Kleineres Modell

.gitignore

@@ -1,2 +1,3 @@
 deploy/
 *.wav
+.env

docker-compose.yml

@@ -23,10 +23,10 @@ services:
     volumes:
       - /home/guru/vllm/data/root:/root
       - ./deploy/qwen3_tts.yaml:/deploy/qwen3_tts.yaml:ro
-      - ./entrypoint.sh:/entrypoint.sh:ro
+      - ./docker/entrypoint.sh:/entrypoint.sh:ro
-      - ./voice_clone_ui.py:/voice_clone_ui.py:ro
+      - ./docker/voice_clone_ui.py:/voice_clone_ui.py:ro
-      - ./ws_log_proxy.py:/ws_log_proxy.py:ro
+      - ./docker/ws_log_proxy.py:/ws_log_proxy.py:ro
-      - ./patch_qwen3_tts_runtime.py:/patch_qwen3_tts_runtime.py:ro
+      - ./docker/patch_qwen3_tts_runtime.py:/patch_qwen3_tts_runtime.py:ro
       - ./ui:/ui:ro
     command: ["/bin/bash", "/entrypoint.sh"]
     restart: unless-stopped
@@ -58,8 +58,9 @@ services:
     volumes:
       - /home/guru/vllm/data/root:/root
       - ./deploy/qwen3_tts.yaml:/deploy/qwen3_tts.yaml:ro
-      - ./entrypoint_clone.sh:/entrypoint_clone.sh:ro
+      - ./deploy/qwen3_tts_clone.yaml:/deploy/qwen3_tts_clone.yaml:ro
-      - ./patch_qwen3_tts_runtime.py:/patch_qwen3_tts_runtime.py:ro
+      - ./docker/entrypoint_clone.sh:/entrypoint_clone.sh:ro
+      - ./docker/patch_qwen3_tts_runtime.py:/patch_qwen3_tts_runtime.py:ro
     command: ["/bin/bash", "/entrypoint_clone.sh"]
     restart: "no"
     healthcheck:

docker/entrypoint_clone.sh

@@ -19,8 +19,7 @@ vllm-omni serve "$MODEL" \
   --omni \
   --host 0.0.0.0 \
   --port "$PORT" \
-  --deploy-config /deploy/qwen3_tts.yaml \
+  --deploy-config /deploy/qwen3_tts_clone.yaml \
-  --gpu-memory-utilization 0.10 \
   --trust-remote-code &
 SERVER_PID=$!
 

docs/PROJECT_OVERVIEW.md

@@ -41,11 +41,11 @@ DGX-Spark-Maschine mit begrenzter GPU-Speichernutzung ausgelegt
   `vllm/vllm-omni:latest-aarch64`, bindet Port `8091` fuer die API und `8092`
   fuer die Browser-Oberflaeche, mountet Hugging-Face-Daten sowie Deployment-,
   Entrypoint- und UI-Dateien.
-- `entrypoint.sh`: startet die Voice-Cloning-Oberflaeche im Container, startet
+- `docker/entrypoint.sh`: startet die Voice-Cloning-Oberflaeche im Container, startet
   den vLLM-Omni-Server und fuehrt nach erfolgreichem Healthcheck einen
   Warmup-Request aus, damit CUDA-Graph-/Compile-Kosten nicht den ersten echten
   Nutzerrequest treffen.
-- `start.sh`: startet den Compose-Service, filtert relevante Containerlogs in
+- `scripts/start.sh`: startet den Compose-Service, filtert relevante Containerlogs in
   lesbare Statusmeldungen und wartet auf `/health`.
 - `deploy/qwen3_tts.yaml`: aktive Deployment-Konfiguration fuer die zweistufige
   TTS-Pipeline, Streaming-Connectoren, Sampling-Parameter und Speicherlimits.
@@ -53,14 +53,14 @@ DGX-Spark-Maschine mit begrenzter GPU-Speichernutzung ausgelegt
   Deployment-Konfiguration; offenbar als explizite Streaming-Variante abgelegt.
 - `STREAMING_API.md`: detaillierte API-Dokumentation fuer REST, WebSocket,
   Session-Protokoll, Audioformate, Segmentierung und bekannte Latenzwerte.
-- `test_http.py`: einfacher REST-Test gegen `http://localhost:8091`, schreibt
+- `tests/test_http.py`: einfacher REST-Test gegen `http://localhost:8091`, schreibt
   `test_output.wav`.
-- `test_ws.py`: WebSocket-Streaming-Test gegen
+- `tests/test_ws.py`: WebSocket-Streaming-Test gegen
   `ws://localhost:8091/v1/audio/speech/stream`, sammelt PCM-Chunks und schreibt
   `test_stream_output.wav`.
 - `ui/voice-cloning.html`: einfache Browser-Oberflaeche fuer Voice Cloning mit
   Referenzaudio, Referenztranskript, Zieltext und Ausgabeplayer.
-- `voice_clone_ui.py`: kleiner lokaler Webserver, der die HTML-Oberflaeche
+- `docker/voice_clone_ui.py`: kleiner lokaler Webserver, der die HTML-Oberflaeche
   ausliefert und REST-Anfragen als Same-Origin-Proxy an den TTS-Service
   weiterleitet.
 
