for ln in text.splitlines()
+                             if any(t in ln.lower() for t in terms))
+    offset = max(0, _to_int(params.get("offset")) or 0)
+    max_chars = _to_int(params.get("max_chars")) or OUT_MAX_CHARS
+    max_chars = max(1, min(max_chars, OUT_MAX_CHARS_HARD))
+    body = text[offset:offset + max_chars]
+    return {"body": body, "total_chars": total, "filtered": bool(contains),
+            "offset": offset, "returned_chars": len(body),
+            "truncated": offset + len(body) < len(text)}
+
+
+# ─── Aktionen ───────────────────────────────────────────────────────
+
+def _wrap_sudo(cmd: str, use_sudo: bool):
+    """Gibt (argv, stdin_data) oder (None, fehlertext) wenn sudo nicht moeglich."""
+    if not use_sudo or os.geteuid() == 0:
+        return ["bash", "-lc", cmd], None
+    if SUDO_PASSWORD:
+        return ["sudo", "-S", "-p", "", "bash", "-lc", cmd], SUDO_PASSWORD + "\n"
+    if SUDO_NOPASSWD:
+        return ["sudo", "-n", "bash", "-lc", cmd], None
+    return None, ("sudo verlangt ein Passwort. Setze SUDO_PASSWORD in der .env, "
+                  "oder SUDO_NOPASSWD=true (Live-ISO / passwortloses sudo), oder "
+                  "starte den Agent als root.")
+
+
+def _do_exec(params: dict) -> dict:
+    cmd = params.get("cmd") or params.get("command") or ""
+    if not cmd:
+        return {"ok": False, "error": "cmd (Kommando) erforderlich."}
+    argv, stdin_data = _wrap_sudo(cmd, bool(params.get("sudo")))
+    if argv is None:
+        return {"ok": False, "error": stdin_data}
+    timeout = _to_float(params.get("timeout")) or EXEC_TIMEOUT
+    try:
+        r = subprocess.run(argv, input=stdin_data, capture_output=True,
+                           text=True, timeout=timeout)
+    except subprocess.TimeoutExpired:
+        return {"ok": False, "error": f"Timeout nach {timeout:.0f}s."}
+    except Exception as exc:
+        return {"ok": False, "error": f"exec fehlgeschlagen: {exc}"}
+    win = _window_text(r.stdout, params)
+    return {"ok": True, "result": {"exit_code": r.returncode,
+                                   "stderr": (r.stderr or "")[:4000], **win}}
+
+
+def _do_read(params: dict) -> dict:
+    path = params.get("path") or ""
+    if not path:
+        return {"ok": False, "error": "path erforderlich."}
+    p = Path(path).expanduser()
+    if not p.is_file():
+        return {"ok": False, "error": f"Datei nicht gefunden: {path}"}
+    size = p.stat().st_size
+    offset = max(0, _to_int(params.get("offset")) or 0)
+    max_bytes = _to_int(params.get("max_bytes")) or FILE_MAX_BYTES
+    max_bytes = max(1, min(max_bytes, FILE_MAX_BYTES))
+    try:
+        with p.open("rb") as f:
+            f.seek(offset)
+            data = f.read(max_bytes)
+    except Exception as exc:
+        return {"ok": False, "error": f"Lesen fehlgeschlagen: {exc}"}
+    return {"ok": True, "result": {
+        "path": str(p), "size": size, "offset": offset,
+        "returned_bytes": len(data), "truncated": offset + len(data) < size,
+        "base64": base64.b64encode(data).decode("ascii"),
+    }}
+
+
+def _do_write(params: dict) -> dict:
+    path = params.get("path") or ""
+    if not path:
+        return {"ok": False, "error": "path erforderlich."}
+    b64 = params.get("base64")
+    text = params.get("text")
+    if b64 is None and text is None:
+        return {"ok": False, "error": "base64 ODER text erforderlich."}
+    try:
+        data = base64.b64decode(b64) if b64 is not None else str(text).encode("utf-8")
+    except Exception as exc:
+        return {"ok": False, "error": f"base64 ungueltig: {exc}"}
+    p = Path(path).expanduser()
+    try:
+        p.parent.mkdir(parents=True, exist_ok=True)
+        mode = "ab" if params.get("append") else "wb"
+        with p.open(mode) as f:
+            f.write(data)
+        if params.get("chmod"):
+            os.chmod(p, int(str(params["chmod"]), 8))
+    except Exception as exc:
+        return {"ok": False, "error": f"Schreiben fehlgeschlagen: {exc}"}
+    return {"ok": True, "result": {"path": str(p), "bytes": len(data)}}
+
+
+def _do_info(params: dict) -> dict:
+    info = {
+        "host": HOST_NAME, "hostname": socket.gethostname(),
+        "os": platform.platform(), "kernel": platform.release(),
+        "arch": platform.machine(), "python": platform.python_version(),
+        "user": os.environ.get("USER") or "", "is_root": os.geteuid() == 0,
+    }
+    try:
+        import psutil
+        info["cpu_percent"] = psutil.cpu_percent(interval=0.3)
+        info["cpu_count"] = psutil.cpu_count()
+        vm = psutil.virtual_memory()
+        info["ram_used_mb"] = round(vm.used / 1024 / 1024)
+        info["ram_total_mb"] = round(vm.total / 1024 / 1024)
+        info["ram_percent"] = vm.percent
+        du = psutil.disk_usage("/")
+        info["disk_used_gb"] = round(du.used / 1024 / 1024 / 1024, 1)
+        info["disk_total_gb"] = round(du.total / 1024 / 1024 / 1024, 1)
+        info["disk_percent"] = du.percent
+        info["uptime_s"] = round(time.time() - psutil.boot_time())
+        info["load_avg"] = list(os.getloadavg()) if hasattr(os, "getloadavg") else None
+    except Exception:
+        # Fallback ohne psutil: das Noetigste aus os/shutil.
+        try:
+            info["load_avg"] = list(os.getloadavg())
+        except Exception:
+            info["load_avg"] = None
+        try:
+            total, used, free = shutil.disk_usage("/")
+            info["disk_used_gb"] = round(used / 1024 ** 3, 1)
+            info["disk_total_gb"] = round(total / 1024 ** 3, 1)
+        except Exception:
+            pass
+    # Primaere IP (best effort).
+    try:
+        s = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
+        s.connect(("8.8.8.8", 80))
+        info["primary_ip"] = s.getsockname()[0]
+        s.close()
+    except Exception:
+        info["primary_ip"] = ""
+    return {"ok": True, "result": info}
+
+
+def _do_screenshot(params: dict) -> dict:
+    """Bildschirmfoto via System-Tool (Wayland: grim; X11: scrot/maim/import/
+    gnome-screenshot). Braucht eine aktive grafische Session (DISPLAY/WAYLAND)."""
+    import tempfile
+    tmp = os.path.join(tempfile.gettempdir(), f"aria_shot_{int(time.time())}.png")
+    wayland = bool(os.environ.get("WAYLAND_DISPLAY"))
+    candidates = []
+    if wayland and shutil.which("grim"):
+        candidates.append(["grim", tmp])
+    for tool, argv in (("scrot", ["scrot", "-o", tmp]),
+                       ("maim", ["maim", tmp]),
+                       ("gnome-screenshot", ["gnome-screenshot", "-f", tmp]),
+                       ("import", ["import", "-window", "root", tmp])):
+        if shutil.which(tool):
+            candidates.append(argv)
+    if not candidates:
+        return {"ok": False, "error":
+                "Kein Screenshot-Tool gefunden. Installiere grim (Wayland) oder "
+                "scrot/maim (X11)."}
+    last_err = ""
+    for argv in candidates:
+        try:
+            r = subprocess.run(argv, capture_output=True, text=True, timeout=15)
+            if r.returncode == 0 and os.path.isfile(tmp) and os.path.getsize(tmp) > 0:
+                with open(tmp, "rb") as f:
+                    b = f.read()
+                os.remove(tmp)
+                return {"ok": True, "result": {"format": "png", "bytes": len(b),
+                                               "base64": base64.b64encode(b).decode("ascii")}}
+            last_err = (r.stderr or r.stdout or "").strip()[:200]
+        except Exception as exc:
+            last_err = str(exc)[:200]
+    return {"ok": False, "error": f"Screenshot fehlgeschlagen ({last_err}). "
+            "Laeuft der Agent in derselben grafischen Session?"}
+
+
+ACTIONS = {
+    "exec": _do_exec, "read": _do_read, "write": _do_write,
+    "info": _do_info, "screenshot": _do_screenshot,
+}
+
+
+# ─── RVS-Client ─────────────────────────────────────────────────────
+
+class HostAgent:
+    def __init__(self) -> None:
+        self.ws = None
+
+    def _for_me(self, payload: dict) -> bool:
+        """Command gilt uns, wenn kein host-Feld gesetzt ist (Broadcast) oder es
+        auf unsere ID/Name passt."""
+        target = (payload.get("host") or payload.get("hostId") or "").strip()
+        if not target:
+            return True
+        return target.lower() in (HOST_ID.lower(), HOST_NAME.lower())
+
+    async def _send(self, message: dict) -> None:
+        if self.ws is None:
+            return
+        try:
+            await self.ws.send(json.dumps(message))
+        except Exception as exc:
+            logger.warning("Senden fehlgeschlagen: %s", exc)
+
+    async def _hello(self, log: bool = False) -> None:
+        if log:
+            logger.info("host_hello: id=%s name=%s caps=%s control=%s",
+                        HOST_ID, HOST_NAME, ",".join(CAPS), CONTROL_ENABLED)
+        await self._send({"type": "host_hello", "payload": {
+            "hostId": HOST_ID, "name": HOST_NAME, "os": platform.platform(),
+            "caps": CAPS, "control": CONTROL_ENABLED,
+        }, "timestamp": int(time.time() * 1000)})
+
+    async def _heartbeat(self) -> None:
+        while True:
+            await asyncio.sleep(HEARTBEAT_SEC)
+            await self._send({"type": "host_ping", "payload": {"hostId": HOST_ID},
+                              "timestamp": int(time.time() * 1000)})
+            await self._hello()
+
+    async def _handle(self, raw: str) -> None:
+        try:
+            msg = json.loads(raw)
+        except Exception:
+            return
+        if msg.get("type") != "host_command":
+            return
+        payload = msg.get("payload") or {}
+        if not self._for_me(payload):
+            return
+        req_id = payload.get("requestId", "")
+        action = (payload.get("action") or "").strip()
+        params = payload.get("params") or {}
+        if not CONTROL_ENABLED:
+            result = {"ok": False, "error": "Steuerung ist deaktiviert (CONTROL_ENABLED=false)."}
+        elif action not in ACTIONS:
+            result = {"ok": False, "error": f"Aktion '{action}' unbekannt (bekannt: {', '.join(ACTIONS)})."}
+        else:
+            logger.info("[cmd] %s params=%s", action,
+                        {k: str(v)[:60] for k, v in params.items() if k not in ("base64",)})
+            loop = asyncio.get_event_loop()
+            try:
+                result = await loop.run_in_executor(None, ACTIONS[action], params)
+            except Exception as exc:
+                result = {"ok": False, "error": f"{action} fehlgeschlagen: {exc}"}
+        await self._send({"type": "host_result",
+                          "payload": {"requestId": req_id, "hostId": HOST_ID,
+                                      "action": action, **result},
+                          "timestamp": int(time.time() * 1000)})
+
+    async def run(self) -> None:
+        if not RVS_HOST or not RVS_TOKEN:
+            logger.error("RVS_HOST und RVS_TOKEN sind Pflicht (siehe .env.example).")
+            return
+        backoff = 1
+        while True:
+            proto = "wss" if RVS_TLS else "ws"
+            url = f"{proto}://{RVS_HOST}:{RVS_PORT}?token={RVS_TOKEN}"
+            try:
+                logger.info("Verbinde mit RVS %s://%s:%s …", proto, RVS_HOST, RVS_PORT)
+                async with websockets.connect(url, max_size=16 * 1024 * 1024,
+                                              ping_interval=20, ping_timeout=20) as ws:
+                    self.ws = ws
+                    backoff = 1
+                    await self._hello(log=True)
+                    hb = asyncio.create_task(self._heartbeat())
+                    try:
+                        async for raw in ws:
+                            await self._handle(raw)
+                    finally:
+                        hb.cancel()
+            except Exception as exc:
+                logger.warning("RVS-Verbindung verloren: %s", exc)
+            finally:
+                self.ws = None
+            await asyncio.sleep(backoff)
+            backoff = min(backoff * 2, 30)
+
+
+def main() -> None:
+    logger.info("ARIA Host-Agent startet — id=%s name=%s control=%s root=%s",
+                HOST_ID, HOST_NAME, CONTROL_ENABLED, os.geteuid() == 0)
+    try:
+        asyncio.run(HostAgent().run())
+    except KeyboardInterrupt:
+        pass
+
+
+if __name__ == "__main__":
+    main()

host-agent/requirements.txt

@@ -0,0 +1,2 @@
+websockets>=12.0
+psutil>=5.9      # System-Info (CPU/RAM/Disk/Uptime) fuer host_info

issue.md

@@ -183,9 +183,9 @@ Wichtige Mechanismen:
 - [x] Decimal-zu-Worte fuer TTS (0.1 → null komma eins, mit IP-Schutz-Lookahead)
 - [x] Generic Acronym-Buchstabieren (XTTS → X T T S, USB → U S B, ueber expliziter Liste)
 - [x] voice_preload/voice_ready: Stille Mini-Render bei Voice-Wechsel + Toast/Status "bereit"
-- [x] Whisper STT auf die Gamebox ausgelagert (faster-whisper CUDA, float16) — neuer aria-whisper-bridge Container
+- [x] Whisper STT auf die AI-Box ausgelagert (faster-whisper CUDA, float16) — neuer aria-whisper-bridge Container
-- [x] aria-bridge: STT primaer remote (Gamebox), Fallback lokal nach 45s Timeout
+- [x] aria-bridge: STT primaer remote (AI-Box), Fallback lokal nach 45s Timeout
-- [x] Whisper-Modell hot-swap auf Gamebox via config-Broadcast aus Diagnostic
+- [x] Whisper-Modell hot-swap auf AI-Box via config-Broadcast aus Diagnostic
 - [x] **F5-TTS ersetzt XTTS komplett** — neuer aria-f5tts-bridge Container, Voice Cloning, satzweises Streaming
 - [x] Voice-Upload mit Whisper-Auto-Transkription — User muss keinen Referenz-Text eintippen
 - [x] Audio-Pause statt Ducking: Spotify/YouTube pausieren komplett waehrend TTS (TRANSIENT statt MAY_DUCK)
@@ -334,7 +334,7 @@ Skills mit Tool-Use.
 
 - [x] Datei-Manager (Diagnostic + App-Modal): /shared/uploads/ verwalten, Multi-Select + Select-All + Bulk-Download als ZIP + Bulk-Delete
 - [x] Wipe-All-Button (Memory + Stimmen + Settings)
-- [x] Voice Export/Import pro Stimme (Diagnostic + XTTS-Bridge auf Gamebox)
+- [x] Voice Export/Import pro Stimme (Diagnostic + XTTS-Bridge auf AI-Box)
 - [x] F5/Whisper-Settings als JSON-Bundle Export/Import
 - [x] App Chat-Suche umgebaut: Highlight + Next/Prev statt Filter
 - [x] App Pinch-Zoom in Bildern rewriten (Multi-Touch-Race-Bugs)
@@ -399,7 +399,7 @@ Skills mit Tool-Use.
 ### Architektur
 - [ ] Diagnostic: System-Info Tab (Container-Status, Disk, RAM, CPU)
 - [ ] RVS Zombie-Connections endgueltig loesen
-- [ ] Gamebox: kleine Web-Oberflaeche fuer Credentials/Server-Config oder zentral aus Diagnostic per RVS push
+- [ ] AI-Box: kleine Web-Oberflaeche fuer Credentials/Server-Config oder zentral aus Diagnostic per RVS push
 - [ ] Erste Skills bauen lassen (yt-dlp, pdf-extract, image-resize, etc.) — durch normale Anfragen, ARIA legt sie selbst an
 - [ ] Heartbeat (periodische Selbst-Checks)
 - [ ] Lokales LLM als Waechter (Triage vor Claude-Call)

rvs/server.js

@@ -63,7 +63,7 @@ const ALLOWED_TYPES = new Set([
   "agent_stream",
   "oauth_callback",
   // Lokales LLM (Plan B) — Router im Brain schickt einfache Turns an das
-  // Qwen3 auf der Gamebox (via Bridge → RVS → llm-adapter → llama.cpp).
+  // Qwen3 auf der AI-Box (via Bridge → RVS → llm-adapter → llama.cpp).
   // llm_partial ist fuer B2 (Token-Streaming) reserviert, noch ungenutzt.
   "llm_request", "llm_response", "llm_partial",
   // Workspace-Desktop (Code-Projekte): Live-Code-Editor (CodeMirror in der App)
@@ -80,6 +80,24 @@ const ALLOWED_TYPES = new Set([
   // sat_hello, liefern Geraete-Inventar (sat_devices) auf sat_discover und
   // fuehren Aktionen aus (sat_command → sat_result).
   "sat_hello", "sat_discover", "sat_devices", "sat_command", "sat_result",
+  // Satelliten-Credential-Store: Diagnostic legt pro Geraet Zugangsdaten ab
+  // (SNMP/HTTP/FritzBox), der Satellit speichert sie verschluesselt.
+  "sat_creds_set", "sat_creds_delete", "sat_creds_list",
+  "sat_creds_result", "sat_creds_list_result",
+  // Host-Agenten: ein Agent laeuft direkt auf einem Rechner, meldet sich mit
+  // host_hello/host_ping und fuehrt host_command aus (exec/read/write/info/
+  // screenshot) -> host_result. ARIA steuert so Rechner auch hinter NAT.
+  "host_hello", "host_ping", "host_command", "host_result",
+  // Compute-Flotte (AI-Boxen): Worker (f5tts/whisper/voxtral/llm-adapter) melden
+  // sich per worker_hello an und pingen per worker_ping; der Diagnostic-Server
+  // aggregiert das und broadcastet worker_update/worker_list an die Browser-UI.
+  // node_stats_* speisen den Auslastungs-Monitor (live nvidia-smi + Historie).
+  // OHNE diese Typen verwirft der RVS die Meldungen an der Allow-List (Z. 312),
+  // und die Box bleibt in der Flotte unsichtbar, obwohl sie sendet.
+  "worker_hello", "worker_ping", "worker_update", "worker_list",
+  "node_stats", "node_stats_stream_start", "node_stats_stream_stop",
+  "node_stats_history_request", "node_stats_history",
+  "node_stats_reset", "node_stats_reset_done",
 ]);
 
 // Token-Raum: token -> { clients: Set<ws> }

satellite/.env.example

@@ -24,9 +24,39 @@ CONTROL_ENABLED=true
 # Erlaubte Steuer-Aktionen (kommagetrennt). Alles andere wird abgelehnt.
 #   dial.launch  App-Launch via DIAL (z.B. YouTube-Video auf Fire TV / Smart-TV)
 #   wol          Wake-on-LAN (Geraet per MAC aufwecken)
-#   http.get     generischer HTTP-GET (z.B. lokale IoT-Webhooks)
+#   http.get     generischer HTTP-GET (z.B. lokale IoT-Webhooks, Statusseiten)
 #   http.post    generischer HTTP-POST
-CONTROL_ALLOWLIST=dial.launch,wol,http.get
+#   snmp.get     einzelner SNMP-Wert (params: ip, oid)
+#   snmp.walk    SNMP-Teilbaum (params: ip, oid)
+#   snmp.printer Drucker-Fuellstaende (Tinte/Toner) aus der Printer-MIB (params: ip)
+#   snmp.ports   Switch/Router-Interfaces: aktive/freie Ports (params: ip)
+#   snmp.info    Modell/Seriennummer/Firmware-Version (params: ip)
+#   fritzbox.info  FritzBox: Verbindung/Datenrate/externe IP (TR-064, braucht Login)
+#   fritzbox.hosts FritzBox: verbundene Geraete (TR-064, braucht Login)
+#   ssh.exec     Kommando per SSH ausfuehren (params: ip, cmd; Auth aus Creds 'ssh')
+CONTROL_ALLOWLIST=dial.launch,wol,http.get,snmp.get,snmp.walk,snmp.printer,snmp.ports,snmp.info,fritzbox.info,fritzbox.hosts,ssh.exec
+
+# ─── Credential-Store (optional) ───────────────────────────────────
+# Pro Geraet koennen im Diagnostic Zugangsdaten hinterlegt werden (SNMP-Community/
+# v3, HTTP-Basic, FritzBox-Login). Der Satellit speichert sie VERSCHLUESSELT im
+# Bind-Volume ./data. Der Schluessel wird beim ersten Start automatisch erzeugt
+# (./data/creds.key) — oder hier fest vorgeben (Fernet-Key, base64):
+# CREDS_KEY=
+
+# ─── SNMP (optional) ───────────────────────────────────────────────
+# Defaults fuer die snmp.*-Aktionen; pro Request per params ueberschreibbar.
+SNMP_COMMUNITY=public      # Drucker/Switches antworten meist auf 'public'
+SNMP_VERSION=2c            # 1 | 2c
+SNMP_TIMEOUT_SEC=5
+# Discovery-Anreicherung: jedes entdeckte Geraet wird beim Scan kurz per SNMP
+# nach Name/Beschreibung/Standort/Uptime gefragt (Switches, Router, APs, NAS ...).
+SNMP_DISCOVERY=true
+SNMP_DISCOVERY_CONCURRENCY=16   # parallele SNMP-Abfragen pro Scan
+SNMP_DISCOVERY_TIMEOUT=2        # Timeout je Geraet (s) — Nicht-SNMP-Hosts fallen schnell raus
+
+# ─── HTTP (optional) ───────────────────────────────────────────────
+HTTP_TIMEOUT_SEC=10        # Timeout fuer http.get/http.post
+HTTP_MAX_CHARS=20000       # Default-Body-Ausschnitt (offset/max_chars pro Request)
 
 # ─── Discovery-Tuning (optional) ───────────────────────────────────
 SCAN_INTERVAL_SEC=300      # Hintergrund-Rescan-Intervall

satellite/.gitignore

@@ -0,0 +1,3 @@
+.env
+# Verschluesselter Credential-Store + Schluessel (nie einchecken!)
+data/

satellite/Dockerfile

@@ -5,6 +5,12 @@ FROM python:3.12-slim
 
 WORKDIR /app
 
+# net-snmp-CLI (snmpget/snmpwalk) fuer die snmp.*-Aktionen — z.B. Drucker-
+# Tintenstaende zuverlaessig aus der Printer-MIB statt HTML zu scrapen.
+RUN apt-get update \
+    && apt-get install -y --no-install-recommends snmp \
+    && rm -rf /var/lib/apt/lists/*
+
 COPY requirements.txt .
 RUN pip install --no-cache-dir -r requirements.txt
 

satellite/docker-compose.yml

@@ -21,3 +21,6 @@ services:
     network_mode: host
     env_file: .env
     restart: unless-stopped
+    volumes:
+      # Persistenter Credential-Store (verschluesselt) + Schluesseldatei.
+      - ./data:/data

satellite/requirements.txt

@@ -1,3 +1,5 @@
 websockets>=12.0
 zeroconf>=0.131.0
 requests>=2.31.0
+cryptography>=42.0    # Verschluesselung des Geraete-Credential-Stores (Fernet)
+paramiko>=3.4         # SSH-Client fuer ssh.exec (Passwort ODER Key)

satellite/satellite.py

@@ -35,6 +35,7 @@ import re
 import socket
 import struct
 import time
+from pathlib import Path
 from typing import Optional
 
 import websockets
@@ -113,7 +114,9 @@ SATELLITE_LOCATION = (os.environ.get("SATELLITE_LOCATION") or SATELLITE_ID).stri
 CONTROL_ENABLED = _env_bool("CONTROL_ENABLED", False)
 CONTROL_ALLOWLIST = [
     a.strip() for a in
-    os.environ.get("CONTROL_ALLOWLIST", "dial.launch,wol,http.get").split(",")
+    os.environ.get("CONTROL_ALLOWLIST",
+                   "dial.launch,wol,http.get,snmp.get,snmp.walk,snmp.printer,"
+                   "snmp.ports,snmp.info,fritzbox.info,fritzbox.hosts,ssh.exec").split(",")
     if a.strip()
 ]
 
