ARIA-AGENT/issue.md

ARIA Issues & Features

Erledigt

• Bildupload funktioniert (Shared Volume /shared/uploads/)
• Sprachnachrichten werden als Text angezeigt (STT → Chat-Bubble)
• Cache leeren + Auto-Download von Anhaengen
• ARIA liest Nachrichten vor (TTS via Piper, später ersetzt)
• Autoscroll zur letzten Nachricht (inverted FlatList)
• Bilder im Chat groesser + Vollbild-Vorschau
• Ohr-Button → Gespraechsmodus (Auto-Aufnahme nach ARIA-Antwort)
• Play-Button in ARIA-Nachrichten fuer Sprachwiedergabe
• Chat-Suche in der App (Lupe in Statusleiste)
• Watchdog mit Container-Restart (2min Warnung → 5min doctor --fix → 8min Restart)
• Abbrechen-Button im Diagnostic Chat
• Nachrichten Backup on-the-fly (/shared/config/chat_backup.jsonl)
• Grosse Nachrichten satzweise aufteilen fuer TTS
• RVS Nachrichten vom Smartphone gehen durch
• Stimmen-Einstellungen (Ramona/Thorsten, Speed pro Stimme — durch XTTS/F5-TTS ersetzt)
• Highlight-Trigger konfigurierbar in Diagnostic
• XTTS v2 Integration (Gaming-PC, GPU, Voice Cloning) — durch F5-TTS ersetzt
• XTTS Voice Cloning (Audio-Samples hochladen, eigene Stimme)
• TTS Engine waehlbar (Piper/XTTS) — Piper raus, XTTS raus, jetzt nur F5-TTS
• Auto-Update System (APK via RVS WebSocket)
• Auto-Update: APK-Installation via FileProvider
• Auto-Update: "Auf Updates pruefen" Button in App-Einstellungen
• Audio-Queue (sequentielle Wiedergabe, kein Ueberlappen)
• Textnachrichten werden von ARIA beantwortet (Bridge chat handler fix)
• Mehrere Anhaenge + Text vor dem Senden (Pending-Vorschau)
• Paste-Support fuer Bilder in Diagnostic Chat
• Markdown-Bereinigung fuer TTS (fett, kursiv, code, links, etc.)
• SSH Volume read-write fuer Proxy (kein -F Workaround mehr)
• Diagnostic: Sessions als Markdown exportieren (Download-Button)
• Speech Gate: Aufnahme wird verworfen wenn keine Sprache erkannt
• Session-Persistenz: Gewaehlte Session bleibt ueber Container-Restarts erhalten
• Diagnostic: "ARIA denkt..." bleibt nicht mehr stehen
• App: "ARIA denkt..." Indicator + Abbrechen-Button (Bridge spiegelt agent_activity via RVS)
• Whisper STT: Model-Auswahl in Diagnostic (tiny/base/small/medium/large-v3), Hot-Reload
• App: Audio-Aufnahme explizit 16kHz mono (spart Resample, optimal fuer Whisper)
• Streaming TTS: PCM-Stream → AudioTrack MODE_STREAM, keine WAV-Gaps
• Piper komplett entfernt
• Gespraechsmodus: Speech-Gate strenger (-28dB / 500ms)
• Diagnostic: Archivierte Session-Versionen (.reset.*) angezeigt + exportierbar
• tools/export-jsonl-to-md.js: CLI-Konverter fuer Session-JSONL zu Markdown
• NO_REPLY-Filter in Bridge + Diagnostic
• Audio-Ducking + Exklusiv-Focus (Kotlin AudioFocusModule)
• TTS-Cleanup serverseitig: Code-Bloecke raus, Einheiten ausgeschrieben, Abkuerzungen buchstabiert, URLs zu "ein Link"
• QR-Code Onboarding: Diagnostic generiert QR, App scannt
• TTS-Audio-Cache im Filesystem: WAV pro messageId, Play-Button spielt aus Cache
• Config via Diagnostic: RVS-Credentials + Auth-Token persistiert in /shared/config/runtime.json
• Disk-Voll Banner in Diagnostic: rotes Overlay + copy-baren Cleanup-Befehlen (safe + aggressiv)
• cleanup.sh: kombinierter Docker-Aufraeum-Befehl (safe / --full)
• Streaming TTS Pre-Roll: AudioTrack play() startet erst wenn 2.5s gepuffert sind
• Streaming TTS Stop-Race: Writer wartet auf playbackHeadPosition vor stop()/release() — keine abgeschnittenen Saetze mehr
• Leading-Silence (200ms) am Stream-Anfang — AudioTrack faehrt sauber an
• Pre-Roll-Buffer einstellbar in App-Settings (1.0-6.0s, Default 3.5s)
• Fade-In auf erstem PCM-Chunk (120ms) — versteckt XTTS/F5-TTS Warmup-Glitches
• Decimal-zu-Worte fuer TTS (0.1 → null komma eins, mit IP-Schutz-Lookahead)
• Generic Acronym-Buchstabieren (XTTS → X T T S, USB → U S B, ueber expliziter Liste)
• Voice-Auswahl funktioniert wieder: speaker_wav als Basename statt Pfad fuer daswer123 local-Mode
• Diagnostic-Voice-Wechsel resettet alle App-lokalen Voice-Overrides via type "config"
• voice_preload/voice_ready: Stille Mini-Render bei Voice-Wechsel + Toast/Status "bereit"
• Whisper STT auf die Gamebox ausgelagert (faster-whisper CUDA, float16) — neuer aria-whisper-bridge Container
• aria-bridge: STT primaer remote (Gamebox), Fallback lokal nach 45s Timeout
• Whisper-Modell hot-swap auf Gamebox via config-Broadcast aus Diagnostic
• F5-TTS ersetzt XTTS komplett — neuer aria-f5tts-bridge Container, Voice Cloning, satzweises Streaming
• Voice-Upload mit Whisper-Auto-Transkription — User muss keinen Referenz-Text eintippen
• Audio-Pause statt Ducking: Spotify/YouTube pausieren komplett waehrend TTS (TRANSIENT statt MAY_DUCK)
• AudioFocus.release wartet auf echten Playback-Ende — kein Volume-Hochfahren mehr mid-Antwort
• VAD-Stille einstellbar in App-Settings (1.0-8.0s, Default 2.8s)
• MAX_RECORDING auf 120s — laengere Erklaerungen moeglich
• App: Audioausgabe hoert nicht mehr mitten im Satz auf (playbackHeadPosition wait + Stop-Race fix)

