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/pipeline/orchestrator.py

@@ -124,7 +124,7 @@ class Orchestrator:
     # --- etapes --------------------------------------------------------------
     def run_analyze(self, slug: str, chapter_indexes: Optional[list[int]] = None) -> None:
         def job() -> None:
-            from ..analysis.gemma import Gemma
+            from ..analysis.llm.client import LLM
             from ..analysis.segmenter import analyze_chapter
             from ..models import Cast
             from ..settings import get_settings
@@ -137,7 +137,7 @@ class Orchestrator:
             state.active_stage = "analyze"
             self._save_and_emit(state)
 
-            gemma = Gemma()
+            gemma = LLM()
             dedup_gemma = gemma if get_settings().dedup_use_gemma else None
             cast = artifacts.load_cast(slug)
             chars = list(cast.characters)
@@ -196,7 +196,7 @@ class Orchestrator:
         tout en maintenant la coherence du livre (deduplication).
         """
         def job() -> None:
-            from ..analysis.gemma import Gemma
+            from ..analysis.llm.client import LLM
             from ..analysis.segmenter import extract_characters
             from ..casting.dedup import reconcile_characters
             from ..models import Cast
@@ -209,7 +209,7 @@ class Orchestrator:
             state.active_stage = "cast"
             self._save_and_emit(state)
 
-            gemma = Gemma()
+            gemma = LLM()
             dedup_gemma = gemma if get_settings().dedup_use_gemma else None
             cast = artifacts.load_cast(slug)
             chars = list(cast.characters)
@@ -239,7 +239,7 @@ class Orchestrator:
     def run_dedup_cast(self, slug: str) -> None:
         """Replie les doublons d'un casting deja constitue (Holden/James Holden...)."""
         def job() -> None:
-            from ..analysis.gemma import Gemma
+            from ..analysis.llm.client import LLM
             from ..casting.dedup import dedup_cast
             from ..models import Cast
             from ..settings import get_settings
@@ -250,7 +250,7 @@ class Orchestrator:
             self._save_and_emit(state)
 
             cast = artifacts.load_cast(slug)
-            gemma = Gemma() if get_settings().dedup_use_gemma else None
+            gemma = LLM() if get_settings().dedup_use_gemma else None
             chars = dedup_cast(cast.characters, gemma)
             artifacts.save_cast(slug, Cast(
                 narrator_voice_id=cast.narrator_voice_id, characters=chars))
@@ -259,7 +259,7 @@ class Orchestrator:
 
     def run_pronounce(self, slug: str) -> None:
         def job() -> None:
-            from ..analysis.gemma import Gemma
+            from ..analysis.llm.client import LLM
             from ..analysis.pronunciation import (
                 merge_pronunciations,
                 propose_pronunciations,
@@ -271,7 +271,7 @@ class Orchestrator:
             state.active_stage = "pronounce"
             self._save_and_emit(state)
 
-            gemma = Gemma()
+            gemma = LLM()
             pron = artifacts.load_pronunciation(slug)
             targets = book.render_chapters[:3]  # echantillon de chapitres
             for i, ch in enumerate(targets):