@@ -69,11 +69,11 @@ DGX-Spark-Maschine mit begrenzter GPU-Speichernutzung ausgelegt
 Der normale TTS/UI-Service wird gestartet und gestoppt ueber:
 
 ```bash
-./start_tts.sh
+./scripts/start_tts.sh
-./stop_tts.sh
+./scripts/stop_tts.sh
 ```
 
-`./start.sh` bleibt als kompatibler Wrapper auf `./start_tts.sh` erhalten. Beim
+`./scripts/start.sh` bleibt als kompatibler Wrapper auf `start_tts.sh` erhalten. Beim
 Start des TTS-Service wird ein eventuell laufender Clone-Container automatisch
 gestoppt. Das Skript startet danach `qwen3-tts`, beobachtet die Logs und beendet
 sich erfolgreich, sobald `http://localhost:8091/health` antwortet. Die UI ist
@@ -92,8 +92,8 @@ Voice-Clone-Prompts. Im lokalen vLLM-Omni-Code wird ein gespeicherter oder aus
 uebergeben. Fuer einen Voice-Dialog ist deshalb der richtige Betriebsmodus:
 
 ```bash
-./download_qwen3_tts_base.sh   # einmalig, falls das Base-Modell noch fehlt
+./scripts/download_qwen3_tts_base.sh   # einmalig, falls das Base-Modell noch fehlt
-./start_dialog_tts.sh          # startet qwen3-tts mit Qwen3-TTS-12Hz-1.7B-Base
+./scripts/start_dialog_tts.sh          # startet qwen3-tts mit Qwen3-TTS-12Hz-1.7B-Base
 ```
 
 Danach unter `http://localhost:8092/` die Referenzstimme speichern und fuer
@@ -104,7 +104,7 @@ Referenzaudio kann alternativ ein passender 2048-dim `speaker_embedding` ueber
 `/api/voice-vectors` gespeichert und bei jeder Ausgabe mitgesendet werden.
 
 `seed` bleibt zusaetzlich sinnvoll, ersetzt aber keinen Speaker-Anker. Der
-Runtime-Patch `patch_qwen3_tts_runtime.py` sorgt dafuer, dass `seed` im
+Runtime-Patch `docker/patch_qwen3_tts_runtime.py` sorgt dafuer, dass `seed` im
 WebSocket-Pfad tatsaechlich an jedes Segment weitergereicht wird und die
 relevanten Werte im Containerlog sichtbar sind.
 
