Lucy-TTS/F5: Skripte + Batches versionieren, schwere Assets ignoriert

- pocket_server.py (Produktions-TTS mit Stimmen-Waechter), text_norm, Bench-/Diag-Skripte
- lucy-f5: f5_server/f5_test/bench_dml (DirectML-Experiment, Phase C/D offen)
- .gitignore: venvs/Modelle/Audio/Logs der beiden Ordner + box_recon/gemma_swap-Scratch

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

client/lucy-tts/diag_noiseclamp.py

@@ -0,0 +1,40 @@
+# -*- coding: utf-8 -*-
+"""Stabilität gegen Stimm-Kollaps: temp 0.9 mit/ohne noise_clamp. F0-Verteilung + Whisper + RTF.
+Mehr Samples, um einen Kollaps (tiefe F0) zu provozieren und zu sehen, ob noise_clamp ihn dämpft."""
+import os, time, numpy as np, librosa, soundfile as sf
+from pocket_tts import TTSModel
+from faster_whisper import WhisperModel
+
+BASE = r"F:\Coding Stuff\mission-control-2\client\lucy-tts"
+src,_ = librosa.load(os.path.join(BASE,"ref.mp3"), sr=24000, mono=True)
+srt,_ = librosa.effects.trim(src, top_db=30); ref=os.path.join(BASE,"ref.wav")
+sf.write(ref, srt[:int(18*24000)], 24000)
+LEAD="Tja. "
+TEXTS = ["Hallo Commander, ich höre dich.","Natürlich, das mache ich sofort für dich.",
+         "Die Hitze ist heute wirklich heftig.","Klar, ich kümmere mich gleich darum.",
+         "Guten Morgen, Commander, alles sauber.","Kein Problem, ich erledige das jetzt.",
+         "Das Backup lief ohne Fehler durch.","Verstanden, Commander, ich bleibe dran."]
+w = WhisperModel("small", device="cpu", compute_type="int8")
+
+def f0_of(a, sr):
+    f0,_,_ = librosa.pyin(a, fmin=80, fmax=400, sr=sr, frame_length=1024)
+    v=f0[~np.isnan(f0)]; return float(np.median(v)) if v.size else float("nan")
+
+def run(temp, nc):
+    m = TTSModel.load_model(language="german_24l", lsd_decode_steps=6, temp=temp, noise_clamp=nc)
+    vs = m.get_state_for_audio_prompt(ref); sr=m.sample_rate
+    print(f"=== temp={temp} noise_clamp={nc} ===", flush=True)
+    f0s=[]; rtfs=[]
+    for i in range(12):
+        t=TEXTS[i%len(TEXTS)]
+        t0=time.time(); a=m.generate_audio(vs, LEAD+t, frames_after_eos=4); dt=time.time()-t0
+        a=a.numpy() if hasattr(a,"numpy") else np.asarray(a); a=np.asarray(a,dtype=np.float32).reshape(-1)
+        f0=f0_of(a,sr); f0s.append(f0); rtfs.append(dt/max(a.size/sr,0.01))
+        flag=" <<< MÄNNLICH/Kollaps?" if (f0==f0 and f0<150) else ""
+        print(f"  [{i:2}] F0={f0:6.1f}Hz{flag}", flush=True)
+    arr=np.array([x for x in f0s if x==x])
+    print(f"  -> F0 median {np.median(arr):.0f} min {arr.min():.0f} max {arr.max():.0f} | RTF~{np.median(rtfs):.2f}", flush=True)
+
+run(0.9, None)
+run(0.9, 3.0)
+print("NC_DONE")