diff --git a/sundynix-gateway/go.mod b/sundynix-gateway/go.mod
index 571b87c..bc362c9 100644
--- a/sundynix-gateway/go.mod
+++ b/sundynix-gateway/go.mod
@@ -39,6 +39,7 @@ require (
 	github.com/goccy/go-json v0.10.6 // indirect
 	github.com/goccy/go-yaml v1.19.2 // indirect
 	github.com/google/uuid v1.6.0 // indirect
+	github.com/gorilla/websocket v1.5.3 // indirect
 	github.com/grpc-ecosystem/grpc-gateway/v2 v2.29.0 // indirect
 	github.com/jackc/pgpassfile v1.0.0 // indirect
 	github.com/jackc/pgservicefile v0.0.0-20240606120523-5a60cdf6a761 // indirect
diff --git a/sundynix-gateway/go.sum b/sundynix-gateway/go.sum
index c3f29ce..b3c3f0c 100644
--- a/sundynix-gateway/go.sum
+++ b/sundynix-gateway/go.sum
@@ -63,6 +63,8 @@ github.com/google/pprof v0.0.0-20221118152302-e6195bd50e26 h1:Xim43kblpZXfIBQsbu
 github.com/google/pprof v0.0.0-20221118152302-e6195bd50e26/go.mod h1:dDKJzRmX4S37WGHujM7tX//fmj1uioxKzKxz3lo4HJo=
 github.com/google/uuid v1.6.0 h1:NIvaJDMOsjHA8n1jAhLSgzrAzy1Hgr+hNrb57e+94F0=
 github.com/google/uuid v1.6.0/go.mod h1:TIyPZe4MgqvfeYDBFedMoGGpEw/LqOeaOT+nhxU+yHo=
+github.com/gorilla/websocket v1.5.3 h1:saDtZ6Pbx/0u+bgYQ3q96pZgCzfhKXGPqt7kZ72aNNg=
+github.com/gorilla/websocket v1.5.3/go.mod h1:YR8l580nyteQvAITg2hZ9XVh4b55+EU/adAjf1fMHhE=
 github.com/grpc-ecosystem/grpc-gateway/v2 v2.29.0 h1:5VipnvEpbqr2gA2VbM+nYVbkIF28c5ZQfqCBQ5g2xfk=
 github.com/grpc-ecosystem/grpc-gateway/v2 v2.29.0/go.mod h1:Hyl3n6Twe1hvtd9XUXDec4pTvgMSEixRuQKPTMH2bNs=
 github.com/jackc/pgpassfile v1.0.0 h1:/6Hmqy13Ss2zCq62VdNG8tM1wchn8zjSGOBJ6icpsIM=
diff --git a/sundynix-gateway/internal/handler/voice.go b/sundynix-gateway/internal/handler/voice.go
new file mode 100644
index 0000000..1f1b115
--- /dev/null
+++ b/sundynix-gateway/internal/handler/voice.go
@@ -0,0 +1,117 @@
+package handler
+
+import (
+	"encoding/json"
+	"log"
+	"net/http"
+	"time"
+
+	"github.com/gin-gonic/gin"
+	"github.com/gorilla/websocket"
+
+	"github.com/sundynix/sundynix-gateway/internal/voice"
+)
+
+// 语音交互 WebSocket 端点（JARVIS）。一条连接承载上行音频 + 下行转写 + 下行 TTS 音频，
+// 协议见 voice/protocol.go。鉴权走 AuthFromHeaderOrQuery（EventSource/WS 带不了 Bearer 头，
+// 用 ?token=）。本文件是会话外壳 + 客户端↔网关协议循环；火山 ASR/TTS 客户端在下一步接入。
+
+var voiceUpgrader = websocket.Upgrader{
+	ReadBufferSize:  4096,
+	WriteBufferSize: 4096,
+	// CheckOrigin 放行：鉴权已由 token 把关（跨源 WS 无法读响应，且我们不依赖 cookie）。
+	CheckOrigin: func(*http.Request) bool { return true },
+}
+
+const voiceWriteWait = 10 * time.Second
+
+// VoiceStream: GET /api/v1/voice/stream —— 升级为 WebSocket 语音会话。
+func (h *Handler) VoiceStream(c *gin.Context) {
+	uid := userID(c)
+	if uid == "" {
+		c.JSON(http.StatusUnauthorized, gin.H{"error": "需要登录"})
+		return
+	}
+	cfg := h.loadVoiceConfig(c.Request.Context())
+	if !cfg.ASREnabled() {
+		c.JSON(http.StatusServiceUnavailable, gin.H{"error": "语音服务未配置（缺 API Key / ASR resource-id）"})
+		return
+	}
+
+	conn, err := voiceUpgrader.Upgrade(c.Writer, c.Request, nil)
+	if err != nil {
+		log.Printf("[voice] 升级 WS 失败 uid=%s: %v", uid, err)
+		return
+	}
+	defer conn.Close()
+
+	sess := &voiceSession{conn: conn, uid: uid, cfg: cfg}
+	sess.send(voice.ServerMsg{Type: voice.ServerReady})
+	sess.run()
+}
+
+// voiceSession 是一次语音会话的外壳：持 WS 连接，跑协议循环。
+// 上行(音频→ASR→转写→SubmitTask)与下行(token流→攒句→TTS→音频)将挂在这里（下一步）。
+type voiceSession struct {
+	conn *websocket.Conn
+	uid  string
+	cfg  voice.Config
+}
+
+// send 下发一条控制/事件消息（文本帧，JSON）。
