feat(audio): Audio-Sinks oto und null mit eigener WAV-Dekodierung

Sink-Vertrag Play/Name; oto-Sink (github.com/ebitengine/oto/v3, auf
v3.5.0 gepinnt — aktuelle stabile Major-Version; purego statt CGO, damit
cross-compilierbar) spielt RIFF/WAVE-PCM blockierend, ein Context pro
PCM-Format gecacht, da oto nur einen Kontext pro Prozess erlaubt.
null-Sink verwirft (CI/Server/Tests) und loggt optional. WAV-Parser
(RIFF-Chunks, PCM 8/16 Bit, Float32) mit klarer Fehler für alles andere.
Echte Wiedergabe nur hinter TALK_TEST_REAL_AUDIO=1.

internal/audio/wav.go

@@ -0,0 +1,81 @@
+package audio
+
+import (
+	"encoding/binary"
+	"fmt"
+)
+
+// pcmFormat beschreibt rohe PCM-Samples, wie sie oto zur Wiedergabe
+// braucht.
+type pcmFormat struct {
+	SampleRate   int
+	Channels     int
+	BitsPerCoded int // 8 (unsigned), 16 (signed LE), 32 (nur IEEE float)
+	Float        bool
+}
+
+// decodeWAV zerlegt RIFF/WAVE-Bytes in Format und PCM-Daten.
+//
+// Unterstützt: PCM (AudioFormat 1) mit 8/16 Bit sowie IEEE-Float
+// (AudioFormat 3) mit 32 Bit; Mono und Stereo. Alles andere — erst recht
+// komprimierte Formate — ist ein klarer Fehler; die OS-TTS-Wege von
+// osbuiltin liefern ausschließlich 16-Bit-PCM-WAV.
+func decodeWAV(data []byte) (pcmFormat, []byte, error) {
+	var f pcmFormat
+	if len(data) < 12 {
+		return f, nil, fmt.Errorf("wav: zu kurz für RIFF-Header (%d Bytes)", len(data))
+	}
+	if string(data[0:4]) != "RIFF" || string(data[8:12]) != "WAVE" {
+		return f, nil, fmt.Errorf("wav: kein RIFF/WAVE-Header")
+	}
+
+	var haveFmt bool
+	var payload []byte
+	pos := 12
+	for pos+8 <= len(data) {
+		id := string(data[pos : pos+4])
+		size := int(binary.LittleEndian.Uint32(data[pos+4 : pos+8]))
+		body := pos + 8
+		if body+size > len(data) {
+			return f, nil, fmt.Errorf("wav: Chunk %q überragt die Datei (Size %d)", id, size)
+		}
+		switch id {
+		case "fmt ":
+			if size < 16 {
+				return f, nil, fmt.Errorf("wav: fmt-Chunk zu kurz (%d)", size)
+			}
+			audioFormat := binary.LittleEndian.Uint16(data[body : body+2])
+			f.Channels = int(binary.LittleEndian.Uint16(data[body+2 : body+4]))
+			f.SampleRate = int(binary.LittleEndian.Uint32(data[body+4 : body+8]))
+			f.BitsPerCoded = int(binary.LittleEndian.Uint16(data[body+14 : body+16]))
+			switch {
+			case audioFormat == 1 && (f.BitsPerCoded == 8 || f.BitsPerCoded == 16):
+			case audioFormat == 3 && f.BitsPerCoded == 32:
+				f.Float = true
+			default:
+				return f, nil, fmt.Errorf("wav: nicht unterstütztes Format (AudioFormat %d, %d Bit) — erlaubt: PCM 8/16 Bit, Float 32 Bit",
+					audioFormat, f.BitsPerCoded)
+			}
+			if f.Channels < 1 || f.Channels > 2 {
+				return f, nil, fmt.Errorf("wav: %d Kanäle (erlaubt: 1, 2)", f.Channels)
+			}
+			if f.SampleRate <= 0 {
+				return f, nil, fmt.Errorf("wav: SampleRate %d", f.SampleRate)
+			}
+			haveFmt = true
+		case "data":
+			payload = data[body : body+size]
+		}
+		pos = body + size
+		if size%2 == 1 { // Chunks sind word-aligned
+			pos++
+		}
+	}
+	if !haveFmt {
+		return f, nil, fmt.Errorf("wav: kein fmt-Chunk")
+	}
+	if payload == nil {
+		return f, nil, fmt.Errorf("wav: kein data-Chunk")
+	}
+	return f, payload, nil
+}