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-QUICK-START.md

@@ -0,0 +1,134 @@
+# 🚀 Datalab Chandra - Швидкий старт
+
+**Дата:** 2026-01-12
+
+---
+
+## ✅ Підтверджено: Це нормально!
+
+**Так, встановлення Datalab Chandra для обробки документів та таблиць — відмінна ідея!**
+
+---
+
+## 📋 Що вже зроблено
+
+1. ✅ Створено `chandra-service` — API wrapper для Chandra
+2. ✅ Додано в `docker-compose.node1.yml`:
+   - `chandra-inference` — контейнер для inference (потрібен реальний образ)
+   - `chandra-service` — API wrapper сервіс
+3. ✅ Оновлено Router:
+   - `OCR_URL` → `http://chandra-service:8002`
+   - Додано `CHANDRA_URL`
+
+---
+
+## 🔧 Що потрібно зробити
+
+### 1. Отримати Docker образ Chandra
+
+**Варіант A: Офіційний Datalab (потрібна ліцензія)**
+```bash
+# Потрібно отримати доступ до Datalab registry
+docker pull datalab/chandra-inference:latest
+```
+
+**Варіант B: HuggingFace модель (open-source)**
+- Використати модель з HuggingFace
+- Створити власний Dockerfile
+
+### 2. Оновити docker-compose.node1.yml
+
+Замінити placeholder:
+```yaml
+chandra-inference:
+  image: python:3.11-slim  # ← Замінити на реальний образ
+```
+
+На реальний образ:
+```yaml
+chandra-inference:
+  image: datalab/chandra-inference:latest  # або ваш образ
+```
+
+### 3. Налаштувати ліцензію (якщо потрібна)
+
+Додати в `.env`:
+```bash
+CHANDRA_LICENSE_KEY=your_license_key_here
+CHANDRA_MODEL=chandra-small  # або chandra
+```
+
+### 4. Запустити сервіси
+
+```bash
+cd /opt/microdao-daarion
+docker compose -f docker-compose.node1.yml up -d chandra-inference chandra-service
+```
+
+### 5. Перевірити
+
+```bash
+# Health check
+curl http://localhost:8002/health
+
+# Список моделей
+curl http://localhost:8002/models
+```
+
+---
+
+## 📊 Вимоги
+
+- **GPU:** NVIDIA RTX 4000 SFF Ada (20GB VRAM) — достатньо для `chandra-small`
+- **VRAM:** 
+  - `chandra-small`: ~8GB
+  - `chandra`: ~16GB
+- **Ліцензія:** Потрібна для комерційного використання
+
+---
+
+## 🔗 Інтеграція
+
+### Router:
+- Використовує `CHANDRA_URL` для обробки документів
+- Автоматично маршрутизує OCR запити
+
+### Gateway:
+- `doc_service.py` може викликати Chandra через Router
+- Або напряму через `chandra-service:8002`
+
+---
+
+## 📝 Приклад використання
+
+```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",
+            "accurate_mode": "false"
+        }
+    )
+    result = response.json()
+    markdown = result["result"]["markdown"]
+```
+
+---
+
+## ⚠️ Важливо
+
+1. **Docker образ:** Потрібно замінити placeholder на реальний образ
+2. **Ліцензія:** Для повної версії потрібна ліцензія Datalab
+3. **VRAM:** Переконайтеся, що GPU має достатньо пам'яті
+
+---
+
+**Готово до встановлення!**
+
+---
+
+**Оновлено:** 2026-01-12