@@ -121,6 +124,118 @@ SCAN_INTERVAL_SEC = int(os.environ.get("SCAN_INTERVAL_SEC", "300") or "300")
 DISCOVER_TIMEOUT_SEC = float(os.environ.get("DISCOVER_TIMEOUT_SEC", "6") or "6")
 DEVICE_CACHE_TTL_SEC = int(os.environ.get("DEVICE_CACHE_TTL_SEC", "120") or "120")
 
+# http.get/http.post: Body-Ausschnitt. Default grosszuegig (ganze Statusseiten
+# passen), mit hartem Deckel gegen Riesen-Payloads durchs RVS. offset/max_chars
+# pro Request ueberschreibbar; contains-Filter zieht nur relevante Zeilen.
+HTTP_TIMEOUT_SEC = float(os.environ.get("HTTP_TIMEOUT_SEC", "10") or "10")
+HTTP_MAX_CHARS = int(os.environ.get("HTTP_MAX_CHARS", "20000") or "20000")
+HTTP_MAX_CHARS_HARD = int(os.environ.get("HTTP_MAX_CHARS_HARD", "200000") or "200000")
+
+# SSH (ssh.exec): Verbindungs-/Kommando-Timeout. Auth aus dem Credential-Store
+# (Typ 'ssh': user + pass ODER key). Default-Port 22, pro Request/Cred ueberschreibbar.
+SSH_TIMEOUT_SEC = float(os.environ.get("SSH_TIMEOUT_SEC", "20") or "20")
+
+# SNMP (net-snmp-CLI): Default-Community/Version + Timeout. Drucker antworten
+# i.d.R. auf community 'public', v2c.
+SNMP_COMMUNITY = os.environ.get("SNMP_COMMUNITY", "public") or "public"
+SNMP_VERSION = os.environ.get("SNMP_VERSION", "2c") or "2c"
+SNMP_TIMEOUT_SEC = float(os.environ.get("SNMP_TIMEOUT_SEC", "5") or "5")
+# Printer-MIB (RFC 3805) prtMarkerSuppliesEntry-Spalten (numerisch, ohne MIB-Files):
+SNMP_SUPPLY_DESC = "1.3.6.1.2.1.43.11.1.1.6.1"   # Beschreibung (z.B. "Black Ink")
+SNMP_SUPPLY_MAX = "1.3.6.1.2.1.43.11.1.1.8.1"    # Max-Kapazitaet
+SNMP_SUPPLY_LVL = "1.3.6.1.2.1.43.11.1.1.9.1"    # aktueller Fuellstand
+
+# SNMP-Anreicherung bei der Discovery: jedes entdeckte Geraet mit IP wird kurz
+# nach seiner System-Group (RFC 1213) gefragt. Switches/Router/APs/NAS geben so
+# Name, Beschreibung, Standort & Uptime preis -> im Inventar (satellite_devices)
+# sichtbar. Abschaltbar; kurzer Timeout + parallel, damit der Scan flott bleibt.
+SNMP_DISCOVERY = _env_bool("SNMP_DISCOVERY", True)
+SNMP_DISCOVERY_CONCURRENCY = int(os.environ.get("SNMP_DISCOVERY_CONCURRENCY", "16") or "16")
+SNMP_DISCOVERY_TIMEOUT = float(os.environ.get("SNMP_DISCOVERY_TIMEOUT", "2") or "2")
+# System-Group (RFC 1213) .0-Instanzen:
+SNMP_SYS_OIDS = {
+    "descr":    "1.3.6.1.2.1.1.1.0",   # sysDescr
+    "objectid": "1.3.6.1.2.1.1.2.0",   # sysObjectID
+    "uptime":   "1.3.6.1.2.1.1.3.0",   # sysUpTime
+    "contact":  "1.3.6.1.2.1.1.4.0",   # sysContact
+    "name":     "1.3.6.1.2.1.1.5.0",   # sysName
+    "location": "1.3.6.1.2.1.1.6.0",   # sysLocation
+}
+
+# ─── Geraete-Credential-Store (verschluesselt, pro IP) ─────────────
+# Diagnostic legt via sat_creds_set pro Geraet Zugangsdaten ab (SNMP-Community/
+# v3, HTTP-Basic, FritzBox-Login). Der Satellit nutzt sie automatisch bei snmp.*/
+# http/fritzbox. Persistiert verschluesselt (Fernet) in einem Bind-Volume.
+CREDS_PATH = os.environ.get("CREDS_PATH", "/data/credentials.json.enc")
+CREDS_KEY_PATH = os.environ.get("CREDS_KEY_PATH", "/data/creds.key")
+_CREDS: dict = {}          # {ip: {snmp:{...}, http:{...}, fritzbox:{...}}}
+_creds_fernet = None       # Fernet-Instanz (lazy)
+
+
+def _creds_cipher():
+    """Fernet-Instanz; Schluessel aus CREDS_KEY (env) oder Schluesseldatei im
+    Volume (wird beim ersten Start erzeugt, 0600)."""
+    global _creds_fernet
+    if _creds_fernet is not None:
+        return _creds_fernet
+    from cryptography.fernet import Fernet
+    key = os.environ.get("CREDS_KEY", "").strip().encode() or None
+    if not key:
+        kp = Path(CREDS_KEY_PATH)
+        if kp.exists():
+            key = kp.read_bytes().strip()
+        else:
+            key = Fernet.generate_key()
+            kp.parent.mkdir(parents=True, exist_ok=True)
+            kp.write_bytes(key)
+            try:
+                os.chmod(kp, 0o600)
+            except OSError:
+                pass
+            logger.info("[creds] neuer Verschluesselungs-Schluessel erzeugt: %s", CREDS_KEY_PATH)
+    _creds_fernet = Fernet(key)
+    return _creds_fernet
+
+
+def _creds_load() -> None:
+    global _CREDS
+    p = Path(CREDS_PATH)
+    if not p.exists():
+        _CREDS = {}
+        return
+    try:
+        blob = p.read_bytes()
+        raw = _creds_cipher().decrypt(blob)
+        _CREDS = json.loads(raw.decode("utf-8")) or {}
+        logger.info("[creds] %d Geraete-Eintraege geladen", len(_CREDS))
+    except Exception as exc:
+        logger.warning("[creds] laden fehlgeschlagen (%s) — starte leer", exc)
+        _CREDS = {}
+
+
+def _creds_save() -> None:
+    p = Path(CREDS_PATH)
+    p.parent.mkdir(parents=True, exist_ok=True)
+    blob = _creds_cipher().encrypt(json.dumps(_CREDS).encode("utf-8"))
+    p.write_bytes(blob)
+    try:
+        os.chmod(p, 0o600)
+    except OSError:
+        pass
+
+
+def _creds_for(ip: str) -> dict:
+    return _CREDS.get((ip or "").strip(), {}) if ip else {}
+
+
+def _creds_public_summary() -> list:
+    """Fuer sat_creds_list: welche Geraete welche Cred-Typen haben — OHNE Secrets."""
+    out = []
+    for ip, entry in sorted(_CREDS.items()):
+        types = [t for t in ("snmp", "http", "fritzbox", "ssh") if entry.get(t)]
+        out.append({"ip": ip, "types": types})
+    return out
+
 HEARTBEAT_SEC = 25
 
 # mDNS-Servicetypen, die fuer ARIA interessant sind.
@@ -420,6 +535,18 @@ async def _control(action: str, params: dict, devices: list[dict]) -> dict:
             return await loop.run_in_executor(None, _do_wol, params)
         if action in ("http.get", "http.post"):
             return await loop.run_in_executor(None, _do_http, action, params)
+        if action in ("snmp.get", "snmp.walk"):
+            return await loop.run_in_executor(None, _do_snmp, action, params)
+        if action == "snmp.printer":
+            return await loop.run_in_executor(None, _do_snmp_printer, params)
+        if action == "snmp.ports":
+            return await loop.run_in_executor(None, _do_snmp_ports, params)
+        if action == "snmp.info":
+            return await loop.run_in_executor(None, _do_snmp_info, params)
+        if action in ("fritzbox.info", "fritzbox.hosts"):
+            return await loop.run_in_executor(None, _do_fritzbox, action, params)
+        if action == "ssh.exec":
+            return await loop.run_in_executor(None, _do_ssh, params)
         return {"ok": False, "error": f"Aktion '{action}' nicht implementiert."}
     except Exception as exc:
         return {"ok": False, "error": f"{action} fehlgeschlagen: {exc}"}
@@ -471,15 +598,484 @@ def _do_wol(params: dict) -> dict:
     return {"ok": True, "result": f"Wake-on-LAN an {mac} gesendet."}
 
 
+def _window_text(text: str, params: dict) -> dict:
+    """Schneidet grosse Text-Ausgaben zu: optionaler contains-Zeilenfilter, dann
+    offset/max_chars-Fenster. Gibt body + Metadaten (total/returned/truncated)."""
+    total = len(text)
+    contains = params.get("contains")
+    if contains:
+        terms = [contains] if isinstance(contains, str) else list(contains)
+        terms = [str(t).lower() for t in terms if str(t).strip()]
+        if terms:
+            text = "\n".join(ln for ln in text.splitlines()
+                             if any(t in ln.lower() for t in terms))
+    try:
+        offset = max(0, int(params.get("offset", 0)))
+    except (TypeError, ValueError):
+        offset = 0
+    try:
+        max_chars = int(params.get("max_chars", HTTP_MAX_CHARS))
+    except (TypeError, ValueError):
+        max_chars = HTTP_MAX_CHARS
+    max_chars = max(1, min(max_chars, HTTP_MAX_CHARS_HARD))
+    body = text[offset:offset + max_chars]
+    return {"body": body, "total_chars": total, "filtered": bool(contains),
+            "offset": offset, "returned_chars": len(body),
+            "truncated": offset + len(body) < len(text)}
+
+
 def _do_http(action: str, params: dict) -> dict:
+    """HTTP-GET/POST vom Satelliten aus (lokale Webhooks, Geraete-Statusseiten …).
+
+    params:
+      url        Pflicht (http/https).
+      body/headers  optional (POST).
+      offset     ab welchem Zeichen der Body zurueckgegeben wird (Default 0).
+      max_chars  wie viele Zeichen max. (Default HTTP_MAX_CHARS, hart gedeckelt).
+      contains   String oder Liste: nur Zeilen, die (case-insensitive) einen der
+                 Begriffe enthalten, werden zurueckgegeben. Ideal um aus einer
+                 grossen Statusseite nur die relevanten Werte (z.B. Tinte) zu
+                 ziehen, ohne die ganze Seite zu paginieren.
+    Antwort enthaelt total_chars + truncated, damit der Aufrufer weiss, ob noch
+    mehr da ist."""
     import requests
     url = params.get("url") or ""
     if not url.startswith(("http://", "https://")):
         return {"ok": False, "error": "url (http/https) erforderlich."}
     method = "GET" if action == "http.get" else "POST"
+    # HTTP-Basic-Auth: explizite params > gespeicherte http-Creds fuer den Host.
+    auth = None
+    hcreds = {}
+    try:
+        from urllib.parse import urlparse
+        host = urlparse(url).hostname or ""
+        hcreds = _creds_for(host).get("http", {})
+    except Exception:
+        pass
+    user = params.get("user") or hcreds.get("user")
+    pw = params.get("pass") or params.get("password") or hcreds.get("pass")
+    if user or pw:   # Benutzer optional — manche Geraete nutzen Password-only-Basic-Auth
+        auth = (str(user or ""), str(pw or ""))
     r = requests.request(method, url, data=params.get("body"),
-                         headers=params.get("headers"), timeout=6)
+                         headers=params.get("headers"), auth=auth,
-    return {"ok": True, "result": {"status": r.status_code, "body": r.text[:2000]}}
+                         timeout=HTTP_TIMEOUT_SEC)
+    return {"ok": True, "result": {"status": r.status_code, **_window_text(r.text, params)}}
+
+
+def _snmp_run(args: list, timeout: float) -> tuple:
+    """Fuehrt ein net-snmp-CLI-Tool aus. Gibt (ok, stdout|fehlertext)."""
+    import subprocess
+    try:
+        r = subprocess.run(args, capture_output=True, text=True, timeout=timeout)
+    except FileNotFoundError:
+        return False, "snmp-Tools fehlen im Container (Paket 'snmp' im Dockerfile)."
+    except subprocess.TimeoutExpired:
+        return False, "SNMP-Timeout — Geraet antwortet nicht (community/version/IP pruefen)."
+    if r.returncode != 0:
+        return False, (r.stderr or r.stdout or "SNMP-Fehler").strip()[:200]
+    return True, r.stdout
+
+
+def _snmp_base_args(params: dict, ip: str = "") -> list:
+    """Version/Community bzw. v3-Auth. Prioritaet: explizite params > gespeicherte
+    Creds fuer die IP > globale Defaults. OHNE -t/-r (haengt der Aufrufer an)."""
+    creds = _creds_for(ip).get("snmp", {}) if ip else {}
+    version = str(params.get("version") or creds.get("version") or SNMP_VERSION)
+    if version == "3":
+        v3 = creds.get("v3", {}) or {}
+        user = str(params.get("user") or v3.get("user") or "")
+        level = str(params.get("level") or v3.get("level") or "authPriv")
+        args = ["-v", "3", "-u", user, "-l", level]
+        ap = params.get("authProto") or v3.get("authProto")
+        ak = params.get("authKey") or v3.get("authKey")
+        pp = params.get("privProto") or v3.get("privProto")
+        pk = params.get("privKey") or v3.get("privKey")
+        if ap and ak:
+            args += ["-a", str(ap), "-A", str(ak)]
+        if pp and pk:
+            args += ["-x", str(pp), "-X", str(pk)]
+        return args
+    community = str(params.get("community") or creds.get("community") or SNMP_COMMUNITY)
+    return ["-v", version, "-c", community]
+
+
+def _snmp_target(params: dict) -> str:
+    return (params.get("ip") or params.get("host") or params.get("device") or "").strip()
+
+
+def _do_snmp(action: str, params: dict) -> dict:
+    """Generisches snmp.get / snmp.walk.
+    params: {ip|host, oid, community?='public', version?='2c'}."""
+    ip = _snmp_target(params)
+    if not ip:
+        return {"ok": False, "error": "ip/host erforderlich."}
+    oid = str(params.get("oid") or "").strip()
+    if not oid:
+        return {"ok": False, "error": "oid erforderlich (z.B. 1.3.6.1.2.1.1.5.0 fuer sysName)."}
+    tool = "snmpwalk" if action == "snmp.walk" else "snmpget"
+    # -OQ: OID = Wert, ohne Typannotation; numerische OIDs brauchen keine MIB-Files.
+    args = [tool, "-OQ", *_snmp_base_args(params, ip), "-t", "2", "-r", "1", ip, oid]
+    ok, out = _snmp_run(args, SNMP_TIMEOUT_SEC)
+    if not ok:
+        return {"ok": False, "error": out}
+    lines = [ln.strip() for ln in out.splitlines() if ln.strip()]
+    return {"ok": True, "result": {"ip": ip, "oid": oid, "lines": lines[:200]}}
+
+
+def _snmp_walk_values(ip: str, base: list, oid: str) -> list:
+    """snmpwalk -Oqv (nur Werte, in OID-Index-Reihenfolge)."""
+    ok, out = _snmp_run(["snmpwalk", "-Oqv", *base, ip, oid], SNMP_TIMEOUT_SEC)
+    if not ok:
+        return []
+    return [ln.strip().strip('"') for ln in out.splitlines() if ln.strip()]
+
+
+def _do_snmp_printer(params: dict) -> dict:
+    """Komfort: liest die Verbrauchsmaterialien (Tinte/Toner) aus der Printer-MIB
+    und rechnet Fuellstaende in Prozent. params: {ip|host, community?, version?}."""
+    ip = _snmp_target(params)
+    if not ip:
+        return {"ok": False, "error": "ip/host erforderlich."}
+    base = [*_snmp_base_args(params, ip), "-t", "2", "-r", "1"]
+    descs = _snmp_walk_values(ip, base, SNMP_SUPPLY_DESC)
+    if not descs:
+        return {"ok": False, "error":
+                "Keine Printer-MIB-Daten (Geraet unterstuetzt kein SNMP, falsche "
+                "community/version, oder es ist kein Drucker)."}
+    lvls = _snmp_walk_values(ip, base, SNMP_SUPPLY_LVL)
+    maxs = _snmp_walk_values(ip, base, SNMP_SUPPLY_MAX)
+    supplies = []
+    for i, name in enumerate(descs):
+        lvl = _to_int(lvls[i]) if i < len(lvls) else None
+        mx = _to_int(maxs[i]) if i < len(maxs) else None
+        percent = None
+        if lvl is not None and mx and mx > 0 and lvl >= 0:
+            percent = round(lvl / mx * 100)
+        elif lvl == -3:
+            percent = "vorhanden (Stand unbekannt)"   # RFC: some remaining
+        elif lvl in (-1, -2):
+            percent = "unbekannt"
+        supplies.append({"name": name, "level": lvl, "max": mx, "percent": percent})
+    return {"ok": True, "result": {"ip": ip, "supplies": supplies}}
+
+
+# ifTable (RFC 1213) Spalten:
+_IF_DESCR = "1.3.6.1.2.1.2.2.1.2"
+_IF_TYPE = "1.3.6.1.2.1.2.2.1.3"
+_IF_SPEED = "1.3.6.1.2.1.2.2.1.5"
+_IF_ADMIN = "1.3.6.1.2.1.2.2.1.7"   # up(1) down(2)
+_IF_OPER = "1.3.6.1.2.1.2.2.1.8"    # up(1) down(2) ...
+_IF_ALIAS = "1.3.6.1.2.1.31.1.1.1.18"  # ifAlias (ifXTable, optional)
+
+
+def _do_snmp_ports(params: dict) -> dict:
+    """Interface-Uebersicht eines Switches/Routers: welche Ports sind aktiv (Link),
+    welche frei. params: {ip|host, community?/v3?}. ethernetCsmacd(6)=echte Ports;
+    Loopback/VLAN etc. werden als 'other' markiert, nicht als freier Port gezaehlt."""
+    ip = _snmp_target(params)
+    if not ip:
+        return {"ok": False, "error": "ip/host erforderlich."}
+    base = [*_snmp_base_args(params, ip), "-t", "2", "-r", "1"]
+    descr = _snmp_walk_values(ip, base, _IF_DESCR)
+    if not descr:
+        return {"ok": False, "error":
+                "Keine Interface-Daten (kein SNMP / falsche Credentials / kein Switch)."}
+    types = _snmp_walk_values(ip, base, _IF_TYPE)
+    opers = _snmp_walk_values(ip, base, _IF_OPER)
+    admins = _snmp_walk_values(ip, base, _IF_ADMIN)
+    speeds = _snmp_walk_values(ip, base, _IF_SPEED)
+    aliases = _snmp_walk_values(ip, base, _IF_ALIAS)
+    ports = []
+    up = down_free = disabled = 0
+    for i, name in enumerate(descr):
+        itype = _to_int(types[i]) if i < len(types) else None
+        oper = _to_int(opers[i]) if i < len(opers) else None
+        admin = _to_int(admins[i]) if i < len(admins) else None
+        speed = _to_int(speeds[i]) if i < len(speeds) else None
+        is_eth = (itype == 6)   # ethernetCsmacd
+        state = ("up" if oper == 1 else
+                 "disabled" if admin == 2 else "down")
+        if is_eth:
+            if state == "up":
+                up += 1
+            elif state == "disabled":
+                disabled += 1
+            else:
+                down_free += 1
+        ports.append({
+            "name": name.strip('"'),
+            "alias": (aliases[i].strip('"') if i < len(aliases) else ""),
+            "physical": is_eth,
+            "state": state,
+            "speedMbps": round(speed / 1_000_000) if speed else None,
+        })
+    return {"ok": True, "result": {
+        "ip": ip,
+        "summary": {"physical_ports": up + down_free + disabled,
+                    "up": up, "free": down_free, "disabled": disabled},
+        "ports": ports,
+    }}
+
+
+# entPhysicalTable (RFC 4133) — Modell/Serie/Firmware:
+_ENT_MODEL = "1.3.6.1.2.1.47.1.1.1.1.13"    # entPhysicalModelName
+_ENT_SERIAL = "1.3.6.1.2.1.47.1.1.1.1.11"   # entPhysicalSerialNum
+_ENT_SWREV = "1.3.6.1.2.1.47.1.1.1.1.10"    # entPhysicalSoftwareRev
+_ENT_FWREV = "1.3.6.1.2.1.47.1.1.1.1.9"     # entPhysicalFirmwareRev
+
+
+def _do_snmp_info(params: dict) -> dict:
+    """Geraeteinfo: sysName/sysDescr + (falls vorhanden) Modell, Seriennummer,
+    Firmware-/Software-Version aus der Entity-MIB. Sagt die INSTALLIERTE Version —
+    ob ein Update existiert, weiss SNMP nicht (Hersteller-Sache)."""
+    ip = _snmp_target(params)
+    if not ip:
+        return {"ok": False, "error": "ip/host erforderlich."}
+    sysinfo = _snmp_system(ip, str(params.get("community") or ""), str(params.get("version") or ""))
+    base = [*_snmp_base_args(params, ip), "-t", "2", "-r", "1"]
+
+    def _first(oid):
+        vals = [v for v in _snmp_walk_values(ip, base, oid)
+                if v and "No Such" not in v]
+        return vals[0] if vals else None
+
+    result = {
+        "ip": ip,
+        "name": (sysinfo or {}).get("name"),
+        "descr": (sysinfo or {}).get("descr"),
+        "location": (sysinfo or {}).get("location"),
+        "uptime": (sysinfo or {}).get("uptime"),
+        "model": _first(_ENT_MODEL),
+        "serial": _first(_ENT_SERIAL),
+        "firmware": _first(_ENT_FWREV) or _first(_ENT_SWREV),
+    }
+    if not any(result[k] for k in ("name", "descr", "model", "firmware")):
+        return {"ok": False, "error": "Kein SNMP / keine verwertbaren Infos."}
+    return {"ok": True, "result": result}
+
+
+# ─── FritzBox (TR-064) ─────────────────────────────────────────────
+# TR-064 ist SOAP+Digest-Auth — zu fummelig fuer on-the-fly http.post, daher ein
+# schlanker Reader. Braucht FritzBox-Login (Credential-Store, Typ 'fritzbox').
+
+def _tr064(ip: str, user: str, pw: str, service: str, control: str,
+           action: str, args: Optional[dict] = None) -> dict:
+    """Ein TR-064-SOAP-Call. Gibt {ok, fields|error}. fields = alle <NewX>-Tags."""
+    import requests
+    from requests.auth import HTTPDigestAuth
+    body = "".join(f"<{k}>{v}</{k}>" for k, v in (args or {}).items())
+    envelope = (
+        '<?xml version="1.0"?>'
+        '<s:Envelope xmlns:s="http://schemas.xmlsoap.org/soap/envelope/" '
+        's:encodingStyle="http://schemas.xmlsoap.org/soap/encoding/"><s:Body>'
+        f'<u:{action} xmlns:u="{service}">{body}</u:{action}>'
+        '</s:Body></s:Envelope>'
+    )
+    url = f"http://{ip}:49000{control}"
+    try:
+        r = requests.post(url, data=envelope.encode("utf-8"),
+                          headers={"Content-Type": 'text/xml; charset="utf-8"',
+                                   "SOAPAction": f"{service}#{action}"},
+                          auth=HTTPDigestAuth(user, pw), timeout=HTTP_TIMEOUT_SEC)
+    except Exception as exc:
+        return {"ok": False, "error": f"TR-064 nicht erreichbar: {exc}"}
+    if r.status_code == 401:
+        return {"ok": False, "error": "TR-064 Auth fehlgeschlagen (FritzBox-Login pruefen)."}
+    if r.status_code != 200:
+        return {"ok": False, "error": f"TR-064 HTTP {r.status_code}"}
+    fields = {m.group(1): m.group(2) for m in
+              re.finditer(r"<(New[^>/]+)>(.*?)</\1>", r.text, re.DOTALL)}
+    return {"ok": True, "fields": fields}
+
+
+def _do_fritzbox(action: str, params: dict) -> dict:
+    """fritzbox.info  -> Modell/Firmware/Verbindung/externe IP/Datenrate.
+    fritzbox.hosts -> Liste der bekannten Geraete (Name/IP/MAC/aktiv)."""
+    ip = _snmp_target(params)
+    if not ip:
+        return {"ok": False, "error": "ip/host erforderlich."}
+    fb = _creds_for(ip).get("fritzbox", {})
+    user = str(params.get("user") or fb.get("user") or "")
+    pw = str(params.get("pass") or params.get("password") or fb.get("pass") or "")
+    if not pw:
+        return {"ok": False, "error":
+                "Kein FritzBox-Login hinterlegt. In der Geraeteliste Credentials "
+                "(Typ 'fritzbox') fuer diese IP setzen."}
+
+    if action == "fritzbox.hosts":
+        p = _tr064(ip, user, pw, "urn:dslforum-org:service:Hosts:1",
+                   "/upnp/control/hosts", "X_AVM-DE_GetHostListPath")
+        if not p.get("ok"):
+            return p
+        path = p["fields"].get("NewX_AVM-DE_HostListPath", "")
+        if not path:
+            return {"ok": False, "error": "FritzBox lieferte keinen Host-Listen-Pfad."}
+        import requests
+        from requests.auth import HTTPDigestAuth
+        try:
+            r = requests.get(f"http://{ip}:49000{path}",
+                            auth=HTTPDigestAuth(user, pw), timeout=HTTP_TIMEOUT_SEC)
+        except Exception as exc:
+            return {"ok": False, "error": f"Host-Liste nicht abrufbar: {exc}"}
+        hosts = []
+        for item in re.finditer(r"<Item>(.*?)</Item>", r.text, re.DOTALL):
+            blk = item.group(1)
+
+            def _t(tag):
+                m = re.search(rf"<{tag}>(.*?)</{tag}>", blk, re.DOTALL)
+                return m.group(1) if m else ""
+            hosts.append({"name": _t("HostName"), "ip": _t("IPAddress"),
+                          "mac": _t("MACAddress"),
+                          "active": _t("Active") in ("1", "true")})
+        return {"ok": True, "result": {"ip": ip, "count": len(hosts), "hosts": hosts}}
+
+    # fritzbox.info (Default): mehrere Services, Teil-Fehler tolerieren.
+    info = {"ip": ip}
+    dev = _tr064(ip, user, pw, "urn:dslforum-org:service:DeviceInfo:1",
+                 "/upnp/control/deviceinfo", "GetInfo")
+    if dev.get("ok"):
+        f = dev["fields"]
+        info.update({"model": f.get("NewModelName"), "firmware": f.get("NewSoftwareVersion"),
+                     "serial": f.get("NewSerialNumber"), "uptime_s": _to_int(f.get("NewUpTime"))})
+    st = _tr064(ip, user, pw, "urn:dslforum-org:service:WANIPConnection:1",
+                "/upnp/control/wanipconnection1", "GetStatusInfo")
+    if st.get("ok"):
+        info["connection"] = st["fields"].get("NewConnectionStatus")
+        info["connection_uptime_s"] = _to_int(st["fields"].get("NewUptime"))
+    ext = _tr064(ip, user, pw, "urn:dslforum-org:service:WANIPConnection:1",
+                 "/upnp/control/wanipconnection1", "GetExternalIPAddress")
+    if ext.get("ok"):
+        info["external_ip"] = ext["fields"].get("NewExternalIPAddress")
+    link = _tr064(ip, user, pw, "urn:dslforum-org:service:WANCommonInterfaceConfig:1",
+                  "/upnp/control/wancommonifconfig1", "GetCommonLinkProperties")
+    if link.get("ok"):
+        f = link["fields"]
+        dn = _to_int(f.get("NewLayer1DownstreamMaxBitRate"))
+        upr = _to_int(f.get("NewLayer1UpstreamMaxBitRate"))
+        info["downstream_mbit"] = round(dn / 1_000_000, 1) if dn else None
+        info["upstream_mbit"] = round(upr / 1_000_000, 1) if upr else None
+        info["physical_link"] = f.get("NewPhysicalLinkStatus")
+    if len(info) == 1:
+        return {"ok": False, "error":
+                "FritzBox antwortet nicht auf TR-064 (Login/Rechte pruefen; TR-064 in "
+                "der FritzBox unter Heimnetz > Netzwerkeinstellungen aktivieren)."}
+    return {"ok": True, "result": info}
+
+
+# ─── SSH ───────────────────────────────────────────────────────────
+
+def _ssh_load_key(key_str: str):
+    """Laedt einen privaten Schluessel aus einem String (RSA/Ed25519/ECDSA/DSS)."""
+    import io
+    import paramiko
+    for cls in (paramiko.Ed25519Key, paramiko.RSAKey, paramiko.ECDSAKey, paramiko.DSSKey):
+        try:
+            return cls.from_private_key(io.StringIO(key_str))
+        except Exception:
+            continue
+    return None
+
+
+def _do_ssh(params: dict) -> dict:
+    """Fuehrt EIN Kommando per SSH auf einem Geraet aus. params: {ip|host, cmd,
+    user?, pass?, key?, port?}. Auth bevorzugt aus dem Credential-Store (Typ 'ssh').
+    Grosse Ausgaben werden wie bei http.get gefenstert (contains/offset/max_chars)."""
+    import paramiko
+    host = _snmp_target(params)
+    if not host:
+        return {"ok": False, "error": "ip/host erforderlich."}
+    cmd = params.get("cmd") or params.get("command") or ""
+    if not cmd:
+        return {"ok": False, "error": "cmd (Kommando) erforderlich."}
+    creds = _creds_for(host).get("ssh", {})
+    user = str(params.get("user") or creds.get("user") or "")
+    if not user:
+        return {"ok": False, "error": "SSH-Benutzer fehlt (Credentials fuer diese IP setzen)."}
+    port = _to_int(params.get("port") or creds.get("port")) or 22
+    password = params.get("pass") or params.get("password") or creds.get("pass")
+    key_str = params.get("key") or creds.get("key")
+
+    client = paramiko.SSHClient()
+    client.set_missing_host_key_policy(paramiko.AutoAddPolicy())
+    try:
+        kwargs = {"hostname": host, "port": port, "username": user,
+                  "timeout": SSH_TIMEOUT_SEC, "banner_timeout": SSH_TIMEOUT_SEC,
+                  "auth_timeout": SSH_TIMEOUT_SEC, "allow_agent": False,
+                  "look_for_keys": False}
+        if key_str:
+            pkey = _ssh_load_key(str(key_str))
+            if pkey is None:
+                return {"ok": False, "error": "Privater SSH-Key nicht lesbar (Format?)."}
+            kwargs["pkey"] = pkey
+        if password:
+            kwargs["password"] = str(password)
+        client.connect(**kwargs)
+        stdin, stdout, stderr = client.exec_command(cmd, timeout=SSH_TIMEOUT_SEC)
+        exit_code = stdout.channel.recv_exit_status()
+        out = stdout.read().decode("utf-8", "ignore")
+        err = stderr.read().decode("utf-8", "ignore")
+    except paramiko.AuthenticationException:
+        return {"ok": False, "error": "SSH-Auth fehlgeschlagen (User/Passwort/Key pruefen)."}
+    except Exception as exc:
+        return {"ok": False, "error": f"SSH fehlgeschlagen: {exc}"}
+    finally:
+        try:
+            client.close()
+        except Exception:
+            pass
+    win = _window_text(out, params)
+    return {"ok": True, "result": {"host": host, "exit_code": exit_code,
+                                   "stderr": err[:4000], **win}}
+
+
+def _to_int(s: str):
+    try:
+        return int(str(s).strip())
+    except (TypeError, ValueError):
+        return None
+
+
+def _snmp_system(ip: str, community: str = "", version: str = "") -> Optional[dict]:
+    """Fragt die SNMP-System-Group eines Hosts ab (ein snmpget, alle 6 OIDs).
+    Gibt {descr,name,contact,location,uptime,objectid} oder None (kein SNMP).
+    Nutzt gespeicherte Creds fuer die IP; kurzer Timeout, keine Retries ->
+    Nicht-SNMP-Hosts scheitern schnell."""
+    params = {}
+    if community:
+        params["community"] = community
+    if version:
+        params["version"] = version
+    base = [*_snmp_base_args(params, ip), "-t", "1", "-r", "0"]
+    keys = list(SNMP_SYS_OIDS.keys())
+    ok, out = _snmp_run(["snmpget", "-Oqv", *base, ip, *SNMP_SYS_OIDS.values()],
+                        SNMP_DISCOVERY_TIMEOUT)
+    if not ok:
+        return None
+    vals = out.splitlines()
+    info = {}
+    for k, v in zip(keys, vals):
+        v = (v or "").strip().strip('"')
+        if v and "No Such" not in v and "No more" not in v:
+            info[k] = v
+    return info or None
+
+
+def _snmp_kind(descr: str) -> str:
+    """Grobe Geraeteklasse aus sysDescr (fuer type im Inventar)."""
+    d = (descr or "").lower()
+    if any(k in d for k in ("switch", "catalyst", "procurve", "aruba", "powerconnect")):
+        return "switch"
+    if any(k in d for k in ("router", "mikrotik", "routeros", "edgeos", "openwrt", "pfsense", "fritz!box")):
+        return "router"
+    if any(k in d for k in ("access point", "accesspoint", "unifi", "wifi", "wlan")):
+        return "access-point"
+    if any(k in d for k in ("printer", "laserjet", "officejet", "brother", "epson", "kyocera")):
+        return "printer"
+    if any(k in d for k in ("nas", "synology", "qnap", "truenas", "diskstation")):
+        return "nas"
+    if any(k in d for k in ("ups", "usv", "smart-ups")):
+        return "ups"
+    return ""
 
