Voicebank : vraies voix françaises (CML-TTS) + pool anonyme + garde-fou Qwen3

Remplace la voicebank générée par Kokoro (timbre anglais sur français phonémisé
-> accent que Qwen3 clonait) par 41 vraies voix FR issues de CML-TTS (livres
audio studio) : 1 narrateur dédié, 18F/14M nommées, 4F/4M anonymes réservées.

- scripts/import_voices.py : import multi-shards parquet, 1 clip/locuteur (le
  plus propre via levenshtein), genre estimé par F0 (YIN, anti-octave), filtre
  débit de parole (ref_text aligné sur l'audio).
- VoiceEntry.anonymous + assign_voices : les figurants « anonyme (...) » tirent
  dans un pool réservé, jamais mélangé avec les voix nommées ; narrateur dédié
  (fr_narrator remplace fr_f_siwis).
- dedup._anon_attrs : genre/âge déduits du nom anonyme (bon genre de voix).
- tts/qwen3.py : garde-fou anti-dérive (rejette/réessaie les sorties en boucle
  ou coupées en estimant la durée plausible du chunk).

Limite connue : Qwen3 ne sait pas synthétiser les fragments d'1-2 mots (incises,
titres) -> trous ; à traiter (repli Kokoro ou fusion des incises).

Inclut aussi du travail en cours antérieur (refacto backend LLM pluggable
mlx/lmstudio, benchmark, ajustements frontend/API).

Claude-Session: https://claude.ai/code/session_01XSVvcy1mfb4k1xDgib9vVU

backend/inkflow/analysis/llm/base.py

@@ -0,0 +1,43 @@
+"""Abstraction des moteurs LLM (backend pluggable).
+
+Calque du pattern TTS (`tts/base.py`) : un backend ne fait *qu'une* chose,
+transformer une liste de messages (role/content) en texte brut. Toute la logique
+agnostique (calcul des parametres depuis les Settings, retrait de la pensee,
+extraction JSON tolerante, retries) vit dans la facade `client.LLM`, jamais
+dupliquee par backend.
+"""
+from __future__ import annotations
+
+from abc import ABC, abstractmethod
+from typing import Callable, Optional
+
+
+class LLMBackend(ABC):
+    """Interface commune a tous les moteurs LLM."""
+
+    name: str = "base"
+
+    def __init__(self, model_ref: str):
+        # Reference du modele, interpretee par le backend : id mlx-community
+        # (mlx) ou nom du modele charge dans LM Studio (lmstudio, vide -> actif).
+        self.model_ref = model_ref
+
+    @abstractmethod
+    def complete(
+        self,
+        messages: list[dict],
+        *,
+        max_tokens: int,
+        temperature: float,
+        reasoning: bool,
+        token_sink: Optional[Callable[[str], None]] = None,
+    ) -> str:
+        """Genere et renvoie le texte BRUT (chaine de pensee incluse).
+
+        - `messages` : liste {role, content} (system optionnel + user).
+        - `reasoning` : si vrai, le modele peut emettre une chaine de pensee ;
+          le backend peut s'arreter des que le JSON post-pensee est complet. La
+          facade retire la pensee en aval (`_strip_reasoning`).
+        - `token_sink` : si fourni, appele avec chaque morceau de texte au fil de
+          la generation (streaming pour `inkflow benchmark --stream`).
+        """