fix(audio): Wiedergabe-MP3 als CBR ohne Xing-Tabelle -- Wortmarkierung war 28 s voraus

Die Markierung im Transkript stand auf einem Wort, gesprochen wurde eins vier
Zeilen weiter oben (gemessen an #85: 24 s Vorlauf).

Nicht die Ursache -- jeweils per Gegenprobe ausgeschlossen: die Wortzeiten
(Ausschnitte bei 600/1240/3400 s einzeln transkribiert, enthalten exakt die
Wörter der DB), MP3- vs WAV-Zeitachse (identisch), ffmpeg-Seek (trifft),
ontimeupdate-Logik (korrekt).

Ursache war der Sprung im Browser: in einer VBR-Datei gibt es keine feste
Byte-pro-Sekunde-Regel, also nutzt er die Xing-Tabelle -- 100 Stützstellen,
bei 63 Minuten ein 38-s-Raster. Er landet auf der Stützstelle davor, meldet
über currentTime aber die angefragte Zeit. Nachgerechnet: Ziel 20:40 spielt
ab 20:11,5 (-28,5 s).

Fix: -b:a 64k -ar 48000 -ac 1 -write_xing 0 statt -qscale:a 3. Byte-Position
proportional zur Zeit. Die Tabelle muss auch bei CBR weg, sie rastert auf
1/256 der Dateigröße (~15 s pro Stunde, Restfehler bis -6,4 s gemessen). Ohne
sie rechnet der Decoder linear: Restfehler 0,02 s an neun Stichpunkten.

lab/recode-cbr.sh schreibt den Altbestand einmalig um (Quelle WAV, sonst die
MP3 selbst), lab/tocerr.py ist das Messwerkzeug dahinter.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

app/lab/recode-cbr.sh

@@ -0,0 +1,67 @@
+#!/bin/bash
+# Altbestand von VBR- auf CBR-MP3 umstellen.
+#
+# Warum: der Browser springt in einer VBR-Datei über die Xing-Tabelle (100
+# Stützstellen — bei einer Stunde Audio ein 36-Sekunden-Raster) und landet
+# systematisch zu früh, meldet aber die angefragte Zeit. Genau daher lief die
+# Wortmarkierung im Transkript dem Ton voraus. Bei CBR ist die Byte-Position
+# proportional zur Zeit, jeder Sprung sitzt. Die Xing-Tabelle muss dabei WEG
+# (-write_xing 0): sie speichert Byte-Positionen nur in 1/256 der Dateigröße,
+# das sind bei einer Stunde Audio ~15 s Rundung. Ohne sie rechnet der Decoder
+# linear — bei CBR nachgemessen auf 0,02 s genau.
+#
+# Quelle ist die WAV, wo es sie noch gibt (gleiche Filterkette wie beim
+# Aufnehmen). Für die alten Aufnahmen ohne WAV bleibt nur die MP3 selbst —
+# dann OHNE Filter, die stecken dort ja schon drin.
+#
+# `-f mp3` ist Pflicht: die Zieldatei heisst *.mp3.tmp, und aus dieser Endung
+# leitet ffmpeg kein Format ab ("Unable to choose an output format").
+#
+# Sicherheit: erst in eine .tmp schreiben, Dauer gegen das Original prüfen
+# (±2 s), dann erst ersetzen. Ein Abbruch lässt die alte Datei unangetastet.
+set -u
+cd /opt/callrec/recordings || exit 1
+MAXTEMP=88000          # °C*1000 — darüber wird pausiert (kein aktiver Lüfter)
+ok=0; skip=0; fail=0
+
+dur() { ffprobe -v error -show_entries format=duration -of default=nw=1:nk=1 "$1" 2>/dev/null; }
+
+for m in rec_*.mp3; do
+  [ -f "$m" ] || continue
+  # schon fertig = 64 kbit konstant UND ohne Xing-Tabelle (die ist selbst bei
+  # CBR nur auf 1/256 der Dateigröße genau, bei einer Stunde also ~15 s).
+  if ffprobe -v error -show_entries stream=bit_rate -of default=nw=1:nk=1 "$m" 2>/dev/null | grep -q '^64000$'      && ! head -c 2048 "$m" | grep -qa Xing; then
+    skip=$((skip+1)); continue
+  fi
+  # Thermik: das Board hat keinen Lüfter, also vor jeder Datei kurz nachsehen.
+  while :; do
+    t=$(cat /sys/class/thermal/thermal_zone0/temp 2>/dev/null || echo 0)
+    [ "$t" -lt "$MAXTEMP" ] && break
+    echo "  … $((t/1000)) °C, warte 30 s"; sleep 30
+  done
+
+  w="${m%.mp3}.wav"
+  d0=$(dur "$m")
+  if [ -f "$w" ]; then
+    nice -n 10 ffmpeg -v error -y -i "$w" \
+      -af 'highpass=f=80,loudnorm=I=-16:TP=-1.5:LRA=11' \
+      -codec:a libmp3lame -b:a 64k -ar 48000 -ac 1 -write_xing 0 -f mp3 "$m.tmp" </dev/null
+  else
+    nice -n 10 ffmpeg -v error -y -i "$m" \
+      -codec:a libmp3lame -b:a 64k -ar 48000 -ac 1 -write_xing 0 -f mp3 "$m.tmp" </dev/null
+  fi
+  rc=$?
+  d1=$(dur "$m.tmp")
+  if [ $rc -ne 0 ] || [ -z "$d1" ]; then
+    echo "FEHLER  $m (ffmpeg rc=$rc)"; rm -f "$m.tmp"; fail=$((fail+1)); continue
+  fi
+  diff=$(awk -v a="$d0" -v b="$d1" 'BEGIN{d=a-b; if(d<0)d=-d; print (d>2)?"1":"0"}')
+  if [ "$diff" = "1" ]; then
+    echo "FEHLER  $m: Dauer weicht ab ($d0 -> $d1)"; rm -f "$m.tmp"; fail=$((fail+1)); continue
+  fi
+  chown callrec:callrec "$m.tmp"
+  mv -f "$m.tmp" "$m"
+  ok=$((ok+1))
+  echo "ok      $m  ($d0 s, Quelle: $([ -f "$w" ] && echo wav || echo mp3))"
+done
+echo "fertig: $ok neu kodiert, $skip schon CBR, $fail fehlgeschlagen"