 
 # ─── Helpers ────────────────────────────────────────────────────────
@@ -531,13 +1127,42 @@ class Satellite:
             ssdp = await loop.run_in_executor(None, _discover_ssdp, DISCOVER_TIMEOUT_SEC)
             arp = await loop.run_in_executor(None, _discover_arp)
             self._devices = _merge_devices(mdns, ssdp, arp)
+            if SNMP_DISCOVERY:
+                await self._enrich_snmp(self._devices)
             self._devices_ts = time.time()
-            logger.info("[scan] %d Geraete (mdns=%d ssdp=%d arp=%d)",
+            n_snmp = sum(1 for d in self._devices if d.get("snmpCapable"))
-                        len(self._devices), len(mdns), len(ssdp), len(arp))
+            logger.info("[scan] %d Geraete (mdns=%d ssdp=%d arp=%d, snmp=%d)",
+                        len(self._devices), len(mdns), len(ssdp), len(arp), n_snmp)
         finally:
             self._scanning = False
         return self._devices
 
+    async def _enrich_snmp(self, devices: list) -> None:
+        """Fragt jedes Geraet mit IP parallel per SNMP-System-Group ab und haengt
+        die Infos an. Verbessert Name/Typ, wenn bisher nur eine IP bekannt war."""
+        loop = asyncio.get_event_loop()
+        sem = asyncio.Semaphore(SNMP_DISCOVERY_CONCURRENCY)
+
+        async def _one(dev: dict) -> None:
+            ip = dev.get("ip") or ""
+            if not ip:
+                return
+            async with sem:
+                info = await loop.run_in_executor(None, _snmp_system, ip)
+            if not info:
+                return
+            dev["snmp"] = info
+            dev["snmpCapable"] = True
+            # Name aufwerten, wenn er bisher nur die IP/leer war.
+            if info.get("name") and dev.get("name", "") in ("", ip):
+                dev["name"] = info["name"]
+            # Typ aufwerten, wenn bisher generisch (host/leer).
+            kind = _snmp_kind(info.get("descr", ""))
+            if kind and dev.get("type", "") in ("", "host"):
+                dev["type"] = kind
+
+        await asyncio.gather(*(_one(d) for d in devices))
+
     async def _send(self, message: dict) -> None:
         if self.ws is None:
             return
@@ -597,7 +1222,12 @@ class Satellite:
             params = payload.get("params") or {}
             if payload.get("device") and "device" not in params:
                 params["device"] = payload.get("device")
-            devices = await self._scan()
+            # Geraeteliste nur scannen, wenn die Aktion sie wirklich braucht
+            # (dial.launch loest ein Geraet auf, oder es wurde ein device-Ref
+            # mitgegeben). http.get/http.post/wol arbeiten direkt mit url/mac —
+            # ein voller LAN-Scan davor kostete nur unnoetig viele Sekunden.
+            needs_devices = action == "dial.launch" or bool(params.get("device"))
+            devices = await self._scan() if needs_devices else self._devices
             result = await _control(action, params, devices)
             await self._send({
                 "type": "sat_result",
@@ -605,6 +1235,63 @@ class Satellite:
                 "timestamp": int(time.time() * 1000),
             })
 
+        elif mtype == "sat_creds_set":
+            if not self._for_me(payload):
+                return
+            ip = (payload.get("ip") or "").strip()
+            creds = payload.get("creds") or {}
+            ok = False
+            if ip and isinstance(creds, dict):
+                entry = _CREDS.setdefault(ip, {})
+                for t in ("snmp", "http", "fritzbox", "ssh"):
+                    if t in creds:
+                        if creds[t]:            # leeres Objekt = Typ loeschen
+                            entry[t] = creds[t]
+                        else:
+                            entry.pop(t, None)
+                if not entry:
+                    _CREDS.pop(ip, None)
+                try:
+                    _creds_save()
+                    ok = True
+                except Exception as exc:
+                    logger.warning("[creds] speichern fehlgeschlagen: %s", exc)
+            await self._send({"type": "sat_creds_result",
+                              "payload": {"requestId": payload.get("requestId", ""),
+                                          "satellite": SATELLITE_ID, "ok": ok, "ip": ip},
+                              "timestamp": int(time.time() * 1000)})
+
+        elif mtype == "sat_creds_delete":
+            if not self._for_me(payload):
+                return
+            ip = (payload.get("ip") or "").strip()
+            ctype = (payload.get("type") or "").strip()
+            if ip in _CREDS:
+                if ctype:
+                    _CREDS[ip].pop(ctype, None)
+                    if not _CREDS[ip]:
+                        _CREDS.pop(ip, None)
+                else:
+                    _CREDS.pop(ip, None)
+                try:
+                    _creds_save()
+                except Exception as exc:
+                    logger.warning("[creds] speichern fehlgeschlagen: %s", exc)
+            await self._send({"type": "sat_creds_result",
+                              "payload": {"requestId": payload.get("requestId", ""),
+                                          "satellite": SATELLITE_ID, "ok": True, "ip": ip},
+                              "timestamp": int(time.time() * 1000)})
+
+        elif mtype == "sat_creds_list":
+            if not self._for_me(payload):
+                return
+            await self._send({"type": "sat_creds_list_result",
+                              "payload": {"requestId": payload.get("requestId", ""),
+                                          "satellite": SATELLITE_ID,
+                                          "location": SATELLITE_LOCATION,
+                                          "items": _creds_public_summary()},
+                              "timestamp": int(time.time() * 1000)})
+
     async def _periodic_scan(self) -> None:
         while True:
             try:
@@ -626,6 +1313,7 @@ class Satellite:
         if not RVS_HOST or not RVS_TOKEN:
             logger.error("RVS_HOST und RVS_TOKEN sind Pflicht (siehe .env.example).")
             return
+        _creds_load()
         asyncio.create_task(self._periodic_scan())
         backoff = 1
         while True:

xtts/.env.example

@@ -1,11 +1,51 @@
 # ════════════════════════════════════════════════
-#  ARIA XTTS v2 — Konfiguration
+#  ARIA Compute-Node — Konfiguration
-#  Kopieren nach .env und anpassen
+#  Kopieren nach .env und anpassen (pro Worker-Node eine eigene .env)
 # ════════════════════════════════════════════════
 
-# RVS Verbindung (gleiche Daten wie auf der ARIA-VM)
+# ─── Welche Dienste startet DIESER Node? ──────────
+# Komma-getrennt aus: voxtral, whisper, f5tts, llm
+# Nur die aufgefuehrten Dienste starten bei `docker compose up -d`.
+#   nur STT-Box (Voxtral) → COMPOSE_PROFILES=voxtral
+#   nur STT-Box (Whisper) → COMPOSE_PROFILES=whisper
+#   nur TTS-Box           → COMPOSE_PROFILES=f5tts
+#   nur LLM-Box           → COMPOSE_PROFILES=llm
+#   Kleine Karte (wenig VRAM): Whisper + F5-TTS auf EINER GPU
+#                         → COMPOSE_PROFILES=whisper,f5tts
+#   All-in-One, grosse Karte  → COMPOSE_PROFILES=voxtral,f5tts,llm
+# Hinweis: voxtral UND whisper zusammen NICHT sinnvoll — beide sind STT und
+# wuerden dieselbe Anfrage doppelt beantworten. Pro Node genau EINEN STT waehlen:
+# Voxtral-3B (~9 GB, beste Qualitaet) ODER Whisper (klein, passt neben F5-TTS).
+COMPOSE_PROFILES=whisper,f5tts
+
+# ─── Node-Name ────────────────────────────────────
+# Freier Name dieses Rechners. Erscheint in Diagnostic (Flotten-Anzeige) und
+# in den Logs, und bildet die Instanz-ID der Dienste (z.B. f5tts@ai-box).
+NODE_NAME=ai-box
+
+# ─── GPU-Zuordnung pro Dienst ─────────────────────
+# Setzt NVIDIA_VISIBLE_DEVICES fuer den jeweiligen Container.
+# Einzelne Karte → "0" oder "1"; mehrere Karten → "0,1".
+# Braucht das NVIDIA Container Toolkit (registriert die `nvidia`-Runtime).
+# Nur die GPUs der aktiven Profile (COMPOSE_PROFILES) sind ueberhaupt relevant.
+WHISPER_GPU=0      # kleines STT → passt neben F5-TTS auf EINE Karte
+F5TTS_GPU=0        # TTS ist klein → gleiche Karte wie Whisper
+VOXTRAL_GPU=1      # STT-3B ~9 GB → nur auf einer groesseren Karte (z.B. 12 GB)
+LLM_GPU=0          # lokales LLM (teilt sich ggf. die Karte mit F5-TTS)
+
+# ─── RVS-Verbindung ───────────────────────────────────────
+# WICHTIG: Host, Port UND Token muessen EXAKT mit dem ARIA-Stack (Bridge/
+# Diagnostic) uebereinstimmen — das RVS gruppiert Clients pro Server+Token in
+# einen Raum. Bei abweichendem Port/Host landet die Box in einem ANDEREN Raum
+# und taucht nicht in der Compute-Flotte auf.
 RVS_HOST=example.com
 RVS_PORT=444
 RVS_TLS=true
 RVS_TLS_FALLBACK=true
 RVS_TOKEN=dein_token_hier
+
+# ─── Optional ─────────────────────────────────────
+# HF_TOKEN=            # nur falls ein HF-gated Modell (z.B. Voxtral) geladen wird
+# WHISPER_MODEL=small  # tiny|base|small|medium|large-v3 (Hot-Swap via Diagnostic)
+# WHISPER_LANGUAGE=de
+# LLM_MODEL=qwen3-8b   # Key aus llama-swap/config.yaml

xtts/README.md

@@ -1,7 +1,12 @@
-# ai-box — KI-Box (gpubox) Bootstrap
+# xtts — AI-Box (Compute-Node) Setup & Bootstrap
 
-Macht aus einem frisch installierten **Debian Trixie** (headless, nur SSH) einen
+Der `xtts`-Stack sind ARIAs GPU-Dienste (STT: Voxtral/Whisper · TTS: F5-TTS ·
-startklaren GPU-Satelliten-Host für den `xtts`-Stack (STT/TTS/LLM).
+lokales LLM). Er läuft auf einer oder mehreren **AI-Boxen** — jede per `.env`
+konfiguriert (`COMPOSE_PROFILES`, GPU-Zuordnung). Details zu Profilen/GPU-Wahl
+stehen im Haupt-README (Abschnitt „Compute-Nodes").
+
+`bootstrap.sh` macht aus einem frisch installierten **Debian Trixie** (headless,
+nur SSH) einen startklaren GPU-Host für diesen Stack.
 
