lct-06: голосовой контур VAD → STT → звонящий → TTS, с перебиванием

Контур замкнут без LLM: звонящий отвечает заготовками через слот-автомат.
Живой диалог через WebSocket прошёл 5 раз подряд без сбоев: первая
реплика после снятия трубки — 87–154 мс, ход — 1.2–1.4 с, перебивание —
88–90 мс. На LLM до цели 1.5 с остаётся 100–300 мс.

Задача ответа живёт, пока у курсанта доигрывает звук: перебивание —
это отмена одной задачи, и tts.end приходит, когда звонящий
действительно замолчал.

Что нашлось при сборке:
- Silero молча выбрасывает цифры: «улица Ленина, дом… квартира…» без
  номеров. Числа и сокращения разворачиваются в слова до синтеза.
- onnxruntime брал все 16 ядер и вытеснял синтез, первый вызов был
  холодным: распознавание 576 мс вместо ~210. Прогрев на старте и по
  4 потока на модель.
- Весь адрес одним предложением — ~455 мс синтеза до первого звука.
  Длинное предложение режется по запятым, номер от улицы не отрывается:
  ~250 мс.
- Первая реплика «Алло! Помогите!» запускалась мимо задачи ответа и не
  перебивалась вовсе.

Отдельно: сломал make dev — num2words попал в pyproject, а Dockerfile
ставил зависимости ручным списком, и бэкенд в контейнере упал на
импорте. Образ теперь ставит зависимости из pyproject.toml.

Голоса в контейнере нет: под WSL модели работают нативно, make back.

backend/tests/test_voice_text.py

@@ -0,0 +1,53 @@
+"""Нормализация текста перед синтезом: адрес должен прозвучать целиком."""
+
+import re
+
+from app.voice.text import normalize, sentences, speech_chunks
+
+
+def test_address_digits_become_words():
+    spoken = normalize("улица Ленина, 14, квартира 47, 5-й этаж")
+    assert not re.search(r"\d", spoken), spoken
+    assert "четырнадцать" in spoken and "сорок семь" in spoken and "пятый" in spoken
+
+
+def test_abbreviations_are_expanded():
+    assert normalize("ул. Ленина, д. 14, кв. 47") == "улица Ленина, дом четырнадцать, квартира сорок семь"
+
+
+def test_ordinal_gender_follows_suffix():
+    assert normalize("5-я линия") == "пятая линия"
+    assert normalize("3-е окно") == "третье окно"
+    assert normalize("2-й подъезд") == "второй подъезд"
+
+
+def test_building_letter_is_spoken():
+    spoken = normalize("дом 47B")
+    assert "сорок семь" in spoken and "бэ" in spoken and "B" not in spoken
+
+
+def test_nothing_to_say_is_empty_not_an_error():
+    """Пустая строка роняет Silero ValueError — нормализация отдаёт пустое,
+    и синтез просто не вызывается."""
+    assert normalize("   ") == ""
+
+
+def test_reply_splits_by_sentence():
+    assert sentences("Алло! Горим! Улица Ленина, дом четырнадцать.") == [
+        "Алло!", "Горим!", "Улица Ленина, дом четырнадцать."
+    ]
+
+
+def test_long_address_is_chunked_for_a_fast_first_sound():
+    chunks = speech_chunks("Улица Ленина, 14, квартира 47, 5-й этаж! Быстрее!")
+    assert chunks[0] == "Улица Ленина, 14,", chunks
+    assert "".join(chunks).replace(" ", "") == "УлицаЛенина,14,квартира47,5-йэтаж!Быстрее!"
+
+
+def test_short_sentences_are_not_chopped():
+    assert speech_chunks("Алло! Горим!") == ["Алло!", "Горим!"]
+
+
+def test_house_number_stays_with_the_street():
+    chunks = speech_chunks("Я же сказал — улица Ленина, 14, квартира 47, 5-й этаж! Записывайте!")
+    assert chunks[0].endswith("Ленина, 14,"), chunks