app/lab/tocerr.py

@@ -0,0 +1,79 @@
+#!/usr/bin/env python3
+"""Wie weit daneben landet ein Browser-Seek in dieser MP3?
+
+Ein Browser springt in einer VBR-Datei über die Xing-TOC: 100 Stützstellen,
+linear interpoliert -> Byte-Position. Er meldet danach die ANGEFRAGTE Zeit,
+dekodiert aber ab dem gefundenen Byte. Dieses Skript rechnet beides nach:
+Byte-Position wie der Browser, echte Zeit per Frame-Zählung.
+"""
+import sys, struct
+
+path = sys.argv[1]
+targets = [float(x) for x in sys.argv[2].split(',')]
+data = open(path, 'rb').read()
+
+BITRATES = [0, 32, 40, 48, 56, 64, 80, 96, 112, 128, 160, 192, 224, 256, 320, 0]   # MPEG1 Layer3
+SRATES = [44100, 48000, 32000]
+
+def frame_len(hdr):
+    if hdr[0] != 0xFF or (hdr[1] & 0xE0) != 0xE0:
+        return None, None, None
+    ver = (hdr[1] >> 3) & 3          # 3 = MPEG1
+    layer = (hdr[1] >> 1) & 3        # 1 = Layer III
+    if ver != 3 or layer != 1:
+        return None, None, None
+    br = BITRATES[(hdr[2] >> 4) & 0xF] * 1000
+    sr = SRATES[(hdr[2] >> 2) & 3]
+    pad = (hdr[2] >> 1) & 1
+    if br == 0 or sr == 0:
+        return None, None, None
+    return int(144 * br / sr) + pad, sr, 1152
+
+# --- alle Frames einmal durchzählen: Byte -> exakte Zeit -------------------
+pos, table = 0, []          # (byte_offset, start_time)
+t = 0.0
+while pos < len(data) - 4:
+    ln, sr, spf = frame_len(data[pos:pos + 4])
+    if not ln:
+        pos += 1
+        continue
+    table.append((pos, t))
+    t += spf / sr
+    pos += ln
+print(f'{len(table)} frames, echte Dauer {t:.1f} s, Dateigroesse {len(data)} bytes')
+
+# --- Xing-TOC ---------------------------------------------------------------
+i = data.find(b'Xing')
+if i < 0:
+    i = data.find(b'Info')
+flags = struct.unpack('>I', data[i + 4:i + 8])[0]
+p = i + 8
+frames = struct.unpack('>I', data[p:p + 4])[0] if flags & 1 else None
+if flags & 1: p += 4
+bytes_total = struct.unpack('>I', data[p:p + 4])[0] if flags & 2 else len(data)
+if flags & 2: p += 4
+toc = list(data[p:p + 100]) if flags & 4 else None
+print(f'Xing: frames={frames}, bytes={bytes_total}, TOC={"ja" if toc else "nein"}')
+if not toc:
+    sys.exit('kein TOC -> Browser extrapoliert rein linear')
+
+def real_time_at(byte):
+    lo, best = 0, table[0][1]
+    for off, tt in table:
+        if off <= byte: best = tt
+        else: break
+    return best
+
+print(f'\n{"Ziel":>8} {"Byte(TOC)":>12} {"echte Zeit":>12} {"Fehler":>10}')
+for target in targets:
+    pct = target / t * 100.0
+    a = int(pct)