@@ -114,7 +114,7 @@ REST eignet sich fuer komplette Eingabetexte und liefert standardmaessig eine
 WAV-Antwort. Der Testclient nutzt:
 
 ```bash
-python3 test_http.py
+python3 tests/test_http.py
 ```
 
 WebSocket eignet sich fuer Low-Latency-Szenarien, in denen Text schrittweise
@@ -123,7 +123,7 @@ eintrifft. Eine Session beginnt mit `session.config`, nimmt danach beliebig viel
 PCM-Binaerframes oder WAV-Bloecke zurueck. Der Testclient nutzt:
 
 ```bash
-python3 test_ws.py
+python3 tests/test_ws.py
 ```
 
 Details zu Nachrichtentypen, Timeouts, Audioformaten und externem Zugriff stehen
@@ -132,7 +132,7 @@ in `STREAMING_API.md`.
 ## Voice-Cloning-Oberflaeche
 
 Die Browser-Oberflaeche laeuft im selben Container wie der TTS-Service. Beim
-Start ueber `./start.sh` wird neben der API auf Port `8091` auch die UI auf Port
+Start ueber `./scripts/start.sh` wird neben der API auf Port `8091` auch die UI auf Port
 `8092` veroeffentlicht:
 
 ```text
@@ -179,7 +179,7 @@ optionalen zweiten Container `qwen3-tts-clone` im Compose-Profil `clone`. Er
 laeuft auf Port `8093` und wird nur bei Bedarf gestartet:
 
 ```bash
-QWEN3_TTS_CLONE_MODEL=<lokal-verfuegbares-clone/base-modell> ./start_clone.sh
+QWEN3_TTS_CLONE_MODEL=<lokal-verfuegbares-clone/base-modell> ./scripts/start_clone.sh
 ```
 
 Beim Start des Clone-Service wird der normale TTS/UI-Container automatisch
@@ -187,15 +187,15 @@ gestoppt. Damit laufen TTS und Clone nicht gleichzeitig auf derselben GPU.
 `clone_model.sh` bleibt fuer manuelles `status`, `logs` und `unload` erhalten:
 
