feat: implement TTS, Document processing, and Memory Service /facts API

- TTS: xtts-v2 integration with voice cloning support
- Document: docling integration for PDF/DOCX/PPTX processing
- Memory Service: added /facts/upsert, /facts/{key}, /facts endpoints
- Added required dependencies (TTS, docling)

DATALAB-CHANDRA-INSTALLATION-GUIDE.md

@@ -0,0 +1,150 @@
+# 📄 Встановлення Datalab Chandra на НОДА1
+
+**Дата:** 2026-01-12
+
+---
+
+## ✅ Це нормально!
+
+**Так, встановлення Datalab Chandra для обробки документів та таблиць — відмінна ідея!**
+
+Chandra доповнить поточну обробку документів і надасть:
+- ✅ Обробку складних таблиць (зберігає структуру)
+- ✅ Розпізнавання рукописного тексту
+- ✅ Обробку форм та документів
+- ✅ Збереження макету документа (bounding boxes, метадані)
+- ✅ Вихід у форматах: Markdown, HTML, JSON
+
+---
+
+## 📊 Поточна ситуація
+
+### НОДА1:
+- ✅ **GPU:** NVIDIA RTX 4000 SFF Ada (20GB VRAM) — достатньо для Chandra Small
+- ✅ **Обробка документів:** `gateway-bot/services/doc_service.py`
+- ✅ **Router:** має `OCR_URL` налаштування
+
+### Що додасть Chandra:
+- Покращена обробка таблиць
+- Розпізнавання рукопису
+- Обробка складних форм
+- Детальні метадані документа
+
+---
+
+## 🔧 Встановлення
+
+### Крок 1: Отримати Docker образ Chandra
+
+**Варіант A: Офіційний Datalab образ (потрібна ліцензія)**
+```bash
+# Потрібно отримати доступ до Datalab registry
+docker pull datalab/chandra-inference:latest
+```
+
+**Варіант B: HuggingFace модель (open-source)**
+```bash
+# Використати HuggingFace модель
+# Створити власний Dockerfile з моделлю
+```
+
+### Крок 2: Налаштувати змінні оточення
+
+Додати в `.env` або `docker-compose.node1.yml`:
+```yaml
+environment:
+  - CHANDRA_LICENSE_KEY=${CHANDRA_LICENSE_KEY:-}  # Якщо потрібна ліцензія
+  - CHANDRA_MODEL=chandra-small  # або chandra для повної версії
+```
+
+### Крок 3: Запустити сервіси
+
+```bash
+cd /opt/microdao-daarion
+docker compose -f docker-compose.node1.yml up -d chandra-inference chandra-service
+```
+
+### Крок 4: Перевірити статус
+
+```bash
+# Перевірка health check
+curl http://localhost:8002/health
+
+# Перевірка моделей
+curl http://localhost:8002/models
+```
+
+---
+
+## 🔗 Інтеграція
+
+### Router інтеграція:
+- ✅ `OCR_URL` оновлено на `http://chandra-service:8002`
+- ✅ Додано `CHANDRA_URL` для прямих викликів
+
+### Gateway інтеграція:
+- `doc_service.py` може використовувати Chandra через Router
+- Або напряму через `chandra-service:8002`
+
+---
+
+## 📝 Використання
+
+### API виклик:
+```python
+import httpx
+
+async with httpx.AsyncClient() as client:
+    response = await client.post(
+        "http://chandra-service:8002/process",
+        files={"file": ("document.pdf", file_data)},
+        data={
+            "output_format": "markdown",  # або html, json
+            "accurate_mode": "false"
+        }
+    )
+    result = response.json()
+```
+
+### Інтеграція в doc_service:
+```python
+# В doc_service.py додати метод:
+async def parse_with_chandra(
+    self,
+    doc_url: str,
+    output_format: str = "markdown"
+) -> Dict[str, Any]:
+    """Parse document using Chandra OCR"""
+    async with httpx.AsyncClient() as client:
+        response = await client.post(
+            "http://chandra-service:8002/process",
+            json={
+                "doc_url": doc_url,
+                "output_format": output_format
+            }
+        )
+        return response.json()
+```
+
+---
+
+## ⚠️ Важливо
+
+1. **Ліцензія:** Для повної версії Chandra потрібна ліцензія Datalab
+2. **VRAM:** Chandra Small потребує ~8GB VRAM, повна версія ~16GB
+3. **Час обробки:** Accurate mode повільніший, але точніший
+4. **Docker образ:** Потрібно замінити placeholder на реальний образ Datalab
+
+---
+
+## 🔄 Наступні кроки
+
+1. Отримати Docker образ Chandra (Datalab registry або HuggingFace)
+2. Оновити `docker-compose.node1.yml` з правильним образом
+3. Налаштувати ліцензію (якщо потрібна)
+4. Протестувати обробку таблиць та форм
+5. Інтегрувати в `doc_service.py`
+
+---
+
+**Оновлено:** 2026-01-12