+    fa = toc[a]
+    fb = toc[a + 1] if a < 99 else 256.0
+    frac = pct - a
+    byte = int((fa + (fb - fa) * frac) / 256.0 * bytes_total)
+    real = real_time_at(byte)
+    lin_byte = int(target / t * len(data))
+    lin_real = real_time_at(lin_byte)
+    print(f'{target:8.1f} {byte:12d} {real:12.1f} {real - target:+10.1f} s'
+          f'   | linear: {lin_real:8.1f} {lin_real - target:+8.1f} s')

app/recorder.js

@@ -334,14 +334,29 @@ export async function stopAndSave() {
   // lame's psymodel asserts (`calc_energy: el >= 0`) on pure digital silence —
   // real since the gated mic path: nobody spoke = all-zero samples. Fall back
   // to a filterless encode instead of failing the whole stop.
+  // KONSTANTE BITRATE, kein VBR (früher `-qscale:a 3`). Grund ist die
+  // Wort-Markierung im Transkript: der Browser springt in einer VBR-MP3 über
+  // die Xing-Tabelle, und die hat nur 100 Stützstellen — bei einer 63-Minuten-
+  // Aufnahme also ein Raster von 38 s. Er landet auf der Stützstelle davor,
+  // meldet aber die angefragte Zeit zurück. Gemessen an #85: Sprung auf 20:40
+  // spielte in Wahrheit ab 20:11,5 (−28,5 s), die Markierung lief entsprechend
+  // dem Ton voraus. Bei CBR ist die Byte-Position proportional zur Zeit, jeder
+  // Sprung trifft damit auf Frame-Genauigkeit (~26 ms). 64 kbit ≈ die bisherige
+  // Durchschnittsrate (68 kbit), die Dateigröße bleibt also praktisch gleich.
+  // `-ar 48000` fest, damit der Fallback-Zweig ohne loudnorm nicht bei 16 kHz
+  // landet (= MPEG-2.5, andere Framelänge).
+  // `-write_xing 0` muss dazu: die Xing-Tabelle speichert Byte-Positionen nur
+  // in 1/256 der Dateigröße, bei einer Stunde Audio also ~15 s grob — ein
+  // Browser, der sie benutzt, wäre trotz CBR wieder daneben. Ohne sie rechnet
+  // er linear, was bei CBR exakt ist (nachgemessen: 0,02 s = ein halber Frame).
+  const MP3_ARGS = ['-codec:a', 'libmp3lame', '-b:a', '64k', '-ar', '48000', '-ac', '1', '-write_xing', '0'];
   try {
     await pexec('ffmpeg', ['-y', '-i', c.wavPath,
       '-af', 'highpass=f=80,loudnorm=I=-16:TP=-1.5:LRA=11',
-      '-codec:a', 'libmp3lame', '-qscale:a', '3', mp3Path]);
+      ...MP3_ARGS, mp3Path]);
   } catch (e) {
     console.warn('mp3 encode with filters failed (silence?), retrying plain:', String(e.message).slice(0, 200));
-    await pexec('ffmpeg', ['-y', '-i', c.wavPath,
+    await pexec('ffmpeg', ['-y', '-i', c.wavPath, ...MP3_ARGS, mp3Path]);
-      '-codec:a', 'libmp3lame', '-qscale:a', '3', mp3Path]);
   }
 
