Fix: Chatterbox lauter/kratzig (Peak-Normalisierung) + sporadischer Generation-Bug (Retry x3)

Klon-Output war zu laut/übersteuert -> Peak auf 0.9 normalisiert. alignment_stream_analyzer-NoneType
ließ einzelne Sätze fehlschlagen (im Voice-Loop 'Stimme kam nicht') -> bis zu 3 Versuche.

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

voice_service/app.py

@@ -183,10 +183,26 @@ def chatterbox_tts(text: str, language: str, ref_path: str) -> bytes:
     ref = ref_path or active_ref()
     if ref and os.path.exists(ref):
         kwargs["audio_prompt_path"] = ref          # Zero-Shot Voice-Cloning aus Referenz
-    wav = model.generate(text, **kwargs)
+    # Chatterbox hat einen sporadischen Bug (alignment_stream_analyzer → NoneType), der einzelne
+    # Generierungen fehlschlagen lässt → im Voice-Loop „Stimme kam nicht". Ein Retry klappt meist.
+    wav = None
+    last_err: Exception | None = None
+    for attempt in range(3):
+        try:
+            wav = model.generate(text, **kwargs)
+            break
+        except Exception as exc:  # noqa: BLE001
+            last_err = exc
+            log.warning("Chatterbox-Generation fehlgeschlagen (Versuch %d/3): %s", attempt + 1, exc)
+    if wav is None:
+        raise HTTPException(502, f"Chatterbox-Generation fehlgeschlagen: {last_err}")
     # wav = torch.Tensor [1, N] @ model.sr → in WAV-Bytes serialisieren.
     import numpy as np
     arr = wav.squeeze(0).detach().cpu().numpy().astype(np.float32)
+    # Peak-Normalisierung gegen Übersteuern/Clipping (Klon-Output ist oft zu laut → kratzig).
+    peak = float(np.max(np.abs(arr))) if arr.size else 0.0
+    if peak > 0:
+        arr = arr / peak * float(os.environ.get("VOICE_CHATTERBOX_PEAK", "0.9"))
     buf = io.BytesIO()
     sf.write(buf, arr, int(model.sr), format="WAV", subtype="PCM_16")
     return buf.getvalue()