 ## Was das Script tut
 
@@ -20,13 +25,13 @@ Alles **idempotent** — mehrfach ausführbar.
 
 ```bash
 git clone <repo> ARIA-AGENT
-cd ARIA-AGENT/ai-box
+cd ARIA-AGENT/xtts
 
 sudo ./bootstrap.sh
 # → Wenn der Treiber frisch installiert wurde: einmal neu starten, dann nochmal:
 sudo reboot
 # … nach dem Boot:
-cd ARIA-AGENT/ai-box
+cd ARIA-AGENT/xtts
 sudo ./bootstrap.sh --up --token <DEIN_RVS_TOKEN>
 ```
 

xtts/bootstrap.sh

@@ -4,13 +4,15 @@
 # GPU-Satelliten-Host fuer den xtts-Stack (Voxtral/Whisper STT, F5-TTS, lokales LLM).
 #
 # Ablauf nach `git clone`:
-#   cd ARIA-AGENT/ai-box
+#   cd ARIA-AGENT/xtts
 #   sudo ./bootstrap.sh                 # richtet Treiber + Docker + NVIDIA-Toolkit ein
 #   # (falls Treiber frisch installiert: einmal `sudo reboot`, dann Script erneut)
 #   sudo ./bootstrap.sh --up            # dazu: xtts-Stack (Whisper+F5+LLM) hochziehen
 #
 # Optionen:
 #   --up            am Ende den xtts-Stack starten (Default-Profil, OHNE voxtral)
+#   --upgrade-driver  NVIDIA-Treiber aus trixie-backports (modernes CUDA fuer Voxtral).
+#                     Danach REBOOT noetig. Default-Bootstrap laesst 550 unangetastet.
 #   --token <TOK>   RVS_TOKEN in xtts/.env eintragen (alternativ: env RVS_TOKEN=...)
 #   --rvs-host <H>  RVS_HOST setzen (Default aus .env.example)
 #
@@ -21,11 +23,13 @@ set -euo pipefail
 
 # ── CLI ──
 DO_UP=0
+DO_UPGRADE_DRIVER=0
 RVS_TOKEN_ARG="${RVS_TOKEN:-}"
 RVS_HOST_ARG="${RVS_HOST:-}"
 while [[ $# -gt 0 ]]; do
   case "$1" in
     --up) DO_UP=1; shift ;;
+    --upgrade-driver) DO_UPGRADE_DRIVER=1; shift ;;
     --token) RVS_TOKEN_ARG="${2:-}"; shift 2 ;;
     --rvs-host) RVS_HOST_ARG="${2:-}"; shift 2 ;;
     -h|--help) grep '^#' "$0" | sed 's/^# \{0,1\}//'; exit 0 ;;
@@ -90,6 +94,45 @@ fi
 [[ $ENABLED_ANY -eq 0 ]] && ok "non-free schon aktiv"
 apt-get update -qq   # immer neu einlesen, damit der Kandidat sicher da ist
 
+# ── 2b. (opt-in) Treiber-Upgrade via trixie-backports — fuer Voxtral/modernes CUDA ──
+# Der Trixie-Standardtreiber (550, CUDA 12.4) ist zu alt fuer den modernen Stack
+# (torch 2.13, vLLM). Backports bringt einen neueren, apt-verwalteten Treiber.
+# NUR mit --upgrade-driver, damit ein laufendes Setup nicht ungewollt angefasst wird.
+if [[ "$DO_UPGRADE_DRIVER" -eq 1 ]]; then
+  step "NVIDIA-Treiber-Upgrade (trixie-backports)"
+  BP_FILE="/etc/apt/sources.list.d/backports.sources"
+  if ! grep -rqs "trixie-backports" /etc/apt/sources.list /etc/apt/sources.list.d/ 2>/dev/null; then
+    cat > "$BP_FILE" <<'EOF'
+Types: deb
+URIs: http://deb.debian.org/debian
+Suites: trixie-backports
+Components: main contrib non-free non-free-firmware
+Signed-By: /usr/share/keyrings/debian-archive-keyring.gpg
+EOF
+    ok "trixie-backports hinzugefuegt"
+  else
+    ok "trixie-backports bereits aktiv"
+  fi
+  apt-get update
+  apt-get install -y linux-headers-amd64 || true
+  apt-get install -y "linux-headers-$(uname -r)" || true
+  if apt-get install -y -t trixie-backports nvidia-driver; then
+    dkms autoinstall >/dev/null 2>&1 || true
+    NEWV="$(dpkg-query -W -f='${Version}' nvidia-driver 2>/dev/null || echo '?')"
+    ok "nvidia-driver aus backports installiert: ${NEWV}"
+    echo
+    echo -e "${c_y}==> REBOOT noetig, damit der neue Treiber laedt:${c_0}"
+    echo -e "${c_y}    sudo reboot   &&   danach:  cd xtts && sudo ./bootstrap.sh --up --token <TOKEN>${c_0}"
+    echo -e "${c_y}    (nvidia-smi zeigt dann die neue Version + CUDA-Level)${c_0}"
+    exit 0
+  else
+    warn "backports-Install fehlgeschlagen — 550er bleibt aktiv."
+    warn "Alternative fuer den neuesten Treiber: NVIDIAs CUDA-Repo fuer debian13"
+    warn "  (developer.download.nvidia.com/compute/cuda/repos/debian13/x86_64) → Paket 'cuda-drivers'."
+    die "Treiber-Upgrade nicht moeglich — siehe oben."
+  fi
+fi
+
 # ── 3. NVIDIA-Treiber ──
 step "NVIDIA-Treiber"
 if nvidia-smi >/dev/null 2>&1; then

xtts/docker-compose.yml

@@ -1,45 +1,50 @@
 # ════════════════════════════════════════════════
-#  ARIA Gamebox Stack — GPU F5-TTS + Whisper STT
+#  ARIA Compute-Node — GPU-Dienste (STT / TTS / LLM)
-#  Laeuft auf dem Gaming-PC (RTX 3060)
-#  Verbindet sich zum RVS fuer TTS/STT-Requests
 #
-#  FLUX-Bildgenerierung liegt im /flux Verzeichnis im Repo-Root —
+#  KEINE feste "AI-Box" mehr: dieser Stack laeuft auf beliebig vielen
-#  eigener Compose-Stack, kann auch auf einer anderen Maschine laufen.
+#  Worker-Nodes. Jeder Node startet ueber COMPOSE_PROFILES nur die Dienste,
+#  die er anbieten soll, und pinnt sie per *_GPU auf bestimmte Grafikkarten.
+#  Alles verbindet sich ueber RVS mit der ARIA-Infrastruktur — kein VPN.
+#
+#  Beispiele (in der jeweiligen .env):
+#    STT-Box     → COMPOSE_PROFILES=voxtral
+#    TTS-Box     → COMPOSE_PROFILES=f5tts
+#    LLM-Box     → COMPOSE_PROFILES=llm
+#    All-in-One  → COMPOSE_PROFILES=voxtral,f5tts,llm   (die alte AI-Box)
+#
+#  FLUX-Bildgenerierung liegt im /flux Verzeichnis — eigener Stack.
 # ════════════════════════════════════════════════
 #
 #  Voraussetzungen:
-#    - Docker Desktop mit WSL2
+#    - Docker + NVIDIA Container Toolkit (registriert die `nvidia`-Runtime)
-#    - NVIDIA Container Toolkit
+#    - .env mit RVS-Verbindungsdaten, COMPOSE_PROFILES, NODE_NAME, *_GPU
-#    - .env mit RVS-Verbindungsdaten
 #
-#  Start: docker compose up -d
+#  Start: docker compose up -d      (liest COMPOSE_PROFILES aus der .env)
 # ════════════════════════════════════════════════
 
 services:
 
   # ─── F5-TTS Bridge (GPU) ──────────────────────
-  # Ersetzt den frueheren XTTS-Stack. Empfaengt xtts_request via RVS,
+  # Empfaengt xtts_request via RVS, rendert via F5-TTS mit Voice-Cloning,
-  # rendert via F5-TTS mit Voice-Cloning, streamt PCM an die App.
+  # streamt PCM an die App. Voice-Upload: speichert WAV und laesst eine
-  # Voice-Upload: speichert WAV und laesst whisper-bridge den Referenz-
+  # STT-Bridge den Referenztext transkribieren — der User tippt nichts.
-  # text transkribieren — der User muss nichts eintippen.
   f5tts-bridge:
     build: ./f5tts
     container_name: aria-f5tts-bridge
-    deploy:
+    profiles: ["f5tts"]          # startet nur mit COMPOSE_PROFILES=…f5tts…
-      resources:
+    runtime: nvidia
-        reservations:
-          devices:
-            - driver: nvidia
-              device_ids: ["0"]      # TTS → GPU 0 (8 GB; F5 ist klein)
-              capabilities: [gpu]
     volumes:
       - ./voices:/voices                         # WAV + TXT Referenz
       - ./hf-cache:/root/.cache/huggingface      # HF-Cache als Bind-Mount.
                                                  # Direkt sichtbar im xtts/hf-cache/,
                                                  # einfach manuell zu loeschen, kein
                                                  # Docker-Desktop .vhdx Bloat.
-                                                 # Wird mit whisper-bridge geteilt.
+                                                 # Wird mit STT-Bridges geteilt.
     environment:
+      # GPU-Wahl: NVIDIA_VISIBLE_DEVICES (mehrere via "0,1"). Default GPU 0.
+      - NVIDIA_VISIBLE_DEVICES=${F5TTS_GPU:-0}
+      - NVIDIA_DRIVER_CAPABILITIES=compute,utility
+      - NODE_NAME=${NODE_NAME:-node}             # erscheint in Diagnostic + Logs
       # Bootstrap-only — alle anderen F5-TTS-Settings (Modell, cfg_strength,
       # nfe_step, Custom-Checkpoint) kommen ueber Diagnostic via RVS-config.
       - RVS_HOST=${RVS_HOST}
@@ -51,26 +56,22 @@ services:
       - VOICES_DIR=/voices
     restart: unless-stopped
 
-  # ─── Whisper STT (GPU) ────────────────────────
+  # ─── Whisper STT (GPU) — opt-in Fallback-STT ──
-  # Faster-Whisper auf der Gamebox statt auf der VM (CPU) —
+  # Faster-Whisper auf CUDA. Verbindet sich selbst per WebSocket an den RVS
-  # deutlich schneller. Verbindet sich selbst per WebSocket an
+  # und nimmt stt_request / stt_stream_* Nachrichten entgegen. Zusaetzlich
-  # den RVS und nimmt dort stt_request Nachrichten der aria-bridge
+  # nutzt die f5tts-bridge Whisper intern fuer die Referenz-Transkription bei
-  # entgegen, antwortet mit stt_response. Zusaetzlich nutzt die
+  # Voice-Uploads. Modell-Hot-Swap via Diagnostic (config-Broadcast).
-  # f5tts-bridge Whisper intern fuer die Referenz-Transkription bei
+  # Nur EINEN STT-Provider pro Node laufen lassen (voxtral ODER whisper) —
-  # Voice-Uploads. Laedt das Modell beim Start vor; auf Config-
+  # sonst beantworten beide dieselbe Anfrage doppelt.
-  # Broadcasts (Diagnostic → whisperModel) wird zur Laufzeit hot-
-  # swapped.
   whisper-bridge:
     build: ./whisper
     container_name: aria-whisper-bridge
-    deploy:
+    profiles: ["whisper"]        # startet nur mit COMPOSE_PROFILES=…whisper…
-      resources:
+    runtime: nvidia
-        reservations:
-          devices:
-            - driver: nvidia
-              device_ids: ["1"]      # STT/groesstes Modell → GPU 1 (12 GB; spaeter Voxtral-STT-3B ~9 GB)
-              capabilities: [gpu]
     environment:
+      - NVIDIA_VISIBLE_DEVICES=${WHISPER_GPU:-1}
+      - NVIDIA_DRIVER_CAPABILITIES=compute,utility
+      - NODE_NAME=${NODE_NAME:-node}
       - RVS_HOST=${RVS_HOST}
       - RVS_PORT=${RVS_PORT:-443}
       - RVS_TLS=${RVS_TLS:-true}
@@ -90,43 +91,74 @@ services:
                                                  # Container-Restarts.
     restart: unless-stopped
 
-  # ─── Lokales LLM (Plan B, B0.5) — llama-swap (GPU) ────────────
+  # ─── Voxtral STT-3B (Transformers, GPU) — DEFAULT-STT ─────────
-  # llama-swap laedt/swappt mehrere Modelle on-demand (nur eins passt gleich-
+  # Voxtral-Mini-3B-2507 (~9 GB bf16). Laeuft auf Treiber 550/CUDA 12.4
-  # zeitig in die 12 GB). Welches geladen wird, bestimmt das `model`-Feld im
+  # (torch cu124, KEIN Treiber-Upgrade noetig). Whisper ist der opt-in
-  # Request — das Brain schickt es aus local_llm.json mit. Erster Load eines
+  # Fallback — immer nur EINEN STT-Provider pro Node aktiv haben.
-  # Modells zieht das GGUF via -hf von HF (Cache unter /models, persistent).
+  voxtral-bridge:
+    build: ./voxtral
+    container_name: aria-voxtral-bridge
+    profiles: ["voxtral"]        # startet nur mit COMPOSE_PROFILES=…voxtral…
+    runtime: nvidia
+    volumes:
+      - ./hf-cache:/root/.cache/huggingface      # gleicher Modell-Cache wie whisper/f5
+      - ./voice-id:/voice-id                     # Speaker-Fingerprint (wie whisper)
+    environment:
+      - NVIDIA_VISIBLE_DEVICES=${VOXTRAL_GPU:-1}  # STT-3B ~9 GB → 12-GB-Karte
+      - NVIDIA_DRIVER_CAPABILITIES=compute,utility
+      - NODE_NAME=${NODE_NAME:-node}
+      - RVS_HOST=${RVS_HOST}
+      - RVS_PORT=${RVS_PORT:-443}
+      - RVS_TLS=${RVS_TLS:-true}
+      - RVS_TLS_FALLBACK=${RVS_TLS_FALLBACK:-true}
+      - RVS_TOKEN=${RVS_TOKEN}
+      - VOXTRAL_MODEL=mistralai/Voxtral-Mini-3B-2507
+      - VOXTRAL_LANGUAGE=${WHISPER_LANGUAGE:-de}
+      - HUGGING_FACE_HUB_TOKEN=${HF_TOKEN:-}   # falls das Modell HF-gated ist
+      - PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True   # weniger VRAM-Fragmentierung
+    restart: unless-stopped
+
+  # ─── Lokales LLM — llama-swap (GPU) ───────────
+  # llama-swap laedt/swappt mehrere Modelle on-demand. Welches geladen wird,
+  # bestimmt das `model`-Feld im Request (Brain schickt es aus local_llm.json).
+  # Erster Load zieht das GGUF via -hf von HF (Cache unter /models, persistent).
   # OpenAI-kompatibel auf :8080, nur im Compose-Netz; die Bruecke macht der
-  # llm-adapter. Modell-Liste: ./llama-swap/config.yaml.
+  # llm-adapter. Die Modell-Liste erzeugt der llm-adapter dynamisch aus
-  #
+  # ./llama-swap/config.yaml (Basis) + Registry → /models/llama-swap.config.yaml.
-  # BLIND GEBAUT (kein Gamebox-Test hier): beim ersten Start
-  # `docker logs -f aria-llama-swap` pruefen. Image bundelt llama-server.
   llama-swap:
     image: ghcr.io/mostlygeek/llama-swap:unified-cuda
     container_name: aria-llama-swap
-    deploy:
+    profiles: ["llm"]            # startet nur mit COMPOSE_PROFILES=…llm…
-      resources:
+    runtime: nvidia
-        reservations:
-          devices:
-            - driver: nvidia
-              device_ids: ["0"]      # LLM → GPU 0 (8 GB, teilt sich mit TTS)
-              capabilities: [gpu]
     volumes:
-      - ./models:/models                                   # HF-Download-Cache (persistent)
+      - ./models:/models                                   # HF-Cache + generierte Config
-      - ./llama-swap/config.yaml:/app/config.yaml:ro       # Modell-Liste
     environment:
+      - NVIDIA_VISIBLE_DEVICES=${LLM_GPU:-0}
+      - NVIDIA_DRIVER_CAPABILITIES=compute,utility
       - LLAMA_CACHE=/models                                # llama-server legt -hf-Downloads hier ab
-    command: ["--config", "/app/config.yaml", "--listen", "0.0.0.0:8080"]
+    # Liest die vom llm-adapter generierte Config. Beim allerersten Boot faengt
+    # restart: unless-stopped die Reihenfolge ab, bis der Adapter sie geschrieben hat.
+    command: ["--config", "/models/llama-swap.config.yaml", "--listen", "0.0.0.0:8080"]
     restart: unless-stopped
 
-  # ─── Local-LLM-Adapter — RVS <-> llama.cpp (Plan B, B0) ──────
+  # ─── Local-LLM-Adapter — RVS <-> llama.cpp ────
-  # Verbindet sich per Token an den RVS (wie f5tts/whisper), nimmt
+  # Verbindet sich per Token an den RVS (wie f5tts/whisper), nimmt llm_request
-  # llm_request entgegen, ruft llama.cpp lokal, antwortet llm_response.
+  # entgegen, ruft llama.cpp lokal, antwortet llm_response. Verwaltet ausserdem
+  # llama-swaps Config (Modelle hinzufuegen/entfernen via llm_provision_model).
   llm-adapter:
     build: ./llm-adapter
     container_name: aria-llm-adapter
+    profiles: ["llm"]
+    runtime: nvidia          # nur fuer nvidia-smi (Auslastungs-Monitor) — kein Compute
     depends_on:
       - llama-swap
+    volumes:
+      - ./models:/models                                   # generierte Config + Registry + Cache
+      - ./llama-swap:/llamaswap:ro                          # Basis-Template (config.yaml)
     environment:
+      - NVIDIA_VISIBLE_DEVICES=all                         # alle Karten sichtbar (nur nvidia-smi)
+      - NVIDIA_DRIVER_CAPABILITIES=utility                 # utility = nvidia-smi, KEIN VRAM/Compute
+      - NODE_NAME=${NODE_NAME:-node}
       - RVS_HOST=${RVS_HOST}
       - RVS_PORT=${RVS_PORT:-443}
       - RVS_TLS=${RVS_TLS:-true}
@@ -134,59 +166,9 @@ services:
       - RVS_TOKEN=${RVS_TOKEN}
       - LLAMA_URL=http://llama-swap:8080
       - LLM_MODEL=${LLM_MODEL:-qwen3-8b}
+      - LLAMA_BASE_CONFIG=/llamaswap/config.yaml
+      - LLAMA_GEN_CONFIG=/models/llama-swap.config.yaml
+      - LLM_REGISTRY=/models/aria_models.json
       # Erster Load eines Modells kann ein GGUF ziehen (mehrere GB) — grosszuegig.
       - LLM_TIMEOUT_SEC=${LLM_TIMEOUT_SEC:-600}
     restart: unless-stopped
-
-  # ─── Voxtral STT (GPU, Realtime) — PROFIL "voxtral" ───────────
-  # Ersetzt whisper als STT sobald die 24-GB-Karte da ist. Startet NUR mit
-  #   docker compose --profile voxtral up -d
-  # (sonst kollidiert es mit whisper — beide wuerden stt_* beantworten).
-  #
-  # ⚠️ VRAM: Voxtral-Mini-4B-Realtime-2602 braucht >=16 GB (BF16, laut vLLM-
-  #    Rezept keine Quant). Laeuft NICHT auf der 3060 (12 GB) — erst 24-GB-Karte.
-  # ⚠️ vLLM: Version >=0.20.0 noetig. Entrypoint/Serve-Form beim ersten Lauf
-  #    gegen das offizielle Rezept pruefen (siehe voxtral/README.md).
-  voxtral-vllm:
-    image: vllm/vllm-openai:latest
-    container_name: aria-voxtral-vllm
-    profiles: ["voxtral"]
-    deploy:
-      resources:
-        reservations:
-          devices:
-            - driver: nvidia
-              count: 1
-              capabilities: [gpu]
-    volumes:
-      - ./hf-cache:/root/.cache/huggingface      # gleicher Modell-Cache wie whisper/f5
-    environment:
-      - VLLM_DISABLE_COMPILE_CACHE=1
-      - HUGGING_FACE_HUB_TOKEN=${HF_TOKEN:-}
-    # Serve-Command aus dem vLLM-Rezept (Voxtral-Mini-4B-Realtime-2602).
-    command:
-      - --model
-      - mistralai/Voxtral-Mini-4B-Realtime-2602
-      - --tokenizer-mode
-      - mistral
-      - --compilation_config
-      - '{"cudagraph_mode":"PIECEWISE"}'
-    restart: unless-stopped
-
-  # ─── Voxtral-Bridge — RVS <-> vLLM-Realtime-WS (CPU-Glue) ─────
-  voxtral-bridge:
-    build: ./voxtral
-    container_name: aria-voxtral-bridge
-    profiles: ["voxtral"]
-    depends_on:
-      - voxtral-vllm
-    environment:
-      - RVS_HOST=${RVS_HOST}
-      - RVS_PORT=${RVS_PORT:-443}
-      - RVS_TLS=${RVS_TLS:-true}
-      - RVS_TLS_FALLBACK=${RVS_TLS_FALLBACK:-true}
-      - RVS_TOKEN=${RVS_TOKEN}
-      - VOXTRAL_VLLM_URL=ws://voxtral-vllm:8000/v1/realtime
-      - VOXTRAL_MODEL=mistralai/Voxtral-Mini-4B-Realtime-2602
-      - VOXTRAL_LANGUAGE=${WHISPER_LANGUAGE:-de}
-    restart: unless-stopped

xtts/f5tts/Dockerfile

@@ -20,6 +20,7 @@ COPY requirements.txt .
 RUN printf 'torch==2.6.0\ntorchaudio==2.6.0\n' > /tmp/torch-constraint.txt && \
     pip3 install --no-cache-dir -c /tmp/torch-constraint.txt -r requirements.txt
 
+COPY node_stats.py .
 COPY bridge.py .
 
 CMD ["python3", "bridge.py"]

xtts/f5tts/bridge.py

@@ -1,6 +1,6 @@
 #!/usr/bin/env python3
 """
-ARIA F5-TTS Bridge — laeuft auf der Gamebox (RTX 3060).
+ARIA F5-TTS Bridge — laeuft auf der AI-Box (RTX 3060).
 
