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/casting/assign.py

@@ -1,10 +1,12 @@
 """Auto-casting : attribue une voix distincte a chaque personnage.
 
 Strategie deterministe :
-- Narrateur : voix FR native par defaut (ff_siwis), sinon premiere voix.
-- Personnages : voix du meme genre, distinctes tant qu'il en reste ; au-dela on
-  recycle en repartissant le plus equitablement possible. Genre inconnu -> pool
-  mixte. L'ordre (tri par nom) garantit la reproductibilite.
+- Narrateur : voix dediee de la voicebank (PREFERRED_NARRATOR), sinon 1re voix.
+- Personnages nommes : voix du meme genre dans le pool *nomme* (anonymous=False),
+  distinctes tant qu'il en reste ; au-dela recyclage equitable.
+- Figurants anonymes ("anonyme (...)") : voix du meme genre dans le pool *reserve*
+  (anonymous=True), pour ne pas consommer les voix des personnages nommes.
+Genre inconnu -> pool mixte. L'ordre (tri par nom) garantit la reproductibilite.
 L'utilisateur pourra surcharger ces choix dans l'UI.
 """
 from __future__ import annotations
@@ -14,18 +16,29 @@ from typing import Optional
 
 from ..models import Cast, Character, Voicebank
 
-# Voix narrateur preferee (FR native).
-PREFERRED_NARRATOR = "fr_f_siwis"
+# Voix narrateur preferee (voix dediee de la voicebank CML).
+PREFERRED_NARRATOR = "fr_narrator"
 
 
-def _pick_pool(vb: Voicebank, gender: Optional[str], narrator_id: str) -> list[str]:
-    """Voix candidates : on privilegie STRICTEMENT le genre (quitte a reutiliser).
+def _is_anonymous(name: str) -> bool:
+    """Un figurant anonyme ("anonyme (homme)", "anonyme (femme, vieux)", ...)."""
+    return name.strip().lower().startswith("anonyme")
 
-    On ne croise le genre que si aucune voix du bon genre n'existe. Le narrateur
-    est exclu tant qu'il reste d'autres options, pour le distinguer.
+
+def _pick_pool(vb: Voicebank, gender: Optional[str], narrator_id: str,
+               *, anonymous: bool) -> list[str]:
+    """Voix candidates : genre STRICT et pool reserve selon `anonymous`.
+
+    Les figurants anonymes tirent dans le sous-ensemble `anonymous=True`, les
+    personnages nommes dans le sous-ensemble `anonymous=False` — les deux ne se
+    melangent pas. On ne croise (tag puis genre) qu'en dernier recours si le pool
+    cible est vide. Le narrateur est exclu tant qu'il reste d'autres options.
     """
-    same = [e.id for e in vb.by_gender(gender)] if gender in ("male", "female") else []
-    pool = same if same else [e.id for e in vb.entries]
+    genders = (gender,) if gender in ("male", "female") else ("male", "female")
+    # 1) genre + tag exacts ; 2) genre seul ; 3) tout.
+    same_tag = [e.id for g in genders for e in vb.by_gender(g, anonymous=anonymous)]
+    same_gender = [e.id for g in genders for e in vb.by_gender(g)]
+    pool = same_tag or same_gender or [e.id for e in vb.entries]
     non_narrator = [vid for vid in pool if vid != narrator_id]
     return non_narrator or pool  # garde le narrateur seulement s'il est seul
 
@@ -55,7 +68,7 @@ def assign_voices(
         if respect_existing and ch.voice_id and vb.by_id(ch.voice_id):
             usage[ch.voice_id] += 1
             continue  # respecte une attribution existante (override utilisateur)
-        pool = _pick_pool(vb, ch.gender, narrator_id)
+        pool = _pick_pool(vb, ch.gender, narrator_id, anonymous=_is_anonymous(ch.name))
         # Choisit la voix la moins utilisee du pool (donc une voix neuve d'abord).
         best = min(pool, key=lambda vid: (usage[vid], pool.index(vid)))
         ch.voice_id = best

backend/inkflow/casting/dedup.py

@@ -132,12 +132,15 @@ def _absorb(
     age: Optional[str] = None,
     description: Optional[str] = None,
     voice_id: Optional[str] = None,
+    keep_canonical: bool = False,
 ) -> None:
     """Fusionne la variante `name` dans `target` (mutation en place).
 
