diff --git a/AI_TODO.md b/AI_TODO.md
index c1e892f..1efa9cb 100644
--- a/AI_TODO.md
+++ b/AI_TODO.md
@@ -117,14 +117,25 @@ CREATE TABLE IF NOT EXISTS user_grammar_weaknesses (
 
 ---
 
-### Этап 3: Режим «Аудирование на слух» (Listening & Dictation)
-- [ ] **Скрытый режим тестирования**:
-  - Вопрос и варианты ответов озвучиваются нативно через браузерный `window.speechSynthesis` (0 сетевых запросов).
-  - Текст вопроса скрыт шторкой или кнопкой «Показать текст» (позволяет тренировать восприятие беглой английской речи на слух).
-- [ ] **Аудио-диктант по ключевым предложениям**:
+### Этап 3: 100% Оффлайн-озвучка и Аудирование (Piper TTS / Neural VITS)
+- [ ] **Интеграция легковесного автономного движка Piper TTS**:
+  - Скомпилированный статический бинарник `piper` (< 15 МБ, чистый C++/ONNX, без зависимостей).
+  - Загрузка компактных оффлайн-моделей голосов в `models/voices/` (суммарно ~130 МБ):
+    - Английский (Natural US/UK): `en_US-lessac-medium.onnx` (~63 МБ).
+    - Русский (Естественный диктор): `ru_RU-dmitri-medium.onnx` (~65 МБ).
+  - Время генерации на CPU: ~0.5–1.0 сек на предложение (RTF ~0.2, в 5 раз быстрее реального времени).
+  - Потребление ОЗУ: ~150–200 МБ только во время синтеза с мгновенной выгрузкой.
+- [ ] **Оффлайн-кэширование аудиофайлов (`data/audio_cache/`)**:
+  - Генерация имени по SHA-256 хешу текста и идентификатора голоса (`data/audio_cache/{hash}.wav`).
+  - Повторные запросы одного и того же предложения отдаются мгновенно за 0.05 мс из кэша.
+  - 0 байт сетевого трафика во внешнюю сеть — полная изоляция и автономность.
+- [ ] **Скрытый режим тестирования (Listening Comprehension)**:
+  - Вопрос и варианты ответов озвучиваются нейросетью Piper.
+  - Текст вопроса скрыт шторкой или кнопкой «Показать текст» (тренировка восприятия беглой речи на слух).
+- [ ] **Аудио-диктант по ключевым предложениям книги**:
   - Модель выбирает 3 ярких и грамматически богатых предложения из главы.
-  - Браузер диктует предложение, пользователь вводит его на слух.
-  - Сравнение ввода со сгенерированным оригиналом (подсветка пропущенных предлогов и окончаний).
+  - Piper озвучивает предложение живым голосом носителя, пользователь вводит его на слух.
+  - Подсветка пропущенных предлогов, окончаний и артиклей при проверке.
 
 ---