 Empfaengt xtts_request via RVS → F5-TTS Voice Cloning auf GPU → streamt
 16-bit PCM Chunks als audio_pcm Nachrichten zurueck an die App.
@@ -60,6 +60,24 @@ RVS_TOKEN = os.getenv("RVS_TOKEN", "").strip()
 # f5ttsCkptFile, f5ttsVocabFile, f5ttsCfgStrength, f5ttsNfeStep).
 F5TTS_DEVICE = os.getenv("F5TTS_DEVICE", "cuda")  # nur Bootstrap
 
+# ── Compute-Fleet: Worker-Identitaet & Registrierung ──────────────
+# Meldet sich bei der aria-bridge (worker_hello) + periodischer worker_ping.
+NODE_NAME = os.getenv("NODE_NAME", "node").strip() or "node"
+GPU_IDS = os.getenv("NVIDIA_VISIBLE_DEVICES", "").strip()
+WORKER_SERVICE = "f5tts"
+INSTANCE_ID = f"{WORKER_SERVICE}@{NODE_NAME}"
+WORKER_PING_INTERVAL_S = int(os.getenv("WORKER_PING_INTERVAL_S", "10"))
+# Empfangs-Watchdog: kommt in RX_STALE_S kein Broadcast rein (ein echter Raum hat
+# staendig Traffic, z.B. sat_hello alle 25s / Brain-Polling), gilt die Verbindung
+# als halb-tot (Caddy pongt die WS-Pings selbst) -> Zwangs-Reconnect.
+RX_STALE_S = int(os.getenv("RX_STALE_S", "60"))
+_tts_busy = False   # True waehrend eine Synthese laeuft (busy-Report im ping)
+
+# ── Auslastungs-Monitor (Stage E) ──────────────────────────
+import node_stats
+STATS_PATH = os.getenv("STATS_PATH", f"/root/.cache/huggingface/aria_stats_{WORKER_SERVICE}.json")
+_stats = node_stats.NodeStats(INSTANCE_ID, NODE_NAME, STATS_PATH, logger=logger)
+
 DEFAULT_F5TTS_MODEL = "F5TTS_v1_Base"
 DEFAULT_F5TTS_CKPT_FILE = ""        # leer = Default-Checkpoint von HF
 DEFAULT_F5TTS_VOCAB_FILE = ""       # leer = Default-Vocab vom Modell
@@ -378,7 +396,7 @@ async def _send(ws, mtype: str, payload: dict) -> None:
 # ──────────────────────────────────────────────────────────────
 #  DEBUG-LOG ueber RVS → /shared/logs/app.log
 #
-#  Gleiches Pattern wie in whisper-bridge: Stefan's Gamebox ist
+#  Gleiches Pattern wie in whisper-bridge: Stefan's AI-Box ist
 #  Windows (kein SSH), in Zukunft koennten whisper + f5tts auf
 #  unterschiedlichen Hosts laufen. Logs ueber RVS heisst: ein Pfad.
 #
@@ -460,13 +478,16 @@ _tts_queue: asyncio.Queue[tuple] = asyncio.Queue()
 
 async def _tts_worker(ws, runner: F5Runner) -> None:
     """Serialisiert Synthesen — GPU kann sonst OOM gehen."""
+    global _tts_busy
     while True:
         text, voice, request_id, message_id, language, speed = await _tts_queue.get()
+        _tts_busy = True
         try:
             await _do_tts(ws, runner, text, voice, request_id, message_id, language, speed)
         except Exception:
             logger.exception("TTS-Worker Fehler")
         finally:
+            _tts_busy = False
             _tts_queue.task_done()
 
 
@@ -663,6 +684,18 @@ async def handle_voice_upload(ws, payload: dict) -> None:
         await _send(ws, "xtts_voice_saved", {"name": name, "error": str(e)[:200]})
 
 
+def _local_voice_names() -> list:
+    """Namen der lokal vorhandenen Nutzer-Stimmen (ohne den Box-lokalen
+    default_ref-Fallback) — fuer die Provisioning-Reconciliation im worker_hello."""
+    names = []
+    if VOICES_DIR.exists():
+        for wav in sorted(VOICES_DIR.glob("*.wav")):
+            if wav.stem == "default_ref":
+                continue
+            names.append(wav.stem)
+    return names
+
+
 async def handle_list_voices(ws) -> None:
     try:
         voices = []
@@ -699,13 +732,16 @@ async def handle_delete_voice(ws, payload: dict) -> None:
 async def handle_export_voice(ws, payload: dict) -> None:
     """Packt eine Stimme (.wav + .txt) als tar.gz und sendet sie base64 zurueck."""
     name = (payload.get("name") or "").strip()
+    # requestId aus dem Request zuruueckspiegeln — der Diagnostic-Bibliothekar
+    # korreliert damit zentrale Exports gegen browser-initiierte.
+    req_id = payload.get("requestId", "") or ""
     if not name:
-        await _send(ws, "xtts_voice_exported", {"ok": False, "error": "name fehlt"})
+        await _send(ws, "xtts_voice_exported", {"ok": False, "requestId": req_id, "error": "name fehlt"})
         return
     try:
         wav, txt = voice_paths(name)
         if not wav.exists():
-            await _send(ws, "xtts_voice_exported", {"ok": False, "name": name, "error": "Stimme nicht gefunden"})
+            await _send(ws, "xtts_voice_exported", {"ok": False, "requestId": req_id, "name": name, "error": "Stimme nicht gefunden"})
             return
         import io, tarfile
         buf = io.BytesIO()
@@ -715,10 +751,10 @@ async def handle_export_voice(ws, payload: dict) -> None:
                 tar.add(txt, arcname=txt.name)
         data = base64.b64encode(buf.getvalue()).decode("ascii")
         logger.info("Voice exportiert: %s (%d KB tar.gz)", name, len(buf.getvalue()) // 1024)
-        await _send(ws, "xtts_voice_exported", {"ok": True, "name": name, "data": data})
+        await _send(ws, "xtts_voice_exported", {"ok": True, "requestId": req_id, "name": name, "data": data})
     except Exception as e:
         logger.exception("handle_export_voice Fehler")
-        await _send(ws, "xtts_voice_exported", {"ok": False, "name": name, "error": str(e)[:200]})
+        await _send(ws, "xtts_voice_exported", {"ok": False, "requestId": req_id, "name": name, "error": str(e)[:200]})
 
 
 async def handle_import_voice(ws, payload: dict) -> None:
@@ -808,6 +844,31 @@ async def _broadcast_status(ws, state: str, **extra) -> None:
     await _send(ws, "service_status", payload)
 
 
+async def _worker_register(ws, *, model: str = "", busy_fn=None) -> None:
+    """Meldet diesen Worker bei der aria-bridge an (worker_hello) und haelt die
+    Flotten-Registry per periodischem worker_ping frisch. worker_hello wird
+    zusaetzlich alle ~30s WIEDERHOLT (wie der Satellit sat_hello), damit auch ein
+    neu gestartetes Diagnostic/Bridge uns lernt — RVS spielt hellos nicht nach."""
+    def _hello():
+        return {"instanceId": INSTANCE_ID, "service": WORKER_SERVICE,
+                "node": NODE_NAME, "gpus": GPU_IDS, "model": model,
+                "voices": _local_voice_names()}
+    try:
+        await _send(ws, "worker_hello", _hello())
+        n = 0
+        while True:
+            await asyncio.sleep(WORKER_PING_INTERVAL_S)
+            n += 1
+            busy = bool(busy_fn()) if busy_fn else False
+            await _send(ws, "worker_ping", {"instanceId": INSTANCE_ID, "busy": busy})
+            if n % 3 == 0:
+                await _send(ws, "worker_hello", _hello())
+    except asyncio.CancelledError:
+        raise
+    except Exception:
+        return   # Socket tot → still beenden; run_loop reconnectet + startet neu
+
+
 async def run_loop(runner: F5Runner) -> None:
     use_tls = RVS_TLS
     retry_s = 2
@@ -816,7 +877,7 @@ async def run_loop(runner: F5Runner) -> None:
 
     while True:
         scheme = "wss" if use_tls else "ws"
-        url = f"{scheme}://{RVS_HOST}:{RVS_PORT}/ws?token={RVS_TOKEN}"
+        url = f"{scheme}://{RVS_HOST}:{RVS_PORT}?token={RVS_TOKEN}"
         masked = url.replace(RVS_TOKEN, "***") if RVS_TOKEN else url
 
         try:
@@ -855,15 +916,31 @@ async def run_loop(runner: F5Runner) -> None:
 
                 # TTS-Worker fuer diese Verbindung starten
                 worker = asyncio.create_task(_tts_worker(ws, runner))
+                ping_task = asyncio.create_task(_worker_register(
+                    ws, model=runner.model_id,
+                    busy_fn=lambda: _tts_busy or not _tts_queue.empty()))
 
                 try:
-                    async for raw in ws:
+                    while True:
+                        try:
+                            raw = await asyncio.wait_for(ws.recv(), timeout=RX_STALE_S)
+                        except asyncio.TimeoutError:
+                            logger.warning("Kein RVS-Traffic seit %ds — Verbindung halb-tot, reconnect", RX_STALE_S)
+                            raise ConnectionError("rvs-stale")
                         try:
                             msg = json.loads(raw)
                         except Exception:
                             continue
                         mtype = msg.get("type", "")
                         payload = msg.get("payload", {}) or {}
+                        # Redundanz-Routing: gezielt an eine andere Instanz
+                        # adressiert → ignorieren. Ohne targetInstance → wie bisher.
+                        tgt = payload.get("targetInstance")
+                        if tgt and tgt != INSTANCE_ID:
+                            continue
+                        # Auslastungs-Monitor (node_stats_*) abfangen.
+                        if await _stats.handle(ws, mtype, payload, _send):
+                            continue
 
                         if mtype == "xtts_request":
                             try:
@@ -958,6 +1035,7 @@ async def run_loop(runner: F5Runner) -> None:
                                 _last_diag_voice = ""
                 finally:
                     worker.cancel()
+                    ping_task.cancel()
                     try:
                         await worker
                     except asyncio.CancelledError:
@@ -985,6 +1063,7 @@ async def main() -> None:
         sys.exit(1)
     VOICES_DIR.mkdir(parents=True, exist_ok=True)
     runner = F5Runner()
+    asyncio.create_task(_stats.run_sampler())   # Auslastungs-Sampler (Stage E)
     await run_loop(runner)
 
 

xtts/f5tts/node_stats.py

@@ -0,0 +1,167 @@
+"""
+ARIA Node-Stats — Auslastungs-Monitor pro Box (GPU + optional Tokens).
+
+Identische Kopie in jedem Worker-Build-Context (f5tts/whisper/voxtral/llm-adapter),
+weil jeder Worker ein eigener Docker-Build-Context ist.
+
+Aufgaben:
+- Sampler-Loop (alle SAMPLE_SEC): nvidia-smi-Auslastung + Token-Delta → Ringpuffer
+  (persistent als JSON auf der Box). Laeuft unabhaengig vom Modal.
+- Live-Stream: bei node_stats_stream_start jede Sekunde rohes nvidia-smi + Werte
+  senden (bis stop / Auto-Timeout).
+- History-Request + Reset (Besen).
+
+Reicht `handle(ws, mtype, payload)` in die Worker-Message-Loop ein; gibt True
+zurueck, wenn die Nachricht eine node_stats_*-Nachricht war.
+"""
+import asyncio
+import json
+import os
+import time
+
+SAMPLE_SEC = int(os.getenv("STATS_SAMPLE_SEC", "15"))
+HISTORY_CAP = int(os.getenv("STATS_HISTORY_CAP", "500"))   # ~2h bei 15s
+STREAM_MAX_SEC = int(os.getenv("STATS_STREAM_MAX_SEC", "300"))
+
+
+async def _run_cmd(*args, timeout=8) -> str:
+    """Fuehrt ein Kommando aus, gibt stdout (str) zurueck; '' bei Fehler."""
+    try:
+        proc = await asyncio.create_subprocess_exec(
+            *args,
+            stdout=asyncio.subprocess.PIPE,
+            stderr=asyncio.subprocess.DEVNULL,
+        )
+        out, _ = await asyncio.wait_for(proc.communicate(), timeout=timeout)
+        return (out or b"").decode("utf-8", "replace")
+    except Exception:
+        return ""
+
+
+class NodeStats:
+    def __init__(self, instance_id: str, node_name: str, history_path: str,
+                 token_getter=None, logger=None):
+        self.instance_id = instance_id
+        self.node_name = node_name
+        self.history_path = history_path
+        self.token_getter = token_getter   # callable -> kumulative Token-Zahl (oder None)
+        self.log = logger
+        self.samples = self._load()
+        self._last_tokens = self._tokens_now()
+        self._stream_task = None
+
+    # ── Persistenz ──────────────────────────────────────────
+    def _load(self) -> list:
+        try:
+            with open(self.history_path) as f:
+                data = json.load(f)
+            return data if isinstance(data, list) else []
+        except Exception:
+            return []
+
+    def _persist(self) -> None:
+        try:
+            os.makedirs(os.path.dirname(self.history_path) or ".", exist_ok=True)
+            tmp = self.history_path + ".tmp"
+            with open(tmp, "w") as f:
+                json.dump(self.samples[-HISTORY_CAP:], f)
+            os.replace(tmp, self.history_path)
+        except Exception:
+            pass
+
+    def _tokens_now(self) -> int:
+        try:
+            return int(self.token_getter()) if self.token_getter else 0
+        except Exception:
+            return 0
+
+    # ── nvidia-smi ──────────────────────────────────────────
+    async def _query_gpu(self) -> dict:
+        """Aggregierte GPU-Werte ueber alle sichtbaren Karten."""
+        out = await _run_cmd(
+            "nvidia-smi",
+            "--query-gpu=utilization.gpu,memory.used,memory.total",
+            "--format=csv,noheader,nounits")
+        utils, used, total = [], 0, 0
+        for line in out.strip().splitlines():
+            parts = [p.strip() for p in line.split(",")]
+            if len(parts) < 3:
+                continue
+            try:
+                utils.append(float(parts[0]))
+                used += float(parts[1])
+                total += float(parts[2])
+            except ValueError:
+                continue
+        gpu = round(sum(utils) / len(utils), 1) if utils else 0.0
+        return {"gpu": gpu, "memUsed": int(used), "memTotal": int(total)}
+
+    async def _nvidia_smi_text(self) -> str:
+        txt = await _run_cmd("nvidia-smi")
+        return txt or "nvidia-smi nicht verfuegbar"
+
+    # ── Sampler (Verlauf) ───────────────────────────────────
+    async def run_sampler(self) -> None:
+        while True:
+            try:
+                g = await self._query_gpu()
+                now_tok = self._tokens_now()
+                dtok = max(0, now_tok - self._last_tokens)
+                self._last_tokens = now_tok
+                self.samples.append({
+                    "ts": int(time.time()),
+                    "gpu": g["gpu"], "memUsed": g["memUsed"],
+                    "memTotal": g["memTotal"], "tokens": dtok,
+                })
+                if len(self.samples) > HISTORY_CAP:
+                    self.samples = self.samples[-HISTORY_CAP:]
+                self._persist()
+            except Exception as e:
+                if self.log:
+                    self.log.debug("node_stats sample fehlgeschlagen: %s", e)
+            await asyncio.sleep(SAMPLE_SEC)
+
+    # ── Live-Stream ─────────────────────────────────────────
+    async def _stream(self, ws, send) -> None:
+        t0 = time.time()
+        try:
+            while time.time() - t0 < STREAM_MAX_SEC:
+                g = await self._query_gpu()
+                smi = await self._nvidia_smi_text()
+                await send(ws, "node_stats", {
+                    "instanceId": self.instance_id, "node": self.node_name,
+                    "nvidiaSmi": smi, **g,
+                })
+                await asyncio.sleep(1)
+        except asyncio.CancelledError:
+            raise
+        except Exception:
+            return
+
+    # ── Dispatch ────────────────────────────────────────────
+    async def handle(self, ws, mtype: str, payload: dict, send) -> bool:
+        if mtype == "node_stats_stream_start":
+            if self._stream_task and not self._stream_task.done():
+                self._stream_task.cancel()
+            self._stream_task = asyncio.create_task(self._stream(ws, send))
+            return True
+        if mtype == "node_stats_stream_stop":
+            if self._stream_task:
+                self._stream_task.cancel()
+                self._stream_task = None
+            return True
+        if mtype == "node_stats_history_request":
+            await send(ws, "node_stats_history", {
+                "instanceId": self.instance_id, "node": self.node_name,
+                "samples": self.samples[-HISTORY_CAP:],
+                "tokenCapable": self.token_getter is not None,
+                "sampleSec": SAMPLE_SEC,
+            })
+            return True
+        if mtype == "node_stats_reset":
+            self.samples = []
+            self._persist()
+            await send(ws, "node_stats_reset_done",
+                       {"instanceId": self.instance_id, "node": self.node_name})
+            return True
+        return False

xtts/llm-adapter/Dockerfile

@@ -3,6 +3,7 @@ FROM python:3.11-slim
 WORKDIR /app
 COPY requirements.txt .
 RUN pip install --no-cache-dir -r requirements.txt
+COPY node_stats.py .
 COPY adapter.py .
 
 CMD ["python", "-u", "adapter.py"]

xtts/llm-adapter/README.md

@@ -1,6 +1,6 @@
-# Local-LLM-Adapter (Gamebox) — Plan B, Phase B0
+# Local-LLM-Adapter (AI-Box) — Plan B, Phase B0
 
-Bringt ein lokales, schnelles LLM (Qwen3 8B) auf die Gamebox und haengt es
+Bringt ein lokales, schnelles LLM (Qwen3 8B) auf die AI-Box und haengt es
 per RVS an ARIA — fuer die einfachen ~80 % der Turns (<1 s), waehrend Claude
 das Tiefen-Hirn bleibt. Siehe `docs/plan-local-llm-router.md` im Repo-Root.
 
@@ -17,7 +17,7 @@ das Tiefen-Hirn bleibt. Siehe `docs/plan-local-llm-router.md` im Repo-Root.
 cached es unter `xtts/models/` (Bind-Mount → kein Re-Download bei Restart).
 Default: **Qwen3 8B, Q4_K_M** aus dem offiziellen Repo `Qwen/Qwen3-8B-GGUF`.
 
-Modell/Quant wechseln = in der `.env` der Gamebox setzen (kein Code):
+Modell/Quant wechseln = in der `.env` der AI-Box setzen (kein Code):
 
 ```
 LLM_HF_REPO=Qwen/Qwen3-8B-GGUF     # HF-Repo
@@ -35,7 +35,7 @@ umstellen + Container neu — Ein-Zeilen-Wechsel, kein Code.
 Modelle) ist ein geplanter Folge-Baustein via `llama-swap` — siehe
 `docs/plan-local-llm-router.md`.
 
-## Start (auf der Gamebox)
+## Start (auf der AI-Box)
 
 ```bash
 cd xtts

xtts/llm-adapter/adapter.py

@@ -1,5 +1,5 @@
 """
-ARIA Local-LLM-Adapter (Gamebox) — Plan B, Phase B0.
+ARIA Local-LLM-Adapter (AI-Box) — Plan B, Phase B0.
 
 Bruecke zwischen RVS und dem lokalen llama.cpp-Server. Spiegelt das Muster der
 whisper-bridge: verbindet sich per WebSocket mit dem RVS (Token-Room, TLS mit
@@ -7,7 +7,7 @@ ws-Fallback, Reconnect-Backoff), lauscht auf `llm_request` und ruft den lokalen
 llama.cpp-`/v1/chat/completions`-Endpoint (OpenAI-kompatibel), antwortet mit
 `llm_response` (korreliert per requestId).
 
-Topologie: Gamebox steht zuhause, ARIA im RZ — die Kommunikation laeuft ueber
+Topologie: AI-Box steht zuhause, ARIA im RZ — die Kommunikation laeuft ueber
 den RVS (wie TTS/STT), keine IPs zu pflegen. Nur URL + Token.
 
 Env:
@@ -47,6 +47,19 @@ RVS_TOKEN = os.getenv("RVS_TOKEN", "").strip()
 LLAMA_URL = os.getenv("LLAMA_URL", "http://llama:8081").rstrip("/")
 LLM_MODEL = os.getenv("LLM_MODEL", "qwen3-8b")
 LLM_TIMEOUT_SEC = float(os.getenv("LLM_TIMEOUT_SEC", "60"))
+
+# ── Compute-Fleet: Worker-Identitaet & Registrierung ──────────────
+# Meldet sich bei der aria-bridge (worker_hello) + periodischer worker_ping.
+NODE_NAME = os.getenv("NODE_NAME", "node").strip() or "node"
+GPU_IDS = os.getenv("NVIDIA_VISIBLE_DEVICES", "").strip()
+WORKER_SERVICE = "llm"
+INSTANCE_ID = f"{WORKER_SERVICE}@{NODE_NAME}"
+WORKER_PING_INTERVAL_S = int(os.getenv("WORKER_PING_INTERVAL_S", "10"))
+# Empfangs-Watchdog: kommt in RX_STALE_S kein Broadcast rein (ein echter Raum hat
+# staendig Traffic, z.B. sat_hello alle 25s / Brain-Polling), gilt die Verbindung
+# als halb-tot (Caddy pongt die WS-Pings selbst) -> Zwangs-Reconnect.
+RX_STALE_S = int(os.getenv("RX_STALE_S", "60"))
+_inflight = 0   # laufende llm_requests (busy-Report im ping)
 # Qwen3 hat Thinking-Mode default AN — dann verbraet es Tokens in einem
 # <think>-Block und liefert (bei kleinem max_tokens) leeren/abgeschnittenen
 # content, ausserdem 3x langsamer. ARIAs schnelles Tier will KEIN Grübeln
@@ -56,6 +69,94 @@ LLM_TIMEOUT_SEC = float(os.getenv("LLM_TIMEOUT_SEC", "60"))
 # empfindlich reagiert: LLM_DISABLE_THINKING=false setzen.
 LLM_DISABLE_THINKING = os.getenv("LLM_DISABLE_THINKING", "true").lower() == "true"
 
+# ── Modell-Verwaltung (Stage D): Adapter besitzt llama-swaps Config ──
+# llama-swap liest die GENERIERTE Config (beschreibbar, im /models-Bind). Wir
+# erzeugen sie aus dem Basis-Template (kuratierte Defaults) + der persistenten
+# Box-Registry (per Diagnostic hinzugefuegte Modelle). So werden neue Modelle
+# ohne Image-Rebuild waehlbar.
+import yaml  # pyyaml
+BASE_CONFIG_PATH = os.getenv("LLAMA_BASE_CONFIG", "/llamaswap/config.yaml")
+GEN_CONFIG_PATH = os.getenv("LLAMA_GEN_CONFIG", "/models/llama-swap.config.yaml")
+REGISTRY_PATH = os.getenv("LLM_REGISTRY", "/models/aria_models.json")
+
+# ── Auslastungs-Monitor (Stage E) ──────────────────────────
+import node_stats
+STATS_PATH = os.getenv("STATS_PATH", "/models/aria_stats.json")
+_total_tokens = 0   # kumulativ, fuer den Token-Graph
+_stats = node_stats.NodeStats(INSTANCE_ID, NODE_NAME, STATS_PATH,
+                              token_getter=lambda: _total_tokens, logger=logger)
+
+
+def _load_registry() -> list:
+    try:
+        with open(REGISTRY_PATH) as f:
+            data = json.load(f)
+        return data if isinstance(data, list) else []
+    except Exception:
+        return []
+
+
+def _save_registry(reg: list) -> None:
+    try:
+        tmp = REGISTRY_PATH + ".tmp"
+        with open(tmp, "w") as f:
+            json.dump(reg, f, indent=2)
+        os.replace(tmp, REGISTRY_PATH)
+    except Exception as e:
+        logger.warning("Registry speichern fehlgeschlagen: %s", e)
+
+
+def _generate_config() -> int:
+    """Schreibt die llama-swap-Config aus Basis-Template + Registry. Gibt die
+    Anzahl Modelle zurueck. Idempotent, bei jeder Aenderung + beim Start."""
+    base = {}
+    try:
+        with open(BASE_CONFIG_PATH) as f:
+            base = yaml.safe_load(f) or {}
+    except Exception as e:
+        logger.warning("Basis-Template %s nicht lesbar (%s)", BASE_CONFIG_PATH, e)
+    models = dict(base.get("models") or {})
+    for e in _load_registry():
+        key = (e.get("key") or "").strip()
+        repo = (e.get("hfRepo") or "").strip()
+        if not key or not repo:
+            continue
+        quant = (e.get("quant") or "Q4_K_M").strip()
+        ctx = int(e.get("ctx") or 8192)
+        ngl = int(e.get("ngl") or 99)
+        models[key] = {
+            "cmd": (f"llama-server --port ${{PORT}} --host 127.0.0.1\n"
+                    f"-hf {repo}:{quant}\n-ngl {ngl} -c {ctx} --jinja"),
+            "ttl": 3600,
+        }
+    out = dict(base)
+    out["models"] = models
+    try:
+        os.makedirs(os.path.dirname(GEN_CONFIG_PATH), exist_ok=True)
+        tmp = GEN_CONFIG_PATH + ".tmp"
+        with open(tmp, "w") as f:
+            yaml.safe_dump(out, f, sort_keys=False, default_flow_style=False)
+        os.replace(tmp, GEN_CONFIG_PATH)
+        logger.info("llama-swap-Config generiert: %d Modelle → %s", len(models), GEN_CONFIG_PATH)
+    except Exception as e:
+        logger.error("Config schreiben fehlgeschlagen: %s", e)
+    return len(models)
+
+
+async def _reload_llama() -> None:
+    """Stoesst llama-swap-Reload an. Viele Builds watchen die Config-Datei ohnehin;
+    zusaetzlich versuchen wir bekannte Reload-Endpunkte (Fehler ignoriert)."""
+    for path in ("/api/config/reload", "/reload"):
+        try:
+            async with httpx.AsyncClient(timeout=10) as c:
+                r = await c.post(f"{LLAMA_URL}{path}")
+                if r.status_code < 400:
+                    logger.info("llama-swap reload via %s", path)
+                    return
+        except Exception:
+            pass
+    logger.info("llama-swap reload: kein Endpoint — verlasse mich auf File-Watch")
+
 
 async def _send(ws, mtype: str, payload: dict) -> None:
     try:
@@ -99,11 +200,17 @@ async def _call_llama(messages: list, *, max_tokens: int, temperature: float,
             r.raise_for_status()
             data = r.json()
         msg = (data.get("choices") or [{}])[0].get("message", {}) or {}
+        usage = data.get("usage") or {}
+        try:
+            global _total_tokens
+            _total_tokens += int(usage.get("total_tokens") or 0)
+        except Exception:
+            pass
         return {
             "ok": True,
             "content": msg.get("content") or "",
             "tool_calls": msg.get("tool_calls") or None,
-            "usage": data.get("usage"),
+            "usage": usage,
         }
     except Exception as e:
         logger.warning("llama.cpp-Call fehlgeschlagen: %s", e)
@@ -124,7 +231,63 @@ async def _emit_llm_status(ws, state: str, model: str, **extra) -> None:
                 {"service": "llm", "state": state, "model": model, **extra})
 