     Enrichit les attributs manquants, recalcule le nom canonique et range les
-    autres formes en aliases.
-    """
+    autres formes en aliases. `keep_canonical=True` GARDE le nom actuel de
+    `target` comme canonique (les autres formes deviennent aliases) : sert a
+    rendre stable un nom deja etabli dans le cast (un chapitre ne doit pas
+    renommer "Sagale" en "Amiral Mehmet Sagale")."""
     target.gender = target.gender or gender
     target.age = target.age or age
     target.description = target.description or description
@@ -148,17 +151,36 @@ def _absorb(
         f = (f or "").strip()
         if f:
             forms.setdefault(_norm(f), f)
-    canon = max(forms, key=lambda n: _completeness(forms[n]))
+    canon = (_norm(target.name) if keep_canonical
+             else max(forms, key=lambda n: _completeness(forms[n])))
     target.name = forms[canon]
     target.aliases = sorted(v for k, v in forms.items() if k != canon)
 
 
+# Genre/age d'un locuteur anonyme "anonyme (homme, adulte)" (inverse de
+# segmenter._anon_identity) -> pour qu'il herite d'une voix du bon genre.
+_ANON_GENDER = {"homme": "male", "femme": "female"}
+_ANON_AGE = {"enfant": "child", "jeune": "young", "adulte": "adult", "vieux": "old"}
+
+
+def _anon_attrs(name: str) -> tuple[Optional[str], Optional[str]]:
+    low = name.strip().lower()
+    if not low.startswith("anonyme"):
+        return None, None
+    inside = low[low.find("(") + 1: low.find(")")] if "(" in low else ""
+    toks = [t.strip() for t in inside.split(",")]
+    gender = next((_ANON_GENDER[t] for t in toks if t in _ANON_GENDER), None)
+    age = next((_ANON_AGE[t] for t in toks if t in _ANON_AGE), None)
+    return gender, age
+
+
 def _item(c) -> dict:
     """Normalise un personnage ou un nom brut en entree de reconciliation."""
     if isinstance(c, Character):
         return {"name": c.name, "gender": c.gender, "age": c.age,
                 "description": c.description, "voice_id": c.voice_id}
-    return {"name": str(c), "gender": None, "age": None,
+    gender, age = _anon_attrs(str(c))  # figurant anonyme -> genre/age depuis le nom
+    return {"name": str(c), "gender": gender, "age": age,
             "description": None, "voice_id": None}
 
 
@@ -194,6 +216,9 @@ def reconcile_characters(
     """
     chars = [c.model_copy(deep=True) for c in book_chars]
     name_map: dict[str, str] = {}
+    # Noms deja etablis dans le cast : on les garde canoniques (un chapitre ne
+    # doit pas renommer un personnage existant en une forme plus longue/titree).
+    established = {_norm(c.name) for c in book_chars}
 
     items = [_item(c) for c in new_chars]
     seen = {_norm(it["name"]) for it in items}
@@ -214,7 +239,8 @@ def reconcile_characters(
             pending.append(it)
         elif m is not None:
             _absorb(m, it["name"], gender=it["gender"], age=it["age"],
-                    description=it["description"], voice_id=it["voice_id"])
+                    description=it["description"], voice_id=it["voice_id"],
+                    keep_canonical=_norm(m.name) in established)
             name_map[_norm(it["name"])] = m.name
         elif gemma is not None:
             pending.append(it)  # peut etre une variante non evidente ("Jim")
@@ -231,7 +257,8 @@ def reconcile_characters(
                 target = hm if isinstance(hm, Character) else None
             if target is not None:
                 _absorb(target, it["name"], gender=it["gender"], age=it["age"],
-                        description=it["description"], voice_id=it["voice_id"])
+                        description=it["description"], voice_id=it["voice_id"],
+                        keep_canonical=_norm(target.name) in established)
                 name_map[_norm(it["name"])] = target.name
             else:
                 _create(chars, it, name_map)

backend/inkflow/casting/voicebank.py

@@ -1,9 +1,14 @@
-"""Banque de voix : un jeu de voix variees (genre/age) auto-suffisant.
+"""Banque de voix : un jeu de voix francaises variees (genre, pool anonyme).
 
-Chaque voix s'appuie sur une voix Kokoro (identite + clip de reference). Le clip
-de reference est genere une fois en lisant un passage francais standard ; il sert
-de reference de timbre pour le clonage Qwen3 (rendu final). Aucune ressource
-externe a sourcer.
+La banque de reference est peuplee par `scripts/import_voices.py` a partir de
+**vrais clips de locuteurs francais** (CML-TTS, livres audio) : chaque voix a son
+`ref_audio` + `ref_text`, qui servent de reference de timbre au clonage Qwen3
+(rendu final). C'est la source de verite (metadata.json versionne).
+
+`build_voicebank()` ci-dessous est un fallback **legacy** : il regenere des clips
+*avec Kokoro* (presets a timbre anglais lisant du francais -> accent). Il ne se
+declenche que si metadata.json est absent ou sans `ref_audio`. Re-peupler la
+banque = relancer le script d'import, pas ce fallback.
 
 Resolution moteur :
 - Kokoro -> VoiceSpec(preset=kokoro_voice)        (rapide, preview / draft)