Offen

Bugs

• NO_REPLY wird als "NO" im Chat angezeigt — sollte still verworfen werden (Token nicht gesaeubert)

App Features

• Wake Word on-device (Porcupine "ARIA" Keyword, Phase 2 — passives Lauschen)
• Chat-History zuverlaessiger laden (AsyncStorage Race Condition)
• Background Audio Service (TTS auch bei minimierter App)

TTS / Audio

• Audio-Normalisierung (Lautstaerke zwischen Saetzen/Chunks angleichen)
• F5-TTS: Streaming-Inferenz testen (nativ statt satzweise) wenn ein passendes Backend kommt
• F5-TTS: Optional Deepspeed-Beschleunigung pruefen

Architektur

• Bilder: Claude Vision direkt nutzen (aktuell nur Dateipfad an ARIA)
• Auto-Compacting und Memory/Brain Verwaltung (SQLite?)
• Diagnostic: System-Info Tab (Container-Status, Disk, RAM, CPU)
• RVS Zombie-Connections endgueltig loesen
• Alle .env-Variablen ueber Diagnostic konfigurierbar machen (Fallback .env bleibt fuer initialen Bootstrap)
• Gamebox: kleine Web-Oberflaeche fuer Credentials/Server-Config oder zentral aus Diagnostic per RVS push
• Root-Cause OpenClaw Session-Reset: Herausfinden warum Sessions beim ersten chat.send nach Container-Restart verworfen werden