 
+async def _fetch_available_models() -> list:
+    """Fragt llama-swap ab, welche Modelle diese Box fahren kann (GET /v1/models,
+    OpenAI-kompatibel → {data:[{id},...]}). Das sind die config.yaml-Keys.
+    Defensiv: bei Fehler Fallback auf [LLM_MODEL]."""
+    try:
+        async with httpx.AsyncClient(timeout=10) as client:
+            r = await client.get(f"{LLAMA_URL}/v1/models")
+            r.raise_for_status()
+            data = r.json()
+        ids = [m.get("id") for m in (data.get("data") or []) if m.get("id")]
+        return ids or [LLM_MODEL]
+    except Exception as e:
+        logger.warning("llama-swap /v1/models nicht abfragbar (%s) — Fallback [%s]", e, LLM_MODEL)
+        return [LLM_MODEL]
+
+
+async def _announce(ws) -> None:
+    """Sendet ein frisches worker_hello mit der aktuellen Modell-Liste (nach
+    Provision/Remove aufrufen, damit Bridge+Diagnostic das neue Modell lernen)."""
+    models = await _fetch_available_models()
+    await _send(ws, "worker_hello", {
+        "instanceId": INSTANCE_ID, "service": WORKER_SERVICE,
+        "node": NODE_NAME, "gpus": GPU_IDS, "model": LLM_MODEL,
+        "models": models,   # welche Modelle diese Box fahren kann (llama-swap-Keys)
+    })
+    logger.info("worker_hello: models=%s", models)
+
+
+async def _worker_register(ws) -> None:
+    """Meldet diesen Worker bei der aria-bridge an (worker_hello) und haelt die
+    Flotten-Registry per periodischem worker_ping (mit busy-Status) frisch."""
+    try:
+        await _announce(ws)
+        n = 0
+        while True:
+            await asyncio.sleep(WORKER_PING_INTERVAL_S)
+            n += 1
+            await _send(ws, "worker_ping",
+                        {"instanceId": INSTANCE_ID, "busy": _inflight > 0})
+            if n % 3 == 0:   # ~30s worker_hello wiederholen (wie der Satellit) →
+                await _announce(ws)   # auch neu gestartetes Diagnostic/Bridge lernt uns
+    except asyncio.CancelledError:
+        raise
+    except Exception:
+        return   # Socket tot → still beenden; _run reconnectet + startet neu
+
+
 async def _handle_llm_request(ws, payload: dict) -> None:
+    global _last_model, _inflight
+    _inflight += 1
+    try:
+        await _do_llm_request(ws, payload)
+    finally:
+        _inflight -= 1
+
+
+async def _do_llm_request(ws, payload: dict) -> None:
     global _last_model
     req_id = payload.get("requestId", "")
     messages = payload.get("messages") or []
@@ -177,6 +340,61 @@ async def _handle_llm_request(ws, payload: dict) -> None:
     })
 
 
+async def _handle_provision(ws, payload: dict) -> None:
+    """Fuegt ein Modell hinzu: Registry+Config schreiben, reload, dann Warmup
+    (zieht das GGUF via -hf beim ersten Load). Meldet die neue Modell-Liste."""
+    key = (payload.get("key") or "").strip()
+    repo = (payload.get("hfRepo") or "").strip()
+    if not key or not repo:
+        await _send(ws, "llm_provision_result",
+                    {"instanceId": INSTANCE_ID, "key": key, "ok": False, "error": "key/hfRepo fehlt"})
+        return
+    entry = {
+        "key": key, "hfRepo": repo,
+        "quant": (payload.get("quant") or "Q4_K_M").strip(),
+        "ctx": int(payload.get("ctx") or 8192),
+        "ngl": int(payload.get("ngl") or 99),
+    }
+    reg = [e for e in _load_registry() if e.get("key") != key]
+    reg.append(entry)
+    _save_registry(reg)
+    _generate_config()
+    await _reload_llama()
+    await _announce(ws)   # Bridge/Diagnostic lernen das neue Modell
+    # Warmup: Mini-Request → llama-swap laedt/zieht das Modell (Fortschritt via
+    # service_status loading→ready, freshlyDownloaded).
+    await _emit_llm_status(ws, "loading", key)
+    t0 = time.time()
+    res = await _call_llama([{"role": "user", "content": "hi"}],
+                            max_tokens=1, temperature=0.0, stop=None, model=key)
+    dt = time.time() - t0
+    if res.get("ok"):
+        _ready_models.add(key)
+        await _emit_llm_status(ws, "ready", key, loadSeconds=round(dt, 1),
+                               freshlyDownloaded=dt > 25)
+    else:
+        await _emit_llm_status(ws, "error", key, error=(res.get("error") or "")[:160])
+    await _send(ws, "llm_provision_result",
+                {"instanceId": INSTANCE_ID, "key": key, "ok": res.get("ok", False),
+                 "error": res.get("error"), "elapsedMs": int(dt * 1000)})
+    logger.info("provision %s (%s) → ok=%s %.1fs", key, repo, res.get("ok"), dt)
+
+
+async def _handle_remove(ws, payload: dict) -> None:
+    """Entfernt ein Modell aus Registry+Config (GGUF bleibt im Cache)."""
+    key = (payload.get("key") or "").strip()
+    if not key:
+        return
+    reg = [e for e in _load_registry() if e.get("key") != key]
+    _save_registry(reg)
+    _generate_config()
+    await _reload_llama()
+    await _announce(ws)
+    await _send(ws, "llm_provision_result",
+                {"instanceId": INSTANCE_ID, "key": key, "ok": True, "removed": True})
+    logger.info("removed model %s", key)
+
+
 async def _run() -> None:
     if not RVS_HOST:
         logger.error("RVS_HOST nicht gesetzt — Abbruch")
@@ -185,13 +403,21 @@ async def _run() -> None:
         logger.error("RVS_TOKEN nicht gesetzt — Abbruch")
         return
 
+    # llama-swap-Config aus Basis-Template + Registry erzeugen, BEVOR llama-swap
+    # sie braucht (llama-swap restart: unless-stopped faengt die Erst-Boot-
+    # Reihenfolge ab, falls es kurz vor uns startet).
+    _generate_config()
+
+    # Auslastungs-Sampler (GPU + Tokens) laeuft unabhaengig vom RVS.
+    asyncio.create_task(_stats.run_sampler())
+
     use_tls = RVS_TLS
     retry_s = 2
     tls_fallback_tried = False
 
     while True:
         scheme = "wss" if use_tls else "ws"
-        url = f"{scheme}://{RVS_HOST}:{RVS_PORT}/ws?token={RVS_TOKEN}"
+        url = f"{scheme}://{RVS_HOST}:{RVS_PORT}?token={RVS_TOKEN}"
         masked = url.replace(RVS_TOKEN, "***") if RVS_TOKEN else url
         try:
             logger.info("Verbinde zu RVS: %s (llama=%s)", masked, LLAMA_URL)
@@ -201,19 +427,43 @@ async def _run() -> None:
                 logger.info("RVS verbunden — llm-adapter online")
                 retry_s = 2
                 tls_fallback_tried = False
-                async for raw in ws:
+                ping_task = asyncio.create_task(_worker_register(ws))
+                while True:
+                    try:
+                        raw = await asyncio.wait_for(ws.recv(), timeout=RX_STALE_S)
+                    except asyncio.TimeoutError:
+                        logger.warning("Kein RVS-Traffic seit %ds — Verbindung halb-tot, reconnect", RX_STALE_S)
+                        raise ConnectionError("rvs-stale")
                     try:
                         msg = json.loads(raw)
                     except Exception:
                         continue
-                    if msg.get("type") != "llm_request":
+                    mtype = msg.get("type")
-                        continue
                     payload = msg.get("payload", {}) or {}
-                    # Jede Anfrage nebenlaeufig — llama.cpp serialisiert intern,
+                    # Redundanz-Routing: gezielt an eine andere Instanz adressiert
-                    # aber wir blockieren so nicht den Empfang weiterer Messages.
+                    # → ignorieren. Ohne targetInstance → wie bisher (jeder nimmt).
-                    asyncio.create_task(_handle_llm_request(ws, payload))
+                    tgt = payload.get("targetInstance")
+                    if tgt and tgt != INSTANCE_ID:
+                        continue
+                    # Auslastungs-Monitor (node_stats_*) abfangen.
+                    if await _stats.handle(ws, mtype, payload, _send):
+                        continue
+                    if mtype not in ("llm_request", "llm_provision_model", "llm_remove_model"):
+                        continue
+                    if mtype == "llm_provision_model":
+                        asyncio.create_task(_handle_provision(ws, payload))
+                    elif mtype == "llm_remove_model":
+                        asyncio.create_task(_handle_remove(ws, payload))
+                    else:
+                        # Jede Anfrage nebenlaeufig — llama.cpp serialisiert intern,
+                        # aber wir blockieren so nicht den Empfang weiterer Messages.
+                        asyncio.create_task(_handle_llm_request(ws, payload))
         except Exception as e:
             logger.warning("RVS-Verbindung verloren/fehlgeschlagen: %s", e)
+            try:
+                ping_task.cancel()
+            except NameError:
+                pass
             if use_tls and RVS_TLS_FALLBACK and not tls_fallback_tried:
                 tls_fallback_tried = True
                 use_tls = False

xtts/llm-adapter/node_stats.py

@@ -0,0 +1,167 @@
+"""
+ARIA Node-Stats — Auslastungs-Monitor pro Box (GPU + optional Tokens).
+
+Identische Kopie in jedem Worker-Build-Context (f5tts/whisper/voxtral/llm-adapter),
+weil jeder Worker ein eigener Docker-Build-Context ist.
+
+Aufgaben:
+- Sampler-Loop (alle SAMPLE_SEC): nvidia-smi-Auslastung + Token-Delta → Ringpuffer
+  (persistent als JSON auf der Box). Laeuft unabhaengig vom Modal.
+- Live-Stream: bei node_stats_stream_start jede Sekunde rohes nvidia-smi + Werte
+  senden (bis stop / Auto-Timeout).
+- History-Request + Reset (Besen).
+
+Reicht `handle(ws, mtype, payload)` in die Worker-Message-Loop ein; gibt True
+zurueck, wenn die Nachricht eine node_stats_*-Nachricht war.
+"""
+import asyncio
+import json
+import os
+import time
+
+SAMPLE_SEC = int(os.getenv("STATS_SAMPLE_SEC", "15"))
+HISTORY_CAP = int(os.getenv("STATS_HISTORY_CAP", "500"))   # ~2h bei 15s
+STREAM_MAX_SEC = int(os.getenv("STATS_STREAM_MAX_SEC", "300"))
+
+
+async def _run_cmd(*args, timeout=8) -> str:
+    """Fuehrt ein Kommando aus, gibt stdout (str) zurueck; '' bei Fehler."""
+    try:
+        proc = await asyncio.create_subprocess_exec(
+            *args,
+            stdout=asyncio.subprocess.PIPE,
+            stderr=asyncio.subprocess.DEVNULL,
+        )
+        out, _ = await asyncio.wait_for(proc.communicate(), timeout=timeout)
+        return (out or b"").decode("utf-8", "replace")
+    except Exception:
+        return ""
+
+
+class NodeStats:
+    def __init__(self, instance_id: str, node_name: str, history_path: str,
+                 token_getter=None, logger=None):
+        self.instance_id = instance_id
+        self.node_name = node_name
+        self.history_path = history_path
+        self.token_getter = token_getter   # callable -> kumulative Token-Zahl (oder None)
+        self.log = logger
+        self.samples = self._load()
+        self._last_tokens = self._tokens_now()
+        self._stream_task = None
+
+    # ── Persistenz ──────────────────────────────────────────
+    def _load(self) -> list:
+        try:
+            with open(self.history_path) as f:
+                data = json.load(f)
+            return data if isinstance(data, list) else []
+        except Exception:
+            return []
+
+    def _persist(self) -> None:
+        try:
+            os.makedirs(os.path.dirname(self.history_path) or ".", exist_ok=True)
+            tmp = self.history_path + ".tmp"
+            with open(tmp, "w") as f:
+                json.dump(self.samples[-HISTORY_CAP:], f)
+            os.replace(tmp, self.history_path)
+        except Exception:
+            pass
+
+    def _tokens_now(self) -> int:
+        try:
+            return int(self.token_getter()) if self.token_getter else 0
+        except Exception:
+            return 0
+
+    # ── nvidia-smi ──────────────────────────────────────────
+    async def _query_gpu(self) -> dict:
+        """Aggregierte GPU-Werte ueber alle sichtbaren Karten."""
+        out = await _run_cmd(
+            "nvidia-smi",
+            "--query-gpu=utilization.gpu,memory.used,memory.total",
+            "--format=csv,noheader,nounits")
+        utils, used, total = [], 0, 0
+        for line in out.strip().splitlines():
+            parts = [p.strip() for p in line.split(",")]
+            if len(parts) < 3:
+                continue
+            try:
+                utils.append(float(parts[0]))
+                used += float(parts[1])
+                total += float(parts[2])
+            except ValueError:
+                continue
+        gpu = round(sum(utils) / len(utils), 1) if utils else 0.0
+        return {"gpu": gpu, "memUsed": int(used), "memTotal": int(total)}
+
+    async def _nvidia_smi_text(self) -> str:
+        txt = await _run_cmd("nvidia-smi")
+        return txt or "nvidia-smi nicht verfuegbar"
+
+    # ── Sampler (Verlauf) ───────────────────────────────────
+    async def run_sampler(self) -> None:
+        while True:
+            try:
+                g = await self._query_gpu()
+                now_tok = self._tokens_now()
+                dtok = max(0, now_tok - self._last_tokens)
+                self._last_tokens = now_tok
+                self.samples.append({
+                    "ts": int(time.time()),
+                    "gpu": g["gpu"], "memUsed": g["memUsed"],
+                    "memTotal": g["memTotal"], "tokens": dtok,
+                })
+                if len(self.samples) > HISTORY_CAP:
+                    self.samples = self.samples[-HISTORY_CAP:]
+                self._persist()
+            except Exception as e:
+                if self.log:
+                    self.log.debug("node_stats sample fehlgeschlagen: %s", e)
+            await asyncio.sleep(SAMPLE_SEC)
+
+    # ── Live-Stream ─────────────────────────────────────────
+    async def _stream(self, ws, send) -> None:
+        t0 = time.time()
+        try:
+            while time.time() - t0 < STREAM_MAX_SEC:
+                g = await self._query_gpu()
+                smi = await self._nvidia_smi_text()
+                await send(ws, "node_stats", {
+                    "instanceId": self.instance_id, "node": self.node_name,
+                    "nvidiaSmi": smi, **g,
+                })
+                await asyncio.sleep(1)
+        except asyncio.CancelledError:
+            raise
+        except Exception:
+            return
+
+    # ── Dispatch ────────────────────────────────────────────
+    async def handle(self, ws, mtype: str, payload: dict, send) -> bool:
+        if mtype == "node_stats_stream_start":
+            if self._stream_task and not self._stream_task.done():
+                self._stream_task.cancel()
+            self._stream_task = asyncio.create_task(self._stream(ws, send))
+            return True
+        if mtype == "node_stats_stream_stop":
+            if self._stream_task:
+                self._stream_task.cancel()
+                self._stream_task = None
+            return True
+        if mtype == "node_stats_history_request":
+            await send(ws, "node_stats_history", {
+                "instanceId": self.instance_id, "node": self.node_name,
+                "samples": self.samples[-HISTORY_CAP:],
+                "tokenCapable": self.token_getter is not None,
+                "sampleSec": SAMPLE_SEC,
+            })
+            return True
+        if mtype == "node_stats_reset":
+            self.samples = []
+            self._persist()
+            await send(ws, "node_stats_reset_done",
+                       {"instanceId": self.instance_id, "node": self.node_name})
+            return True
+        return False

xtts/llm-adapter/requirements.txt

@@ -1,2 +1,3 @@
 websockets>=12.0
 httpx>=0.27.0
+pyyaml>=6.0

xtts/voxtral/Dockerfile

@@ -1,14 +1,26 @@
-# Voxtral-BRIDGE (nicht das Modell!) — leichte CPU-Glue zwischen RVS und dem
+# Voxtral-STT-3B Bridge (Transformers). Laeuft auf Treiber 550/CUDA 12.4 via
-# vLLM-Realtime-Server. Das eigentliche Voxtral-Modell laeuft im Container
+# torch cu124 — KEIN Treiber-Upgrade noetig (gleicher Trick wie f5tts).
-# `voxtral-vllm` (GPU, vllm/vllm-openai). Deshalb hier kein CUDA-Base noetig.
+# Modell: Voxtral-Mini-3B-2507 (~9 GB in bf16) → passt auf die 12-GB-Karte (GPU 1).
-FROM python:3.11-slim
+FROM nvidia/cuda:12.2.2-cudnn8-runtime-ubuntu22.04
 
+ENV DEBIAN_FRONTEND=noninteractive
 ENV PYTHONUNBUFFERED=1
 WORKDIR /app
 
-COPY requirements.txt .
+RUN apt-get update && apt-get install -y --no-install-recommends \
-RUN pip install --no-cache-dir -r requirements.txt
+    python3 python3-pip ffmpeg git \
+    && rm -rf /var/lib/apt/lists/*
 
-COPY bridge.py ./
+# torch FEST auf cu124 (Treiber 550 = CUDA 12.4). 2.6.0 ist der neueste cu124-Build;
+# torch 2.7+ gibt es nur fuer cu126+ und braeuchte einen neueren Treiber.
+RUN pip3 install --no-cache-dir torch==2.6.0 torchaudio==2.6.0 \
+    --index-url https://download.pytorch.org/whl/cu124
+
+COPY requirements.txt .
+# Constraint haelt transformers/mistral-common davon ab, torch wieder hochzuziehen.
+RUN printf 'torch==2.6.0\ntorchaudio==2.6.0\n' > /tmp/torch-constraint.txt && \
+    pip3 install --no-cache-dir -c /tmp/torch-constraint.txt -r requirements.txt
+
+COPY bridge.py speaker_id.py node_stats.py ./
 
 CMD ["python3", "bridge.py"]

xtts/voxtral/README.md

@@ -1,70 +1,47 @@
-# Voxtral-STT-Satellit (M0.3)
+# Voxtral-STT-3B-Satellit (Transformers)
 
-Streaming-STT via **Voxtral-Mini-4B-Realtime-2602** (Mistral, Apache 2.0) auf
+Streaming-STT via **Voxtral-Mini-3B-2507** (Mistral, Apache 2.0) über
-vLLM. Ersetzt whisper als STT — genauer (~5,9 % WER vs 7,4 % FLEURS) und mit
+🤗 Transformers. Ersetzt whisper als STT — genauer, und **ohne Treiber-Upgrade**:
-echtem Realtime-Streaming. Deutsch ist in den 13 Sprachen abgedeckt.
+läuft auf dem Trixie-Standardtreiber (550/CUDA 12.4) via **torch 2.6.0+cu124**
+(derselbe Trick wie bei f5tts).
 
-Zwei Container:
+- Modell ~9 GB (bf16) → **GPU 1** (die 12-GB-Karte; per Compose gepinnt).
-- **`voxtral-vllm`** — das Modell auf vLLM (GPU). Exponiert die Realtime-WS-API.
+- **F5-TTS + LLM** bleiben auf GPU 0 (8 GB).
-- **`voxtral-bridge`** — CPU-Glue: RVS ⇄ vLLM-Realtime-WS. Macht das Endpointing
+- Arbeitsweise = chunked wie whisper: live PCM → alle ~1 s transkribieren
-  selbst (adaptiver Rausch-Boden-VAD, identisch zur whisper-Bridge / M0.1).
+  (Partials) → **adaptiver Endpointer** (Rausch-Boden-VAD + semantische
+  Stagnation, aus M0.1) feuert `stt_endpoint`. RVS-Protokoll identisch → drop-in.
 
-## ⚠️ Hardware-Realität — läuft NICHT auf der 3060
+## Starten (Profil `voxtral`)
-
-Das Realtime-Modell braucht laut [vLLM-Rezept](https://recipes.vllm.ai/mistralai/Voxtral-Mini-4B-Realtime-2602)
-**≥ 16 GB VRAM (BF16, keine Quant)**. Die RTX 3060 hat 12 GB → passt nicht.
-
-- **Interim-gpubox (nur 3060):** whisper (mit M0.1-Fix) + F5-TTS bleiben aktiv.
-  Voxtral NICHT starten.
-- **Ab der 24-GB-Karte:** Voxtral-Profil hochziehen, whisper wird Fallback.
-
-Deshalb liegen beide Services hinter dem Compose-**Profil `voxtral`** und starten
-NUR explizit — sonst würden whisper *und* voxtral dieselben `stt_*`-Messages
-beantworten (Kollision).
-
-## Starten (erst wenn die 24-GB-Karte drin ist)
 
 ```bash
 cd xtts
+docker compose stop whisper-bridge          # sonst beantworten beide stt_*
 docker compose --profile voxtral up -d --build
-docker logs -f aria-voxtral-vllm      # laedt Modell (mehrere GB, dauert)
+docker logs -f aria-voxtral-bridge          # Modell laedt (mehrere GB), dann "RVS verbunden"
-docker logs -f aria-voxtral-bridge    # "RVS verbunden" + service_status ready
-```
-Whisper vorher stoppen, damit nur eine STT-Engine antwortet:
-```bash
-docker compose stop whisper-bridge
 ```
+Zurück zu whisper: `docker compose --profile voxtral down && docker compose up -d whisper-bridge`.
 