   // Move the wav into REC_DIR (rootfs — survives a reboot); it is NOT left in

docs/03-aufnahme-pipeline.md

@@ -75,6 +75,41 @@ stateDiagram-v2
 - **GUI-Anzeige „⏱ Analysezeit“:** `analysis_started_at`/`analysis_ms` in der DB; beim Polling auf
   `analysis_status` achten, NICHT auf `status` (sonst wirkt die Summary „leer“).
 
+## Wiedergabe-MP3: konstante Bitrate, keine Xing-Tabelle
+
+Die WAV ist die Arbeitskopie (Whisper, Diarization), die MP3 ist nur fürs Abspielen im Browser —
+`highpass=f=80` gegen Rumpeln, `loudnorm` für gleichmäßige Lautstärke. Beim Codec sind aber **zwei
+Einstellungen nicht verhandelbar**, sonst läuft die Wortmarkierung im Transkript aus dem Takt:
+
+```
+-codec:a libmp3lame -b:a 64k -ar 48000 -ac 1 -write_xing 0
+```
+
+**Kein VBR** (früher `-qscale:a 3`) und **keine Xing-Tabelle**. Der Grund liegt im Sprung, nicht in der
+Wiedergabe:
+
+```mermaid
+flowchart LR
+  A["Klick auf 20:40<br/>audio.currentTime = 1240"] --> B{Wie findet der<br/>Browser das Byte?}
+  B -->|"VBR: Xing-Tabelle<br/>100 Stützstellen ≈ 38 s Raster"| C["landet bei 20:11,5<br/>meldet aber 20:40"]
+  B -->|"CBR ohne Tabelle:<br/>Byte = Zeit × Bitrate"| D["landet bei 20:40,0<br/>Fehler 0,02 s"]
+  C --> E["Ton hinkt 28 s nach,<br/>Markierung läuft voraus"]
+  D --> F["synchron"]
+```
+
+Nachgemessen an #85 (63 min): ein Sprung auf 20:40 spielte in Wahrheit ab **20:11,5 (−28,5 s)** — genau
+das Bild, das der Nutzer meldete („markiert ist ein Wort vier Zeilen unter dem, was ich höre"). Die
+Wortzeitstempel selbst waren dabei korrekt; per Gegenprobe transkribierte Ausschnitte an t = 600/1240/3400 s
+enthielten exakt die Wörter, die die Datenbank dort führt.
+
+Die Tabelle muss auch bei CBR weg: sie speichert Byte-Positionen in 1/256 der Dateigröße, was bei einer
+Stunde Audio rund 15 s Rundung sind (gemessen: bis −6,4 s Restfehler). Ohne sie rechnet der Decoder
+linear — bei konstanter Bitrate exakt.
+
+64 kbit CBR entspricht praktisch der bisherigen Durchschnittsrate (68 kbit); #85 schrumpfte von 32,3 auf
+30,3 MB. Der Altbestand wurde einmalig mit `lab/recode-cbr.sh` umgeschrieben (Quelle: die WAV, wo noch
+vorhanden — sonst die MP3 selbst, dann ohne erneute Filter).
+
 ## API-Endpunkte (Auszug)
 
 | Endpunkt | Zweck |

docs/08-changelog.md

@@ -3,6 +3,46 @@
 Chronik der Entwicklungsschritte. **Regel: jede zukünftige Änderung bekommt hier einen Eintrag** (Datum,
 Was, Warum, betroffene Dateien/Backups).
 