 ```bash
-./stop_clone.sh
+./scripts/stop_clone.sh
-./clone_model.sh status
+./scripts/clone_model.sh status
-./clone_model.sh logs
+./scripts/clone_model.sh logs
-./clone_model.sh unload
+./scripts/clone_model.sh unload
 ```
 
 Default fuer den Clone-Service ist jetzt `Qwen/Qwen3-TTS-12Hz-1.7B-Base`.
 Wenn das Modell noch nicht im lokalen Hugging-Face-Cache liegt, zuerst
-`./download_qwen3_tts_base.sh` ausfuehren oder dem Container funktionierenden
+`./scripts/download_qwen3_tts_base.sh` ausfuehren oder dem Container funktionierenden
 Internet-/DNS-Zugriff geben.
 
 Der UI-Proxy kennt dafuer diese optionalen Routen:
@@ -217,7 +217,7 @@ den Haupt-TTS-Service.
 - `deploy/qwen3_tts.yaml` und `deploy/qwen3_tts.streaming.yaml` sind derzeit
   doppelt vorhanden. Wenn beide Varianten dauerhaft gebraucht werden, sollte der
   Unterschied dokumentiert oder eine Datei entfernt werden.
-- `test_ws.py` installiert `websockets` bei fehlendem Import automatisch per pip.
+- `tests/test_ws.py` installiert `websockets` bei fehlendem Import automatisch per pip.
   Das ist praktisch fuer lokale Tests, aber fuer reproduzierbare Umgebungen
   weniger kontrolliert als eine explizite Requirements-Datei.
 - Die Voice-Cloning-Oberflaeche ist ein Client fuer vorhandene API-Felder. Sie

docs/VOICE_CLONING.md

@@ -6,8 +6,8 @@ API-Felder und UI-Pfade es gibt und welche Fallstricke (Embedding-Dimensionen,
 Stimm-Drift) zu beachten sind.
 
 > Stand: 2026-06-17. Quelle: Code in diesem Repo (`docker-compose.yml`,
-> `entrypoint*.sh`, `voice_clone_ui.py`, `ui/voice-cloning.html`,
+> `docker/entrypoint*.sh`, `docker/voice_clone_ui.py`, `ui/voice-cloning.html`,
-> `patch_qwen3_tts_runtime.py`, `start_*.sh`) + `docs/PROJECT_OVERVIEW.md`.
+> `docker/patch_qwen3_tts_runtime.py`, `scripts/start_*.sh`) + `docs/PROJECT_OVERVIEW.md`.
 
 ---
 
@@ -49,28 +49,28 @@ HF-Cache (`/home/guru/vllm/data/root:/root`), laufen aber **nicht gleichzeitig**
 (Start-Skripte stoppen jeweils den anderen).
 
 ### 1. Haupt-Container `qwen3-tts` (Port 8091/8092/8094)
-- Startet via `entrypoint.sh`: `vllm-omni serve`, plus
+- Startet via `docker/entrypoint.sh`: `vllm-omni serve`, plus
-  - Browser-UI (`voice_clone_ui.py`) auf **8092**
+  - Browser-UI (`docker/voice_clone_ui.py`) auf **8092**
-  - WS-Logging-Proxy (`ws_log_proxy.py`) auf **8094**
+  - WS-Logging-Proxy (`docker/ws_log_proxy.py`) auf **8094**
-  - Runtime-Patch (`patch_qwen3_tts_runtime.py`) für Seed-Propagation im WS-Pfad
+  - Runtime-Patch (`docker/patch_qwen3_tts_runtime.py`) für Seed-Propagation im WS-Pfad
   - Auto-Warmup-Request nach `/health`
 - Modell wählbar über `QWEN3_TTS_MODEL`:
-  - `./start_custom_tts.sh` → CustomVoice (kein Cloning, schnell, Standard)
+  - `./scripts/start_custom_tts.sh` → CustomVoice (kein Cloning, schnell, Standard)
-  - `./start_dialog_tts.sh` → **Base** (Cloning + feste Dialogstimmen)
+  - `./scripts/start_dialog_tts.sh` → **Base** (Cloning + feste Dialogstimmen)
-  - `./start_tts.sh` / `./start.sh` → respektiert `QWEN3_TTS_MODEL`, Default CustomVoice
+  - `./scripts/start_tts.sh` / `./scripts/start.sh` → respektiert `QWEN3_TTS_MODEL`, Default CustomVoice
-  - `./stop_tts.sh` → stoppt + entfernt den Container
+  - `./scripts/stop_tts.sh` → stoppt + entfernt den Container
 
 ### 2. Optionaler Clone-Container `qwen3-tts-clone` (Port 8093, Compose-Profil `clone`)
-- Trennt Cloning von produktiver Ausgabe. Eigenes `entrypoint_clone.sh`,
+- Trennt Cloning von produktiver Ausgabe. Eigenes `docker/entrypoint_clone.sh`,
   `gpu-memory-utilization 0.10`, `restart: "no"`.
-- Start: `QWEN3_TTS_CLONE_MODEL=<modell> ./start_clone.sh`
+- Start: `QWEN3_TTS_CLONE_MODEL=<modell> ./scripts/start_clone.sh`
   (Default-Modell: `Qwen3-TTS-12Hz-1.7B-Base`). Stoppt automatisch `qwen3-tts`.
-- Verwaltung: `./clone_model.sh {load|unload|status|logs}`, `./stop_clone.sh`.
+- Verwaltung: `./scripts/clone_model.sh {load|unload|status|logs}`, `./scripts/stop_clone.sh`.
 - UI-Proxy-Routen dafür: `GET /api/clone/health`, `POST /api/clone/speech`.
 
 ### Modell-Download (einmalig)
 ```bash
-./download_qwen3_tts_base.sh   # lädt Qwen3-TTS-12Hz-1.7B-Base in den Cache
+./scripts/download_qwen3_tts_base.sh   # lädt Qwen3-TTS-12Hz-1.7B-Base in den Cache
 ```
 (Beide Modelle sind aktuell bereits im Cache vorhanden.)
 
@@ -79,8 +79,8 @@ HF-Cache (`/home/guru/vllm/data/root:/root`), laufen aber **nicht gleichzeitig**
 ## Klon-Workflow (empfohlen, über die UI)
 