-## ⚠️ Auf echter Hardware verifizieren (blind gebaut, kein Test hier)
+## ⚠️ Auf echter Hardware verifizieren (blind gebaut)
 
-1. **vLLM-Version ≥ 0.20.0** und die **Serve-Form**. Das Rezept nutzt
+1. **Transformers-API.** Die exakte Voxtral-Transkriptions-API ist in `bridge.py`
-   `vllm serve <model> …`. Falls das `vllm/vllm-openai`-Image einen anderen
+   in **einer** Methode gekapselt (`VoxtralRunner._transcribe_blocking`), modelliert
-   Entrypoint hat, das `command:` in `docker-compose.yml` anpassen
+   nach der HF-Modelcard (`apply_transcription_request` → `generate` → `batch_decode`).
-   (Rezept-Command steht dort als Kommentar).
+   Beim ersten Lauf gegen die Modelcard prüfen und dort anpassen.
-2. **Realtime-WS-Frames.** Die exakten Event-Namen sind in `bridge.py` ganz oben
+2. **HF-Gating.** Ist `Voxtral-Mini-3B-2507` gated, `HF_TOKEN` in `xtts/.env` setzen
-   als Konstanten gebündelt (`VLLM_SEND_APPEND`, `VLLM_DELTA_SUFFIXES`, …),
+   (wird als `HUGGING_FACE_HUB_TOKEN` durchgereicht).
-   modelliert nach dem OpenAI-Realtime-Schema. Gegen das offizielle
+3. **VRAM/Tempo.** 3B in bf16 ~9 GB auf der 12-GB-Karte — Rest fürs KV-Cache. Ist die
-   **vLLM-Realtime-Client-Beispiel** prüfen und dort anpassen — nur an dieser
+   Partial-Transkription (alle 1 s) zu schwer, `STREAM_TRANSCRIBE_INTERVAL_MS` hochsetzen.
-   einen Stelle. Das Response-Handling ist bereits defensiv (mehrere Feldnamen).
+4. **torch-Konflikt.** Falls `transformers`/`mistral-common` beim Build torch>2.6
-3. **Endpoint-URL/Port.** Default `ws://voxtral-vllm:8000/v1/realtime` — prüfen ob
+   erzwingen, meldet der Constraint einen Konflikt → dann brauchen wir doch das
-   vLLM auf 8000 lauscht und `/v1/realtime` registriert (Log-Zeile
+   Treiber-Upgrade (`bootstrap.sh --upgrade-driver` via NVIDIA-CUDA-Repo) + cu126-torch.
-   `Route: /v1/realtime`).
-4. **Endpointing.** Voxtral liefert keine eigene VAD → unser adaptiver Endpointer
-   entscheidet (akustisch + semantisch am Delta-Wachstum). `endpointMs` kommt wie
-   bei whisper aus der App; `voiceFactor` per Session tunebar.
 
 ## Protokoll (RVS, identisch zu whisper — drop-in)
-
 Rein: `stt_stream_start`, `stt_audio_chunk` (16 kHz mono s16le, base64), `stt_stream_end`.
-Raus: `stt_partial`, `stt_endpoint` (das Event, auf das aria-bridge horcht), `stt_stream_done`.
+Raus: `stt_partial`, `stt_endpoint`, `stt_stream_done`.
 
-## TTS-Hinweis
+## TTS
-
+Bleibt **F5-TTS** (klingt gut, passt auf GPU 0). Voxtral-TTS bräuchte ~24 GB — separates Thema.
-Voxtral-**TTS** (Voice-Cloning) ist hier NICHT enthalten — braucht ebenfalls
-16 GB VRAM und ist ein eigener Bau. Bis zur 24-GB-Karte bleibt **F5-TTS** aktiv.
-Danach: eigener `voxtral-tts`-Satellit (separates Ticket).
 
 ## Quellen
-- Rezept: https://recipes.vllm.ai/mistralai/Voxtral-Mini-4B-Realtime-2602
+- Modell: https://huggingface.co/mistralai/Voxtral-Mini-3B-2507
-- vLLM Speech-to-Text: https://docs.vllm.ai/en/latest/serving/online_serving/speech_to_text/
+- Transformers-Nutzung: HF-Modelcard (Voxtral) + `mistral-common`
-- Modell: https://huggingface.co/mistralai/Voxtral-Mini-4B-Realtime-2602

xtts/voxtral/node_stats.py

@@ -0,0 +1,167 @@
+"""
+ARIA Node-Stats — Auslastungs-Monitor pro Box (GPU + optional Tokens).
+
+Identische Kopie in jedem Worker-Build-Context (f5tts/whisper/voxtral/llm-adapter),
+weil jeder Worker ein eigener Docker-Build-Context ist.
+
+Aufgaben:
+- Sampler-Loop (alle SAMPLE_SEC): nvidia-smi-Auslastung + Token-Delta → Ringpuffer
+  (persistent als JSON auf der Box). Laeuft unabhaengig vom Modal.
+- Live-Stream: bei node_stats_stream_start jede Sekunde rohes nvidia-smi + Werte
+  senden (bis stop / Auto-Timeout).
+- History-Request + Reset (Besen).
+
+Reicht `handle(ws, mtype, payload)` in die Worker-Message-Loop ein; gibt True
+zurueck, wenn die Nachricht eine node_stats_*-Nachricht war.
+"""
+import asyncio
+import json
+import os
+import time
+
+SAMPLE_SEC = int(os.getenv("STATS_SAMPLE_SEC", "15"))
+HISTORY_CAP = int(os.getenv("STATS_HISTORY_CAP", "500"))   # ~2h bei 15s
+STREAM_MAX_SEC = int(os.getenv("STATS_STREAM_MAX_SEC", "300"))
+
+
+async def _run_cmd(*args, timeout=8) -> str:
+    """Fuehrt ein Kommando aus, gibt stdout (str) zurueck; '' bei Fehler."""
+    try:
+        proc = await asyncio.create_subprocess_exec(
+            *args,
+            stdout=asyncio.subprocess.PIPE,
+            stderr=asyncio.subprocess.DEVNULL,
+        )
+        out, _ = await asyncio.wait_for(proc.communicate(), timeout=timeout)
+        return (out or b"").decode("utf-8", "replace")
+    except Exception:
+        return ""
+
+
+class NodeStats:
+    def __init__(self, instance_id: str, node_name: str, history_path: str,
+                 token_getter=None, logger=None):
+        self.instance_id = instance_id
+        self.node_name = node_name
+        self.history_path = history_path
+        self.token_getter = token_getter   # callable -> kumulative Token-Zahl (oder None)
+        self.log = logger
+        self.samples = self._load()
+        self._last_tokens = self._tokens_now()
+        self._stream_task = None
+
+    # ── Persistenz ──────────────────────────────────────────
+    def _load(self) -> list:
+        try:
+            with open(self.history_path) as f:
+                data = json.load(f)
+            return data if isinstance(data, list) else []
+        except Exception:
+            return []
+
+    def _persist(self) -> None:
+        try:
+            os.makedirs(os.path.dirname(self.history_path) or ".", exist_ok=True)
+            tmp = self.history_path + ".tmp"
+            with open(tmp, "w") as f:
+                json.dump(self.samples[-HISTORY_CAP:], f)
+            os.replace(tmp, self.history_path)
+        except Exception:
+            pass
+
+    def _tokens_now(self) -> int:
+        try:
+            return int(self.token_getter()) if self.token_getter else 0
+        except Exception:
+            return 0
+
+    # ── nvidia-smi ──────────────────────────────────────────
+    async def _query_gpu(self) -> dict:
+        """Aggregierte GPU-Werte ueber alle sichtbaren Karten."""
+        out = await _run_cmd(
+            "nvidia-smi",
+            "--query-gpu=utilization.gpu,memory.used,memory.total",
+            "--format=csv,noheader,nounits")
+        utils, used, total = [], 0, 0
+        for line in out.strip().splitlines():
+            parts = [p.strip() for p in line.split(",")]
+            if len(parts) < 3:
+                continue
+            try:
+                utils.append(float(parts[0]))
+                used += float(parts[1])
+                total += float(parts[2])
+            except ValueError:
+                continue
+        gpu = round(sum(utils) / len(utils), 1) if utils else 0.0
+        return {"gpu": gpu, "memUsed": int(used), "memTotal": int(total)}
+
+    async def _nvidia_smi_text(self) -> str:
+        txt = await _run_cmd("nvidia-smi")
+        return txt or "nvidia-smi nicht verfuegbar"
+
+    # ── Sampler (Verlauf) ───────────────────────────────────
+    async def run_sampler(self) -> None:
+        while True:
+            try:
+                g = await self._query_gpu()
+                now_tok = self._tokens_now()
+                dtok = max(0, now_tok - self._last_tokens)
+                self._last_tokens = now_tok
+                self.samples.append({
+                    "ts": int(time.time()),
+                    "gpu": g["gpu"], "memUsed": g["memUsed"],
+                    "memTotal": g["memTotal"], "tokens": dtok,
+                })
+                if len(self.samples) > HISTORY_CAP:
+                    self.samples = self.samples[-HISTORY_CAP:]
+                self._persist()
+            except Exception as e:
+                if self.log:
+                    self.log.debug("node_stats sample fehlgeschlagen: %s", e)
+            await asyncio.sleep(SAMPLE_SEC)
+
+    # ── Live-Stream ─────────────────────────────────────────
+    async def _stream(self, ws, send) -> None:
+        t0 = time.time()
+        try:
+            while time.time() - t0 < STREAM_MAX_SEC:
+                g = await self._query_gpu()
+                smi = await self._nvidia_smi_text()
+                await send(ws, "node_stats", {
+                    "instanceId": self.instance_id, "node": self.node_name,
+                    "nvidiaSmi": smi, **g,
+                })
+                await asyncio.sleep(1)
+        except asyncio.CancelledError:
+            raise
+        except Exception:
+            return
+
+    # ── Dispatch ────────────────────────────────────────────
+    async def handle(self, ws, mtype: str, payload: dict, send) -> bool:
+        if mtype == "node_stats_stream_start":
+            if self._stream_task and not self._stream_task.done():
+                self._stream_task.cancel()
+            self._stream_task = asyncio.create_task(self._stream(ws, send))
+            return True
+        if mtype == "node_stats_stream_stop":
+            if self._stream_task:
+                self._stream_task.cancel()
+                self._stream_task = None
+            return True
+        if mtype == "node_stats_history_request":
+            await send(ws, "node_stats_history", {
+                "instanceId": self.instance_id, "node": self.node_name,
+                "samples": self.samples[-HISTORY_CAP:],
+                "tokenCapable": self.token_getter is not None,
+                "sampleSec": SAMPLE_SEC,
+            })
+            return True
+        if mtype == "node_stats_reset":
+            self.samples = []
+            self._persist()
+            await send(ws, "node_stats_reset_done",
+                       {"instanceId": self.instance_id, "node": self.node_name})
+            return True
+        return False

xtts/voxtral/requirements.txt

@@ -1,5 +1,11 @@
-# Voxtral-Bridge ist reine CPU-Glue (RVS-WS <-> vLLM-Realtime-WS). Das Modell
+# Voxtral-3B via Transformers. torch/torchaudio kommen cu124-gepinnt aus dem
-# selbst laeuft im separaten voxtral-vllm-Container (GPU). Deshalb hier KEIN
+# Dockerfile (nicht hier, sonst zieht pip das Default-CUDA-Wheel).
-# torch/vllm — nur der WebSocket-Client + numpy fuer die RMS-Energiemessung.
+transformers>=4.54
-websockets>=12.0
+mistral-common[audio]>=1.8.1
+accelerate>=0.30
+speechbrain>=1.0          # Speaker-ID (ECAPA-TDNN) — nur Stefans Stimme
+silero-vad>=5.1           # neuronales VAD: echte Sprache vs Stille/Rauschen/Musik
+soundfile>=0.12
+librosa>=0.10          # VoxtralProcessor.load_audio_as nutzt librosa zum WAV-Laden
 numpy>=1.24
+websockets>=12.0

xtts/voxtral/speaker_id.py

@@ -0,0 +1,272 @@
+"""
+Speaker-ID Backend fuer ARIAs Stimmen-Erkennung.
+
+Nutzt SpeechBrain ECAPA-TDNN (192-dim Embeddings, auf VoxCeleb-1+2 trainiert).
+Fingerprint = gemittelter, L2-normalisierter Embedding-Vektor aus N
+Enrollment-Samples. Verify: cosine_similarity(neue_aufnahme, fingerprint).
+
+Persistenz: /voice-id/fingerprint.json (Float-Liste + Metadaten).
+Modell-Cache: /root/.cache/huggingface/ (Bind-Mount mit f5tts geteilt).
+
+Verhalten OHNE Enrollment (kein Fingerprint vorhanden):
+  verify() → (True, 0.0) — Fail-open, damit Speaker-ID-Gating den
+  ungeenrollten Brain-Pfad nicht versehentlich blockiert.
+"""
+
+from __future__ import annotations
+
+import base64
+import json
+import logging
+import os
+import time
+from pathlib import Path
+from typing import Optional
+
+import numpy as np
+
+logger = logging.getLogger(__name__)
+
+VOICE_ID_DIR = Path(os.environ.get("VOICE_ID_DIR", "/voice-id"))
+FINGERPRINT_FILE = VOICE_ID_DIR / "fingerprint.json"
+
+# Cosine-Threshold: 0.5 ist konservativ (wenig false-positives), 0.3 ist
+# locker (mehr Treffer auch bei Nebengeraeuschen). Stefan kann's per
+# Diagnostic-Setting feintunen.
+DEFAULT_THRESHOLD = 0.5
+
+# Minimal-Sample-Laenge fuer ein verlaessliches Embedding (~1s @ 16kHz int16 = 32000 bytes)
+MIN_SAMPLE_BYTES = 32000
+
+_model = None
+
+
+def _ensure_loaded():
+    """Lazy-Load des ECAPA-TDNN. Holt das Modell beim ersten Aufruf von HF;
+    danach cached im HF-Cache-Volume. Erste Init: ~30s download + load,
+    danach <1s warm. Wirft bei Fehler — Caller muss catchen + fail-open."""
+    global _model
+    if _model is not None:
+        return _model
+    import torch
+    from speechbrain.inference.speaker import EncoderClassifier
+    device = "cuda" if torch.cuda.is_available() else "cpu"
+    logger.info("[speaker-id] loading ECAPA-TDNN on %s ...", device)
+    _model = EncoderClassifier.from_hparams(
+        source="speechbrain/spkrec-ecapa-voxceleb",
+        savedir="/root/.cache/huggingface/speechbrain-ecapa",
+        run_opts={"device": device},
+    )
+    logger.info("[speaker-id] model ready (device=%s)", device)
+    return _model
+
+
+def _decode_compressed_to_pcm(audio_bytes: bytes) -> bytes:
+    """Dekodiert komprimiertes Audio (MP4/M4A/AAC vom Android-Recorder) via ffmpeg
+    (im Container vorhanden) auf rohes 16kHz mono int16 LE PCM. Input geht ueber
+    eine Temp-Datei (nicht Pipe): Androids MediaRecorder legt das moov-Atom ans
+    ENDE, das braucht seekbaren Input, sonst 'moov atom not found'."""
+    import os
+    import subprocess
+    import tempfile
+    tmp = None
+    try:
+        with tempfile.NamedTemporaryFile(suffix=".mp4", delete=False) as tf:
+            tf.write(audio_bytes)
+            tmp = tf.name
+        proc = subprocess.run(
+            ["ffmpeg", "-hide_banner", "-loglevel", "error", "-i", tmp,
+             "-f", "s16le", "-ac", "1", "-ar", "16000", "pipe:1"],
+            stdout=subprocess.PIPE, stderr=subprocess.PIPE,
+        )
+        if proc.returncode != 0 or not proc.stdout:
+            raise ValueError(
+                f"ffmpeg decode failed: {proc.stderr.decode('utf-8', 'ignore')[:200]}")
+        return proc.stdout
+    finally:
+        if tmp:
+            try:
+                os.unlink(tmp)
+            except Exception:
+                pass
+
+
+def _normalize_audio_bytes(audio_bytes: bytes) -> bytes:
+    """Akzeptiert rohes 16kHz int16 LE PCM, eine WAV-Datei (RIFF/WAVE) ODER einen
+    komprimierten MP4/M4A/AAC-Container (Android-Recorder). WAV → Header strippen +
+    Format validieren; MP4/AAC → via ffmpeg dekodieren. Ergebnis: rohes PCM."""
+    if (len(audio_bytes) >= 44
+        and audio_bytes[:4] == b"RIFF"
+        and audio_bytes[8:12] == b"WAVE"):
+        import io
+        import wave
+        with wave.open(io.BytesIO(audio_bytes), "rb") as wav:
+            sr = wav.getframerate()
+            ch = wav.getnchannels()
+            sw = wav.getsampwidth()
+            if sr != 16000:
+                raise ValueError(f"WAV-Samplerate {sr} != 16000")
+            if ch != 1:
+                raise ValueError(f"WAV-Kanalzahl {ch} != 1 (mono erwartet)")
+            if sw != 2:
+                raise ValueError(f"WAV-Sampleweite {sw} != 2 (int16 erwartet)")
+            return wav.readframes(wav.getnframes())
+    # MP4/M4A/AAC-Container: Android-AAC-Recorder legt 'ftyp' bei Offset 4 an.
+    if len(audio_bytes) >= 12 and audio_bytes[4:8] == b"ftyp":
+        return _decode_compressed_to_pcm(audio_bytes)
+    return audio_bytes
+
+
+def _audio_bytes_to_tensor(audio_bytes: bytes):
+    """int16 LE PCM (16kHz mono) → Torch-Tensor (1, N), normalisiert auf [-1, 1].
+    WAV wird vorher auf rohes PCM reduziert (Header strippen)."""
+    import torch
+    raw = _normalize_audio_bytes(audio_bytes)
+    arr = np.frombuffer(raw, dtype=np.int16).astype(np.float32) / 32768.0
+    return torch.from_numpy(arr).unsqueeze(0)
+
+
+def embed(audio_bytes: bytes) -> np.ndarray:
+    """Berechnet das Speaker-Embedding fuer einen Audio-Chunk.
+    Erwartet 16kHz int16 LE PCM Mono. Returns 192-dim numpy float32."""
+    import torch
+    model = _ensure_loaded()
+    wav = _audio_bytes_to_tensor(audio_bytes)
+    with torch.no_grad():
+        emb = model.encode_batch(wav)
+    return emb.squeeze().cpu().numpy().astype(np.float32)
+
+
+def cosine_similarity(a: np.ndarray, b: np.ndarray) -> float:
+    """Kosinus-Aehnlichkeit zwischen zwei 1D-Vektoren, Range [-1, 1].
+    Hoeher = aehnlicher. Bei normalisierten Vektoren ist das gleich dem Skalarprodukt."""
+    na = np.linalg.norm(a)
+    nb = np.linalg.norm(b)
+    if na < 1e-9 or nb < 1e-9:
+        return 0.0
+    return float(np.dot(a, b) / (na * nb))
+
+
+def save_fingerprint(embeddings: list[np.ndarray], sample_durations_s: list[float]) -> dict:
+    """Mittelt + L2-normalisiert die Embeddings und schreibt sie nach
+    FINGERPRINT_FILE. Returns das gespeicherte Dict."""
+    if not embeddings:
+        raise ValueError("Keine Embeddings zum Speichern")
+    VOICE_ID_DIR.mkdir(parents=True, exist_ok=True)
+    stacked = np.stack(embeddings)
+    mean = stacked.mean(axis=0)
+    mean = mean / max(np.linalg.norm(mean), 1e-9)
+    data = {
+        "version": 1,
+        "embedding": mean.tolist(),
+        "embedding_dim": int(mean.shape[0]),
+        "sample_count": len(embeddings),
+        "sample_durations_s": [float(s) for s in sample_durations_s],
+        "updated_at": int(time.time()),
+    }
+    FINGERPRINT_FILE.write_text(json.dumps(data, indent=2), encoding="utf-8")
+    logger.info("[speaker-id] fingerprint gespeichert: %d Samples, dim=%d, total_s=%.1f",
+                len(embeddings), mean.shape[0], sum(sample_durations_s))
+    return data
+
+
+def load_fingerprint() -> Optional[dict]:
+    """Returns das Fingerprint-Dict oder None wenn noch nicht enrolled."""
+    if not FINGERPRINT_FILE.exists():
+        return None
+    try:
+        return json.loads(FINGERPRINT_FILE.read_text(encoding="utf-8"))
+    except Exception as exc:
+        logger.warning("[speaker-id] fingerprint laden fehlgeschlagen: %s", exc)
+        return None
+
+
+def delete_fingerprint() -> bool:
+    """Loescht den Fingerprint (z.B. fuer Re-Enrollment). True wenn was weg ist."""
+    if FINGERPRINT_FILE.exists():
+        FINGERPRINT_FILE.unlink()
+        logger.info("[speaker-id] fingerprint geloescht")
+        return True
+    return False
+
+
+def verify(audio_bytes: bytes, threshold: Optional[float] = None) -> tuple[bool, float]:
+    """Returns (is_match, similarity).
+
+    Wenn threshold=None: nutzt den Modul-Default (DEFAULT_THRESHOLD) — der wird
+    vom config-Broadcast zur Laufzeit auf den Diagnostic-Slider-Wert gesetzt.
+    Default-Arg-Bindung waere zur Def-Zeit, also bewusst None statt direkt.
+
+    Fail-open: wenn kein Fingerprint vorhanden ist oder das Embedding-Modell
+    crasht, returnt (True, 0.0) — kein Filtering. Sonst wuerde ein kaputter
+    Speaker-ID-Service die ganze Aufnahme blockieren."""
+    if threshold is None:
+        threshold = DEFAULT_THRESHOLD
+    fp = load_fingerprint()
+    if fp is None:
+        return True, 0.0
+    if len(audio_bytes) < MIN_SAMPLE_BYTES:
+        # Zu wenig Audio fuer ein verlaessliches Embedding → durchlassen
+        return True, 0.0
+    try:
+        saved_emb = np.array(fp["embedding"], dtype=np.float32)
+        new_emb = embed(audio_bytes)
+    except Exception as exc:
+        logger.warning("[speaker-id] verify embed failed: %s — fail-open", exc)
+        return True, 0.0
+    sim = cosine_similarity(new_emb, saved_emb)
+    return sim >= threshold, sim
+
+
+def status() -> dict:
+    """Status-Snapshot fuer die App / Diagnostic."""
+    fp = load_fingerprint()
+    return {
+        "enrolled": fp is not None,
+        "sample_count": fp.get("sample_count", 0) if fp else 0,
+        "sample_durations_s": fp.get("sample_durations_s", []) if fp else [],
+        "updated_at": fp.get("updated_at") if fp else None,
+        "embedding_dim": fp.get("embedding_dim") if fp else None,
+        "default_threshold": DEFAULT_THRESHOLD,
+    }
+
+
+def enroll_from_samples(samples_b64: list[str]) -> dict:
+    """Verarbeitet base64-Samples (16kHz int16 LE PCM Mono) zu einem neuen
+    Fingerprint. Returns Status-Dict. Wirft ValueError wenn nichts brauchbar ist."""
+    if not samples_b64:
+        raise ValueError("Keine Samples uebergeben")
+    embeddings: list[np.ndarray] = []
+    durations: list[float] = []
+    rejected: list[dict] = []
+    for idx, s in enumerate(samples_b64):
+        try:
+            raw = base64.b64decode(s)
+        except Exception as exc:
+            rejected.append({"index": idx, "reason": f"base64: {exc}"})
+            continue
+        # Erst dekodieren (WAV/MP4/AAC → rohes PCM), DANN Laenge pruefen: der
+        # Android-Recorder liefert komprimiertes MP4, dessen Byte-Laenge nichts
+        # ueber die Dauer sagt (4s AAC < 32KB → faelschlich "zu kurz").
+        try:
+            pcm = _normalize_audio_bytes(raw)
+        except Exception as exc:
+            rejected.append({"index": idx, "reason": f"decode: {exc}"})
+            continue
+        if len(pcm) < MIN_SAMPLE_BYTES:
+            rejected.append({"index": idx, "reason": f"zu kurz ({len(pcm)} bytes PCM)"})
+            continue
+        try:
+            emb = embed(pcm)
+            embeddings.append(emb)
+            durations.append(len(pcm) / 2 / 16000.0)
+        except Exception as exc:
+            rejected.append({"index": idx, "reason": f"embed: {exc}"})
+    if not embeddings:
+        raise ValueError(
+            f"Keine Samples konnten verarbeitet werden ({len(rejected)} rejected). "
+            f"Details: {rejected[:3]}"
+        )
+    fingerprint = save_fingerprint(embeddings, durations)
+    fingerprint["rejected"] = rejected
+    return fingerprint

xtts/whisper/Dockerfile

@@ -17,6 +17,6 @@ RUN pip3 install --no-cache-dir torch==2.3.1 torchaudio==2.3.1 \
 COPY requirements.txt .
 RUN pip3 install --no-cache-dir -r requirements.txt
 
-COPY bridge.py speaker_id.py ./
+COPY bridge.py speaker_id.py node_stats.py ./
 
 CMD ["python3", "bridge.py"]

xtts/whisper/bridge.py

@@ -1,6 +1,6 @@
 #!/usr/bin/env python3
 """
-ARIA Whisper Bridge — laeuft auf der Gamebox (RTX 3060).
+ARIA Whisper Bridge — laeuft auf der AI-Box (RTX 3060).
 
