# Speech Learning App Docker-basierter MVP fuer eine A1-Englisch-Lern-Web-App. Der Kern ist eine Go API, das Frontend ist React/TypeScript, FlowiseAI laeuft als eigener Container auf demselben VPS, und Azure Speech wird serverseitig gekapselt. ## Start auf dem VPS ```bash docker compose up --build ``` Danach: - Web-App: https://speech.v2202510301049387828.goodsrv.de - API Healthcheck: https://speech.v2202510301049387828.goodsrv.de/api/health - Flowise: vorhandene Instanz ueber `FLOWISE_BASE_URL` Der Default-Compose ist fuer den VPS portlos und haengt `speech-web`/`speech-api` an das bestehende Docker-Netzwerk `web`. ## Lokale Entwicklung ```bash cp .env.example .env docker compose -f docker-compose.dev.yml up --build ``` Danach: - Web-App: http://localhost:5173 - API Healthcheck: http://localhost:8080/health - Flowise: http://localhost:3000 Mit `AZURE_ENABLE_MOCK=true` laeuft die Aussprachebewertung ohne Azure Credentials. Fuer echte Azure Speech Calls `AZURE_SPEECH_KEY`, `AZURE_SPEECH_REGION` setzen und `AZURE_ENABLE_MOCK=false` verwenden. ## Debug Debug ist ueber `.env` aktivierbar: ```env DEBUG_ENABLED=true LOG_LEVEL=debug ``` Danach: ```bash docker compose up -d --force-recreate speech-api ``` Eingeloggte Nutzer sehen dann in der Web-App den Navigationspunkt `Debug`. Die Ausgaben sind maskiert und zeigen keine Secrets. ## MVP-Funktionen - Registrierung und Login - A1-Lernerprofil mit `en-US` - Dashboard mit Tagesziel und naechster Uebung - Browser-Audioaufnahme - Pronunciation Assessment API mit Azure/Mock-Fallback - Visuelles Wort-Feedback - Flowise-Adapter mit Mock-Fallback - Datenmodell vorbereitet fuer weitere Zielsprachen ## Architektur ```txt web -> api -> postgres -> redis -> flowise -> azure speech ``` Der Browser spricht nur mit der Go API. Azure- und Flowise-Secrets bleiben im Backend.