+## 2026-08-02 — Wortmarkierung lief dem Ton voraus: VBR-MP3 war schuld
+
+**Symptom:** im Transkript war ein Wort markiert, gesprochen wurde aber eins rund vier Zeilen weiter oben.
+Gemessen an #85: markiert „auf" (20:40,3), zu hören „OneDrive" (20:16,3) — **24 s Vorlauf**.
+
+**Was es NICHT war** (der Reihe nach ausgeschlossen, jeweils mit Gegenprobe):
+
+| Verdacht | Prüfung | Ergebnis |
+|---|---|---|
+| Wortzeiten driften (VAD-Trimming im Batch-Modus) | Ausschnitte bei t = 600/1240/3400 s aus der WAV geschnitten und einzeln transkribiert | dort stehen exakt die Wörter, die die DB führt — **Zeitstempel korrekt** |
+| MP3 und WAV haben verschiedene Zeitachsen | MP3 komplett dekodiert, dieselben Stellen geprüft | identisch |
+| Datei kaputt / ffmpeg-Seek daneben | `ffmpeg -ss` an denselben Stellen | trifft genau |
+| Anzeige-Logik (`ontimeupdate`) | Code gelesen: letztes Wort mit `t_start <= t` | korrekt |
+
+**Was es war:** der Sprung im Browser. Die MP3 war VBR, dort gibt es keine feste Byte-pro-Sekunde-Regel,
+also nutzt der Browser die **Xing-Tabelle — 100 Stützstellen, bei 63 Minuten ein Raster von 38 s**. Er
+landet auf der Stützstelle davor, meldet über `currentTime` aber die angefragte Zeit zurück. Nachgerechnet
+(`lab/tocerr.py`, Frames gezählt + Tabelle geparst): Ziel 20:40 → tatsächliche Abspielposition **20:11,5,
+also −28,5 s**. Genau die beobachtete Größenordnung, und der Versatz bleibt bis zum nächsten Sprung stehen.
+
+**Fix:** MP3 künftig **CBR mit 64 kbit und ohne Xing-Tabelle**
+(`-b:a 64k -ar 48000 -ac 1 -write_xing 0` statt `-qscale:a 3`). Dann ist die Byte-Position proportional
+zur Zeit und jeder Sprung sitzt. Die Tabelle muss auch bei CBR weg — sie rastert Byte-Positionen auf
+1/256 der Dateigröße, was bei einer Stunde ~15 s sind (Restfehler gemessen: bis −6,4 s). Ohne sie rechnet
+der Decoder linear: **Restfehler 0,02 s = ein halber Frame**, an neun Stichpunkten über die ganze Datei
+geprüft.
+
+Dateigröße bleibt praktisch gleich (#85: 32,3 → 30,3 MB), 64 kbit CBR ≈ die bisherige Durchschnittsrate
+von 68 kbit.
+
+**Altbestand:** `lab/recode-cbr.sh` schreibt alle vorhandenen Aufnahmen einmalig um — Quelle ist die WAV
+mit derselben Filterkette wie beim Aufnehmen, für die alten Aufnahmen ohne WAV die MP3 selbst (dann ohne
+erneutes `loudnorm`, das steckt dort schon drin). Schreibt erst in eine `.tmp`, vergleicht die Dauer
+(±2 s) und ersetzt erst dann; pausiert oberhalb von 88 °C, weil das Board keinen Lüfter hat.
+Zwei Stolpersteine dabei: `-f mp3` ist Pflicht (aus der Endung `.mp3.tmp` leitet ffmpeg kein Format ab),
+und eine 0-Byte-Altdatei (`rec_1784247236781.mp3`) bleibt als Fehler liegen statt den Lauf abzubrechen.
+
+Dateien: `app/recorder.js` (Board-Backup `.bak-cbr`), `app/lab/recode-cbr.sh` (neu),
+`app/lab/tocerr.py` (neu, Messwerkzeug), Kapitel [03 – Aufnahme-Pipeline](03-aufnahme-pipeline.md).
+
 ## 2026-08-02 (nachgereicht) — Grüne Nadel, Logo führt zurück zu den Aufnahmen
 
 **Nadel grün statt rot:** der Anheften-Knopf in der Aufnahmenliste zeigte bei einer angehefteten Aufnahme