 Zwei Modi:
 
@@ -59,6 +59,23 @@ WHISPER_DEVICE = os.getenv("WHISPER_DEVICE", "cuda")
 WHISPER_COMPUTE_TYPE = os.getenv("WHISPER_COMPUTE_TYPE", "float16")
 WHISPER_LANGUAGE = os.getenv("WHISPER_LANGUAGE", "de")
 
+# ── Compute-Fleet: Worker-Identitaet & Registrierung ──────────────
+# Meldet sich bei der aria-bridge (worker_hello) + periodischer worker_ping.
+NODE_NAME = os.getenv("NODE_NAME", "node").strip() or "node"
+GPU_IDS = os.getenv("NVIDIA_VISIBLE_DEVICES", "").strip()
+WORKER_SERVICE = "whisper"
+INSTANCE_ID = f"{WORKER_SERVICE}@{NODE_NAME}"
+WORKER_PING_INTERVAL_S = int(os.getenv("WORKER_PING_INTERVAL_S", "10"))
+# Empfangs-Watchdog: kommt in RX_STALE_S kein Broadcast rein (ein echter Raum hat
+# staendig Traffic, z.B. sat_hello alle 25s / Brain-Polling), gilt die Verbindung
+# als halb-tot (Caddy pongt die WS-Pings selbst) -> Zwangs-Reconnect.
+RX_STALE_S = int(os.getenv("RX_STALE_S", "60"))
+
+# ── Auslastungs-Monitor (Stage E) ──────────────────────────
+import node_stats
+STATS_PATH = os.getenv("STATS_PATH", f"/root/.cache/huggingface/aria_stats_{WORKER_SERVICE}.json")
+_stats = node_stats.NodeStats(INSTANCE_ID, NODE_NAME, STATS_PATH, logger=logger)
+
 ALLOWED_MODELS = {"tiny", "base", "small", "medium", "large-v3"}
 
 # Streaming-Parameter (Defaults — koennen pro Session vom App-Payload ueberschrieben werden)
@@ -86,6 +103,16 @@ STREAM_VOICE_FACTOR = 2.5             # Sprache = noise_floor * Faktor
 STREAM_VOICE_RMS_MIN = 0.005         # Untergrenze (stiller Raum: nicht auf 0 kollabieren)
 STREAM_VOICE_RMS_MAX = 0.020         # Obergrenze (lautes Auto: Sprache nie ganz aussperren)
 STREAM_VOICE_RMS_THRESHOLD = 0.012   # Legacy-Konstante (nicht mehr im Cut-Pfad genutzt)
+
+# Speaker-ID Gating global an/aus. DEFAULT AUS (fail-open) — bewusster Schalter
+# ("nur meine Stimme"), kein Automatismus: ein schlechter Enroll darf nie die STT
+# lahmlegen. Wird per config-Broadcast (voiceIdEnabled) zur Laufzeit gesetzt.
+SPEAKER_ID_ENABLED = os.getenv("VOICE_ID_ENABLED", "false").lower() in ("1", "true", "yes")
+
+
+def _set_speaker_id_enabled(val: bool) -> None:
+    global SPEAKER_ID_ENABLED
+    SPEAKER_ID_ENABLED = bool(val)
 # Rein-semantischer Backstop: wenn die Energie NIE faellt (laute Umgebung,
 # z.B. Auto), endpointen wir trotzdem — aber erst nach diesem Faktor x
 # endpoint_ms, damit normales Sprechen mit Pausen nicht abgeschnitten wird.
@@ -274,7 +301,7 @@ async def _send(ws, mtype: str, payload: dict) -> None:
 # ──────────────────────────────────────────────────────────────
 #  DEBUG-LOG ueber RVS → /shared/logs/app.log
 #
-#  Stefan's Gamebox ist Windows, kein SSH → wir brauchen Whisper-Bridge-
+#  Stefan's AI-Box ist Windows, kein SSH → wir brauchen Whisper-Bridge-
 #  Logs ueber den gleichen Pfad wie die App: app_log-Messages via RVS,
 #  aria-bridge schreibt sie in /shared/logs/app.log. Diagnostic / App-
 #  Logs-Tab zeigen sie dann mit platform="whisper".
@@ -467,6 +494,11 @@ class SessionManager:
         Ohne Fingerprint → fail-open (match=True). Bei mismatch wird die
         Session sofort beendet mit synthetischem stt_endpoint."""
         sess.speaker_checked = True
+        # Schalter aus (Default) → gar keine Pruefung, alles durchlassen.
+        if not SPEAKER_ID_ENABLED:
+            sess.speaker_match = True
+            sess.speaker_similarity = 0.0
+            return
         # Erste ~1.5s aus dem Buffer entnehmen (16kHz * 2 byte/sample = 32 bytes/ms)
         head_bytes = bytes(sess.pcm_buffer[: STREAM_SPEAKER_CHECK_MS * 32])
         if len(head_bytes) < speaker_id.MIN_SAMPLE_BYTES:
@@ -807,6 +839,30 @@ async def _broadcast_status(ws, state: str, **extra) -> None:
     await _send(ws, "service_status", payload)
 
 
+async def _worker_register(ws, *, model: str = "", busy_fn=None) -> None:
+    """Meldet diesen Worker bei der aria-bridge an (worker_hello) und haelt die
+    Flotten-Registry per periodischem worker_ping frisch. worker_hello wird alle
+    ~30s WIEDERHOLT (wie der Satellit), damit ein neu gestartetes Diagnostic/
+    Bridge uns lernt — RVS spielt hellos nicht nach."""
+    def _hello():
+        return {"instanceId": INSTANCE_ID, "service": WORKER_SERVICE,
+                "node": NODE_NAME, "gpus": GPU_IDS, "model": model}
+    try:
+        await _send(ws, "worker_hello", _hello())
+        n = 0
+        while True:
+            await asyncio.sleep(WORKER_PING_INTERVAL_S)
+            n += 1
+            busy = bool(busy_fn()) if busy_fn else False
+            await _send(ws, "worker_ping", {"instanceId": INSTANCE_ID, "busy": busy})
+            if n % 3 == 0:
+                await _send(ws, "worker_hello", _hello())
+    except asyncio.CancelledError:
+        raise
+    except Exception:
+        return   # Socket tot → still beenden; run_loop reconnectet + startet neu
+
+
 # ──────────────────────────────────────────────────────────────
 #  WS-LOOP
 # ──────────────────────────────────────────────────────────────
@@ -818,7 +874,7 @@ async def run_loop(runner: WhisperRunner, sessions: SessionManager) -> None:
 
     while True:
         scheme = "wss" if use_tls else "ws"
-        url = f"{scheme}://{RVS_HOST}:{RVS_PORT}/ws?token={RVS_TOKEN}"
+        url = f"{scheme}://{RVS_HOST}:{RVS_PORT}?token={RVS_TOKEN}"
         masked = url.replace(RVS_TOKEN, "***") if RVS_TOKEN else url
         try:
             logger.info("Verbinde zu RVS: %s", masked)
@@ -840,21 +896,37 @@ async def run_loop(runner: WhisperRunner, sessions: SessionManager) -> None:
                         logger.info("Initial: sende config_request an aria-bridge")
                         await _send(ws, "config_request", {"service": "whisper"})
                         # Startup-Marker — App-Logs zeigen damit ob Streaming-Code
-                        # ueberhaupt aktiv ist (Stefan baut auf Gamebox via PS,
+                        # ueberhaupt aktiv ist (Stefan baut auf AI-Box via PS,
                         # Build/Restart kann unbeabsichtigt alte Version weiterfahren).
                         await _debug_log(ws, "boot",
                             "whisper-bridge online — streaming-mode ENABLED, debug-log ON")
                     except Exception as e:
                         logger.exception("Initial-Handshake crashed: %s", e)
                 asyncio.create_task(_initial_handshake())
+                ping_task = asyncio.create_task(_worker_register(
+                    ws, model=(runner.model_size or WHISPER_MODEL),
+                    busy_fn=lambda: bool(sessions._sessions)))
 
-                async for raw in ws:
+                while True:
+                    try:
+                        raw = await asyncio.wait_for(ws.recv(), timeout=RX_STALE_S)
+                    except asyncio.TimeoutError:
+                        logger.warning("Kein RVS-Traffic seit %ds — Verbindung halb-tot, reconnect", RX_STALE_S)
+                        raise ConnectionError("rvs-stale")
                     try:
                         msg = json.loads(raw)
                     except Exception:
                         continue
                     mtype = msg.get("type", "")
                     payload = msg.get("payload", {}) or {}
+                    # Redundanz-Routing: gezielt an eine andere Instanz adressiert
+                    # → ignorieren. Ohne targetInstance → wie bisher.
+                    tgt = payload.get("targetInstance")
+                    if tgt and tgt != INSTANCE_ID:
+                        continue
+                    # Auslastungs-Monitor (node_stats_*) abfangen.
+                    if await _stats.handle(ws, mtype, payload, _send):
+                        continue
 
                     if mtype == "stt_request":
                         req_id = payload.get("requestId", "?")
@@ -975,6 +1047,10 @@ async def run_loop(runner: WhisperRunner, sessions: SessionManager) -> None:
                                     logger.info("[speaker-id] threshold gesetzt: %.2f", t)
                             except (TypeError, ValueError):
                                 pass
+                        if "voiceIdEnabled" in payload:
+                            _set_speaker_id_enabled(payload.get("voiceIdEnabled"))
+                            logger.info("[speaker-id] Gating %s (voiceIdEnabled)",
+                                        "AN" if SPEAKER_ID_ENABLED else "AUS")
                         if "whisperDebugLog" in payload:
                             global _DEBUG_LOG_TO_BRIDGE
                             old = _DEBUG_LOG_TO_BRIDGE
@@ -1019,6 +1095,10 @@ async def run_loop(runner: WhisperRunner, sessions: SessionManager) -> None:
         except Exception as e:
             logger.warning("Verbindung verloren: %s", e)
             sessions.detach_ws()
+            try:
+                ping_task.cancel()
+            except NameError:
+                pass
             if use_tls and RVS_TLS_FALLBACK and not tls_fallback_tried:
                 logger.info("TLS-Verbindung fehlgeschlagen — Fallback auf ws://")
                 use_tls = False
@@ -1039,6 +1119,7 @@ async def main() -> None:
     # Endpointer-Loop nebenbei laufen lassen — er pruefst _ws is None und
     # schlaeft solange das nicht gesetzt ist.
     asyncio.create_task(sessions.run_endpointer())
+    asyncio.create_task(_stats.run_sampler())   # Auslastungs-Sampler (Stage E)
     await run_loop(runner, sessions)
 
 

xtts/whisper/node_stats.py

@@ -0,0 +1,167 @@
+"""
+ARIA Node-Stats — Auslastungs-Monitor pro Box (GPU + optional Tokens).
+
+Identische Kopie in jedem Worker-Build-Context (f5tts/whisper/voxtral/llm-adapter),
+weil jeder Worker ein eigener Docker-Build-Context ist.
+
+Aufgaben:
+- Sampler-Loop (alle SAMPLE_SEC): nvidia-smi-Auslastung + Token-Delta → Ringpuffer
+  (persistent als JSON auf der Box). Laeuft unabhaengig vom Modal.
+- Live-Stream: bei node_stats_stream_start jede Sekunde rohes nvidia-smi + Werte
+  senden (bis stop / Auto-Timeout).
+- History-Request + Reset (Besen).
+
+Reicht `handle(ws, mtype, payload)` in die Worker-Message-Loop ein; gibt True
+zurueck, wenn die Nachricht eine node_stats_*-Nachricht war.
+"""
+import asyncio
+import json
+import os
+import time
+
+SAMPLE_SEC = int(os.getenv("STATS_SAMPLE_SEC", "15"))
+HISTORY_CAP = int(os.getenv("STATS_HISTORY_CAP", "500"))   # ~2h bei 15s
+STREAM_MAX_SEC = int(os.getenv("STATS_STREAM_MAX_SEC", "300"))
+
+
+async def _run_cmd(*args, timeout=8) -> str:
+    """Fuehrt ein Kommando aus, gibt stdout (str) zurueck; '' bei Fehler."""
+    try:
+        proc = await asyncio.create_subprocess_exec(
+            *args,
+            stdout=asyncio.subprocess.PIPE,
+            stderr=asyncio.subprocess.DEVNULL,
+        )
+        out, _ = await asyncio.wait_for(proc.communicate(), timeout=timeout)
+        return (out or b"").decode("utf-8", "replace")
+    except Exception:
+        return ""
+
+
+class NodeStats:
+    def __init__(self, instance_id: str, node_name: str, history_path: str,
+                 token_getter=None, logger=None):
+        self.instance_id = instance_id
+        self.node_name = node_name
+        self.history_path = history_path
+        self.token_getter = token_getter   # callable -> kumulative Token-Zahl (oder None)
+        self.log = logger
+        self.samples = self._load()
+        self._last_tokens = self._tokens_now()
+        self._stream_task = None
+
+    # ── Persistenz ──────────────────────────────────────────
+    def _load(self) -> list:
+        try:
+            with open(self.history_path) as f:
+                data = json.load(f)
+            return data if isinstance(data, list) else []
+        except Exception:
+            return []
+
+    def _persist(self) -> None:
+        try:
+            os.makedirs(os.path.dirname(self.history_path) or ".", exist_ok=True)
+            tmp = self.history_path + ".tmp"
+            with open(tmp, "w") as f:
+                json.dump(self.samples[-HISTORY_CAP:], f)
+            os.replace(tmp, self.history_path)
+        except Exception:
+            pass
+
+    def _tokens_now(self) -> int:
+        try:
+            return int(self.token_getter()) if self.token_getter else 0
+        except Exception:
+            return 0
+
+    # ── nvidia-smi ──────────────────────────────────────────
+    async def _query_gpu(self) -> dict:
+        """Aggregierte GPU-Werte ueber alle sichtbaren Karten."""
+        out = await _run_cmd(
+            "nvidia-smi",
+            "--query-gpu=utilization.gpu,memory.used,memory.total",
+            "--format=csv,noheader,nounits")
+        utils, used, total = [], 0, 0
+        for line in out.strip().splitlines():
+            parts = [p.strip() for p in line.split(",")]
+            if len(parts) < 3:
+                continue
+            try:
+                utils.append(float(parts[0]))
+                used += float(parts[1])
+                total += float(parts[2])
+            except ValueError:
+                continue
+        gpu = round(sum(utils) / len(utils), 1) if utils else 0.0
+        return {"gpu": gpu, "memUsed": int(used), "memTotal": int(total)}
+
+    async def _nvidia_smi_text(self) -> str:
+        txt = await _run_cmd("nvidia-smi")
+        return txt or "nvidia-smi nicht verfuegbar"
+
+    # ── Sampler (Verlauf) ───────────────────────────────────
+    async def run_sampler(self) -> None:
+        while True:
+            try:
+                g = await self._query_gpu()
+                now_tok = self._tokens_now()
+                dtok = max(0, now_tok - self._last_tokens)
+                self._last_tokens = now_tok
+                self.samples.append({
+                    "ts": int(time.time()),
+                    "gpu": g["gpu"], "memUsed": g["memUsed"],
+                    "memTotal": g["memTotal"], "tokens": dtok,
+                })
+                if len(self.samples) > HISTORY_CAP:
+                    self.samples = self.samples[-HISTORY_CAP:]
+                self._persist()
+            except Exception as e:
+                if self.log:
+                    self.log.debug("node_stats sample fehlgeschlagen: %s", e)
+            await asyncio.sleep(SAMPLE_SEC)
+
+    # ── Live-Stream ─────────────────────────────────────────
+    async def _stream(self, ws, send) -> None:
+        t0 = time.time()
+        try:
+            while time.time() - t0 < STREAM_MAX_SEC:
+                g = await self._query_gpu()
+                smi = await self._nvidia_smi_text()
+                await send(ws, "node_stats", {
+                    "instanceId": self.instance_id, "node": self.node_name,
+                    "nvidiaSmi": smi, **g,
+                })
+                await asyncio.sleep(1)
+        except asyncio.CancelledError:
+            raise
+        except Exception:
+            return
+
+    # ── Dispatch ────────────────────────────────────────────
+    async def handle(self, ws, mtype: str, payload: dict, send) -> bool:
+        if mtype == "node_stats_stream_start":
+            if self._stream_task and not self._stream_task.done():
+                self._stream_task.cancel()
+            self._stream_task = asyncio.create_task(self._stream(ws, send))
+            return True
+        if mtype == "node_stats_stream_stop":
+            if self._stream_task:
+                self._stream_task.cancel()
+                self._stream_task = None
+            return True
+        if mtype == "node_stats_history_request":
+            await send(ws, "node_stats_history", {
+                "instanceId": self.instance_id, "node": self.node_name,
+                "samples": self.samples[-HISTORY_CAP:],
+                "tokenCapable": self.token_getter is not None,
+                "sampleSec": SAMPLE_SEC,
+            })
+            return True
+        if mtype == "node_stats_reset":
+            self.samples = []
+            self._persist()
+            await send(ws, "node_stats_reset_done",
+                       {"instanceId": self.instance_id, "node": self.node_name})
+            return True
+        return False

xtts/whisper/speaker_id.py

@@ -61,10 +61,40 @@ def _ensure_loaded():
     return _model
 
 
+def _decode_compressed_to_pcm(audio_bytes: bytes) -> bytes:
+    """Dekodiert komprimiertes Audio (MP4/M4A/AAC vom Android-Recorder) via ffmpeg
+    (im Container vorhanden) auf rohes 16kHz mono int16 LE PCM. Input geht ueber
+    eine Temp-Datei (nicht Pipe): Androids MediaRecorder legt das moov-Atom ans
+    ENDE, das braucht seekbaren Input, sonst 'moov atom not found'."""
+    import os
+    import subprocess
+    import tempfile
+    tmp = None
+    try:
+        with tempfile.NamedTemporaryFile(suffix=".mp4", delete=False) as tf:
+            tf.write(audio_bytes)
+            tmp = tf.name
+        proc = subprocess.run(
+            ["ffmpeg", "-hide_banner", "-loglevel", "error", "-i", tmp,
+             "-f", "s16le", "-ac", "1", "-ar", "16000", "pipe:1"],
+            stdout=subprocess.PIPE, stderr=subprocess.PIPE,
+        )
+        if proc.returncode != 0 or not proc.stdout:
+            raise ValueError(
+                f"ffmpeg decode failed: {proc.stderr.decode('utf-8', 'ignore')[:200]}")
+        return proc.stdout
+    finally:
+        if tmp:
+            try:
+                os.unlink(tmp)
+            except Exception:
+                pass
+
+
 def _normalize_audio_bytes(audio_bytes: bytes) -> bytes:
-    """Akzeptiert entweder rohes 16kHz int16 LE PCM ODER eine WAV-Datei (RIFF/WAVE).
+    """Akzeptiert rohes 16kHz int16 LE PCM, eine WAV-Datei (RIFF/WAVE) ODER einen
-    Bei WAV wird der Header gestrippt + Format validiert (16kHz / mono / int16).
+    komprimierten MP4/M4A/AAC-Container (Android-Recorder). WAV → Header strippen +
-    Ergebnis: rohes PCM."""
+    Format validieren; MP4/AAC → via ffmpeg dekodieren. Ergebnis: rohes PCM."""
     if (len(audio_bytes) >= 44
         and audio_bytes[:4] == b"RIFF"
         and audio_bytes[8:12] == b"WAVE"):
@@ -81,6 +111,9 @@ def _normalize_audio_bytes(audio_bytes: bytes) -> bytes:
             if sw != 2:
                 raise ValueError(f"WAV-Sampleweite {sw} != 2 (int16 erwartet)")
             return wav.readframes(wav.getnframes())
+    # MP4/M4A/AAC-Container: Android-AAC-Recorder legt 'ftyp' bei Offset 4 an.
+    if len(audio_bytes) >= 12 and audio_bytes[4:8] == b"ftyp":
+        return _decode_compressed_to_pcm(audio_bytes)
     return audio_bytes
 
 
@@ -212,13 +245,21 @@ def enroll_from_samples(samples_b64: list[str]) -> dict:
         except Exception as exc:
             rejected.append({"index": idx, "reason": f"base64: {exc}"})
             continue
-        if len(raw) < MIN_SAMPLE_BYTES:
+        # Erst dekodieren (WAV/MP4/AAC → rohes PCM), DANN Laenge pruefen: der
-            rejected.append({"index": idx, "reason": f"zu kurz ({len(raw)} bytes)"})
+        # Android-Recorder liefert komprimiertes MP4, dessen Byte-Laenge nichts
+        # ueber die Dauer sagt (4s AAC < 32KB → faelschlich "zu kurz").
+        try:
+            pcm = _normalize_audio_bytes(raw)
+        except Exception as exc:
+            rejected.append({"index": idx, "reason": f"decode: {exc}"})
+            continue
+        if len(pcm) < MIN_SAMPLE_BYTES:
+            rejected.append({"index": idx, "reason": f"zu kurz ({len(pcm)} bytes PCM)"})
             continue
         try:
-            emb = embed(raw)
+            emb = embed(pcm)
             embeddings.append(emb)
-            durations.append(len(raw) / 2 / 16000.0)
+            durations.append(len(pcm) / 2 / 16000.0)
         except Exception as exc:
             rejected.append({"index": idx, "reason": f"embed: {exc}"})
     if not embeddings: