Assistant vocal local ESP32 : étapes 1 à 15, et 15b écrite

État du projet au premier commit :
- firmware ESP32 : micro I2S, lecture anti-gigue, MQTT (état retenu, testament),
  mains libres, domotique de démonstration, chien de garde, présence du serveur ;
- serveur Python : sessions, VAD, faster-whisper, pyannote, identification,
  droits par profil, domotique, mot de réveil, Piper ;
- broker Mosquitto : configuration, comptes et ACL (non activés en développement) ;
- étape 15b écrite, en attente d'essai : agent MQTT pour machines Linux.

Étapes 1 à 15 validées. 203 tests, pyright sans erreur.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

server/voice_server/text_to_speech.py

@@ -0,0 +1,73 @@
+"""Synthèse vocale avec Piper (étape 6)."""
+
+from __future__ import annotations
+
+import logging
+import time
+from dataclasses import dataclass
+from typing import TYPE_CHECKING
+
+import numpy as np
+
+from voice_server.audio_resampler import AudioResampler
+from voice_server.settings import TtsSettings
+
+if TYPE_CHECKING:  # import réel dans __init__ : le mode écho se passe de l'extra « speech »
+    from piper import PiperVoice, SynthesisConfig
+
+logger = logging.getLogger(__name__)
+
+
+@dataclass(frozen=True)
+class Speech:
+    """Parole synthétisée, déjà au format du système."""
+
+    pcm: bytes          # s16le mono à la fréquence du système
+    audio_s: float      # durée de la parole
+    elapsed_s: float    # temps de calcul (synthèse et rééchantillonnage)
+
+
+class TextToSpeech:
+    """Transforme un texte en PCM prêt à envoyer à l'ESP32.
+
+    Piper produit du 22 050 Hz en flottants ; AudioResampler le ramène au
+    format du système (16 kHz, s16le) et fixe sa crête à -3 dBFS.
+    """
+
+    def __init__(self, tts: TtsSettings, resampler: AudioResampler, sample_rate: int) -> None:
+        """
+        Args:
+            tts: réglages (voix, débit).
+            resampler: mise au format du système.
+            sample_rate: fréquence du système, pour calculer la durée produite.
+
+        Raises:
+            FileNotFoundError: la voix n'a pas été téléchargée.
+        """
+        if not tts.model_path.exists():
+            raise FileNotFoundError(f"voix piper absente : {tts.model_path} : lancez 'make models'")
+        from piper import PiperVoice, SynthesisConfig
+
+        began = time.monotonic()
+        self._voice: PiperVoice = PiperVoice.load(tts.model_path)
+        self._config: SynthesisConfig = SynthesisConfig(length_scale=tts.length_scale)
+        self._resampler = resampler
+        self._sample_rate = sample_rate
+        logger.info("voix piper %s chargee en %.1f s (%d Hz)", tts.voice,
+                    time.monotonic() - began, self._voice.config.sample_rate)
+
+    def synthesize(self, text: str) -> Speech:
+        """Synthétise le texte ; Piper le découpe en phrases, qu'on remet bout à bout."""
+        began = time.monotonic()
+        parts: list[np.ndarray] = []
+        rate = self._voice.config.sample_rate
+        for chunk in self._voice.synthesize(text, syn_config=self._config):
+            parts.append(chunk.audio_float_array)
+            rate = chunk.sample_rate
+        signal = np.concatenate(parts) if parts else np.zeros(0, dtype=np.float32)
+        pcm = self._resampler.convert(signal, rate)
+        return Speech(
+            pcm=pcm,
+            audio_s=len(pcm) / 2 / self._sample_rate,
+            elapsed_s=time.monotonic() - began,
+        )