diff --git a/core/voice/language_policy.py b/core/voice/language_policy.py
index d77ff24..3216f94 100644
--- a/core/voice/language_policy.py
+++ b/core/voice/language_policy.py
@@ -38,6 +38,7 @@ def enforce_input_language(text: str) -> str | None:
 
 def clean_speakable_text(text: str) -> str:
     value = re.sub(r"```.*?```", "", str(text or ""), flags=re.DOTALL)
+    value = re.sub(r"^\s*\[SPEAKER\]\s*", "", value, flags=re.IGNORECASE)
     value = re.sub(r"[`*_#>|]", "", value)
     value = re.sub(r"\s+", " ", value).strip()
     return value
diff --git a/docs/WINDOWS_UPDATE_VISION_SPEAKER.md b/docs/WINDOWS_UPDATE_VISION_SPEAKER.md
new file mode 100644
index 0000000..65c8344
--- /dev/null
+++ b/docs/WINDOWS_UPDATE_VISION_SPEAKER.md
@@ -0,0 +1,47 @@
+# Biz-Windows: Foliensehen und saubere Sprachausgabe
+
+Dieser Stand ergänzt v0.17.11 um die Entfernung des internen `[SPEAKER]`-Tags
+aus gesprochenen Antworten. Der Folienweg vom Companion über `/lecture/context`
+bis zur multimodalen Anfrage an das konfigurierte LLM ist bereits in v0.17.11
+enthalten. Die iPad-/iPhone-App wird getrennt aktualisiert.
+
+## Update der bestehenden Windows-VM
+
+1. Die aktive Installation, den Git-Stand und lokale Änderungen ermitteln.
+   Vor dem Update die Konfiguration, `Soul.md`, `User.md`, den gesamten
+   `TrinityRuntime`-Ordner und die Voice-Referenzdateien sichern. Backups
+   außerhalb des Git-Repositories ablegen.
+2. Den geprüften Git-Stand beziehen und Änderungen an der bestehenden
+   Installation vergleichen. Windows-spezifische oder lokale Anpassungen
+   übernehmen, statt sie durch Mac-Dateien zu ersetzen.
+3. `system.profile=BIZ`, Modell-Endpunkt, Bridge- und Voice-Tokens,
+   Ubuntu-Verbindungen, Eve-Stimmprobe, Vault-Pfade und Wakeword-Varianten
+   aus der Windows-Konfiguration beibehalten. `core/config.json` nicht aus
+   dem Repository oder vom Mac übernehmen.
+4. Die Windows-Trinity kontrolliert neu starten. Bestehende Chat- und
+   Sprachtests wiederholen; eine Modellantwort mit `[SPEAKER]` muss ohne
+   dieses Wort gesprochen werden. Die öffentliche Lautsprecherumschaltung
+   der älteren Desktop-Sprachausgabe separat prüfen.
+5. Das Companion mit dem Tailscale-Endpunkt der Windows-Bridge verbinden und
+   eine PDF- und eine HTML-Folie testen: Seitenwechsel, Bildbestätigung in
+   den Companion-Einstellungen und eine Frage nach einem Detail, das nur
+   im Bild steht. Die Antwort muss über die Windows-Trinity laufen.
+
+## Verteilung der Dienste
+
+Die bestehende VM-/Ubuntu-Aufteilung ist unterstützt: Die Windows-VM hält
+Sessions, Memory, Agenten und Freigaben; Ubuntu berechnet STT, TTS und das
+Vision-LLM. Companion-Clients wählen die Windows-Bridge. Die Tailscale-
+Verbindungen müssen für Bridge, Voice und Modell vorhanden bleiben.
+
+Der Gemma4-Dienst auf Ubuntu benötigt für Bildanfragen eine ausreichend große
+`batch-size` und `ubatch-size`. Auf der Workstation wurde am 22.09.2026 die
+vorherige Kombination 512/128 nach einem reproduzierbaren Bild-Absturz auf
+2048/2048 angehoben. Zwei synthetische Bildwerte und eine echte Companion-
+Folie wurden anschließend korrekt gelesen. Dieser Serverwert gehört nicht
+in die Windows-Trinity-Konfiguration.
+
+Eine gemeinsame PRIVAT-/BIZ-Instanz ist eine eigene Migration. Sie benötigt
+eine Entscheidung über Daten- und Zugriffsgrenzen sowie eine geprüfte
+Übernahme der bisherigen Sessions und Memory-Datenbanken. Das Update hier
+führt diese Migration nicht aus.
diff --git a/tests/voice/test_voice_primitives.py b/tests/voice/test_voice_primitives.py
index eda3808..e65a072 100644
--- a/tests/voice/test_voice_primitives.py
+++ b/tests/voice/test_voice_primitives.py
@@ -34,6 +34,11 @@ def test_german_policy_allows_short_technical_terms_but_rejects_english_paragrap
     assert segment_for_speech("Erster Satz. Zweiter Satz.", max_chars=14) == ["Erster Satz.", "Zweiter Satz."]
 
 
+def test_speaker_routing_marker_is_not_spoken():
+    assert segment_for_speech("[SPEAKER] Wir beginnen mit der Tabelle.") == ["Wir beginnen mit der Tabelle."]
+    assert segment_for_speech("Der Speaker ist hier ein Fachbegriff.") == ["Der Speaker ist hier ein Fachbegriff."]
+
+
 def test_events_and_metrics_contain_no_prompt_content(tmp_path):
     event = VoiceEvent("transcript.final", "s", "t", {"length": 12})
     assert event.as_dict()["type"] == "transcript.final"