 ```bash
-./download_qwen3_tts_base.sh   # nur falls Base noch nicht im Cache
+./scripts/download_qwen3_tts_base.sh   # nur falls Base noch nicht im Cache
-./start_dialog_tts.sh          # startet qwen3-tts mit dem Base-Modell
+./scripts/start_dialog_tts.sh          # startet qwen3-tts mit dem Base-Modell
 # Browser: http://localhost:8092/
 ```
 
@@ -136,7 +136,7 @@ Voice registrieren: `POST /v1/audio/voices` (multipart) — Felder `audio_sample
 
 ---
 
-## UI-Proxy-Routen (`voice_clone_ui.py`, Port 8092)
+## UI-Proxy-Routen (`docker/voice_clone_ui.py`, Port 8092)
 
 Same-Origin-Proxy, vermeidet CORS im Browser:
 
@@ -169,7 +169,7 @@ Verteilung → Timbre/Tonhöhe driften über Dialog-Turns.
   128–169 Hz (~11 %), Spektralzentroid ~11 %.
 - **Temperatur/top_k senken hilft nicht** — Drift kommt nicht vom Sampling.
 - `seed` allein reicht nicht (ersetzt keinen Speaker-Anker), wird aber im
-  WS-Pfad jetzt korrekt pro Segment durchgereicht (`patch_qwen3_tts_runtime.py`).
+  WS-Pfad jetzt korrekt pro Segment durchgereicht (`docker/patch_qwen3_tts_runtime.py`).
 
 **Lösungen:**
 1. **Fester Speaker-Anker (eigentliche Lösung):** Referenz-WAV bzw. 2048-dim
@@ -191,7 +191,7 @@ nutzen. Braucht VoiceDesign UND Base.
   2048-dim → `RuntimeError: Expected size 2048 but got size 1024`. Container
   fängt sich via `restart: unless-stopped` + Warmup in Sekunden. Die UI fängt
   diesen Fall vorab ab und zeigt eine erklärende Fehlermeldung.
-- Für Cloning **muss** das Base-Modell laufen (`start_dialog_tts.sh` oder
+- Für Cloning **muss** das Base-Modell laufen (`scripts/start_dialog_tts.sh` oder
   Clone-Service), nicht der Default-CustomVoice-Betrieb.
 - Image ist nicht auf Digest gepinnt (`vllm/vllm-omni:latest-aarch64`); Updates
   können API-Verhalten ändern.
@@ -204,16 +204,16 @@ nutzen. Braucht VoiceDesign UND Base.
 
 ```bash
 # Cloning-fähigen Betrieb starten (Base-Modell)
-./start_dialog_tts.sh
+./scripts/start_dialog_tts.sh
 # UI: http://localhost:8092/   API: http://localhost:8091
 
 # Zurück auf schnellen Standardbetrieb (keine Klone)
-./start_custom_tts.sh
+./scripts/start_custom_tts.sh
 
 # Getrennter Clone-Service auf Port 8093
-QWEN3_TTS_CLONE_MODEL=Qwen/Qwen3-TTS-12Hz-1.7B-Base ./start_clone.sh
+QWEN3_TTS_CLONE_MODEL=Qwen/Qwen3-TTS-12Hz-1.7B-Base ./scripts/start_clone.sh
-./clone_model.sh status|logs|unload
+./scripts/clone_model.sh status|logs|unload
-./stop_clone.sh
+./scripts/stop_clone.sh
 
 # Base-Modell herunterladen (einmalig)
 ./download_qwen3_tts_base.sh

scripts/clone_model.sh

@@ -1,6 +1,6 @@
 #!/bin/bash
 set -euo pipefail
-cd "$(dirname "$0")"
+cd "$(dirname "$0")/.."
 
 case "${1:-}" in
   load|start)

scripts/start_clone.sh

@@ -1,19 +1,21 @@
 #!/bin/bash
 set -euo pipefail
-cd "$(dirname "$0")"
+cd "$(dirname "$0")/.."
 
 HEALTH_URL="http://localhost:8091/health"
 MAX_WAIT="${MAX_WAIT:-180}"
+[ -f .env ] && source .env
 MODEL="${QWEN3_TTS_CLONE_MODEL:-Qwen/Qwen3-TTS-12Hz-1.7B-Base}"
 
 t0=$SECONDS
 printf "TTS-Container stoppt..."
 docker compose stop qwen3-tts >/dev/null 2>&1 || true
+docker compose rm -f qwen3-tts >/dev/null 2>&1 || true
 printf " [%ds]
 " $(( SECONDS - t0 ))
 
 printf "Clone-Container startet..."
-QWEN3_TTS_CLONE_MODEL="$MODEL" docker compose --profile clone up -d qwen3-tts-clone >/tmp/qwen3-tts-clone-compose.log 2>&1
+docker compose --profile clone up -d qwen3-tts-clone >/tmp/qwen3-tts-clone-compose.log 2>&1
 printf " [%ds]
 " $(( SECONDS - t0 ))
 printf "  Modell   %s

scripts/start_tts.sh

@@ -1,9 +1,11 @@
 #!/bin/bash
 set -e
-cd "$(dirname "$0")"
+cd "$(dirname "$0")/.."
 
 HEALTH_URL="http://localhost:8091/health"
 MAX_WAIT=180
+# .env aus dem Projektroot laden (nur falls Variable nicht schon im Shell-Env gesetzt)
+[ -f .env ] && source .env
 MODEL="${QWEN3_TTS_MODEL:-Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice}"
 
 strip_ansi() { sed 's/\x1b\[[0-9;]*[mK]//g'; }
@@ -13,12 +15,13 @@ t0=$SECONDS
 # --- Gegenseitigen Service stoppen ---
 printf "Clone-Container stoppt..."
 docker compose --profile clone stop qwen3-tts-clone >/dev/null 2>&1 || true
+docker compose --profile clone rm -f qwen3-tts-clone >/dev/null 2>&1 || true
 printf " [%ds]
 " $(( SECONDS - t0 ))
 
 # --- Container starten ---
 printf "TTS-Container startet..."
-QWEN3_TTS_MODEL="$MODEL" docker compose up -d qwen3-tts &>/tmp/qwen3-tts-compose.log
+docker compose up -d qwen3-tts &>/tmp/qwen3-tts-compose.log
 printf " [%ds]\n" $(( SECONDS - t0 ))
 printf "  Modell   %s\n\n" "$MODEL"
 

scripts/stop_clone.sh

@@ -1,6 +1,6 @@
 #!/bin/bash
 set -euo pipefail
-cd "$(dirname "$0")"
+cd "$(dirname "$0")/.."
 
 docker compose --profile clone stop qwen3-tts-clone >/dev/null 2>&1 || true
 docker compose --profile clone rm -f qwen3-tts-clone >/dev/null 2>&1 || true

scripts/stop_tts.sh

@@ -1,6 +1,6 @@
 #!/bin/bash
 set -euo pipefail
-cd "$(dirname "$0")"
+cd "$(dirname "$0")/.."
 
 docker compose stop qwen3-tts >/dev/null 2>&1 || true
 docker compose rm -f qwen3-tts >/dev/null 2>&1 || true