+func (s *voiceSession) send(m voice.ServerMsg) {
+	b, _ := json.Marshal(m)
+	_ = s.conn.SetWriteDeadline(time.Now().Add(voiceWriteWait))
+	if err := s.conn.WriteMessage(websocket.TextMessage, b); err != nil {
+		log.Printf("[voice] 写控制消息失败 uid=%s: %v", s.uid, err)
+	}
+}
+
+// sendAudio 下发一帧 TTS 音频（二进制帧）。
+func (s *voiceSession) sendAudio(pcm []byte) {
+	_ = s.conn.SetWriteDeadline(time.Now().Add(voiceWriteWait))
+	if err := s.conn.WriteMessage(websocket.BinaryMessage, pcm); err != nil {
+		log.Printf("[voice] 写音频失败 uid=%s: %v", s.uid, err)
+	}
+}
+
+// run 是协议读循环：二进制帧=上行音频，文本帧=控制消息。
+func (s *voiceSession) run() {
+	for {
+		mt, data, err := s.conn.ReadMessage()
+		if err != nil {
+			return // 客户端断开 / 读错误
+		}
+		switch mt {
+		case websocket.BinaryMessage:
+			s.onAudio(data)
+		case websocket.TextMessage:
+			var m voice.ClientMsg
+			if json.Unmarshal(data, &m) != nil {
+				continue
+			}
+			if s.onControl(m) {
+				return // bye
+			}
+		}
+	}
+}
+
+// onAudio 收到一帧上行音频。TODO(下一步)：喂火山 ASR 客户端。
+func (s *voiceSession) onAudio(_ []byte) {
+	// ASR 客户端接入后：把音频帧 push 进识别流；识别结果经 send(transcript) 回推。
+}
+
+// onControl 处理客户端控制消息，返回 true 表示会话应结束。
+func (s *voiceSession) onControl(m voice.ClientMsg) (done bool) {
+	switch m.Type {
+	case voice.ClientBye:
+		return true
+	case voice.ClientEnd:
+		// TODO(下一步)：ASR 收尾 → 拿最终转写 → 组 DSL/用 m.Graph → SubmitTask → 订阅 token 流 → 攒句 → TTS。
+		s.send(voice.ServerMsg{Type: voice.ServerError, Msg: "语音识别链路开发中（下一步接入火山 ASR）"})
+	case voice.ClientStart, voice.ClientBargeIn:
+		// start：重置一轮；barge_in：停当前 TTS 播放（TTS 接入后处理）。
+	}
+	return false
+}
diff --git a/sundynix-gateway/internal/router/router.go b/sundynix-gateway/internal/router/router.go
index 063d6dd..19e5eef 100644
--- a/sundynix-gateway/internal/router/router.go
+++ b/sundynix-gateway/internal/router/router.go
@@ -71,7 +71,8 @@ func New(db *store.Postgres, cache *store.Redis, bus *nats.Bus, blobStore *blob.
 		api.GET("/kb/ingest/:id/stream", middleware.AuthFromHeaderOrQuery(), h.KbIngestStream) // 入库进度 SSE（登录即可，进度非敏感）
 		api.GET("/reports/:id/export", middleware.AuthFromHeaderOrQuery(), h.ExportReport)     // 按需导出
 		api.GET("/reports/:id/download", middleware.AuthFromHeaderOrQuery(), h.ExportReport)   // 兼容旧入口（默认 docx）
-		api.POST("/billing/callback/:channel", h.PaymentCallback) // 支付回调（渠道服务器带不了 Bearer；渠道验签是唯一的门）
+		api.POST("/billing/callback/:channel", h.PaymentCallback)                            // 支付回调（渠道服务器带不了 Bearer；渠道验签是唯一的门）
+		api.GET("/voice/stream", middleware.AuthFromHeaderOrQuery(), h.VoiceStream)           // 语音会话 WebSocket（?token= 鉴权，WS 带不了 Bearer 头）
 
 		// —— 受保护：owner 作用域业务，必须携带有效 JWT ——
 		p := api.Group("", middleware.RequireAuth())
diff --git a/sundynix-gateway/internal/voice/protocol.go b/sundynix-gateway/internal/voice/protocol.go
new file mode 100644
index 0000000..2198ead
--- /dev/null
+++ b/sundynix-gateway/internal/voice/protocol.go
@@ -0,0 +1,54 @@
+package voice
+
+// 客户端 ↔ 网关的单条 WebSocket 消息协议（设计 VOICE_DESIGN.md D3）：
+// 一条连接同时承载上行音频、下行转写、下行 TTS 音频，用「帧类型 + JSON 消息类型」区分。
+//
+//   - 二进制帧(BinaryMessage)：纯音频 PCM
+//       · 上行 = 用户麦克风音频（喂 ASR）
+//       · 下行 = Agent 回答的 TTS 音频（客户端播放）
+//   - 文本帧(TextMessage, JSON)：控制与事件（下方 ClientMsg / ServerMsg）
+
+// ClientMsg 是客户端发来的控制消息（文本帧）。音频走二进制帧，不在此。
+type ClientMsg struct {
+	Type string `json:"type"`
+	// start：一轮语音开始（可带当前画布编排图，用它跑而非默认 DSL）
+	Graph string `json:"graph,omitempty"`
+	// 其它类型无额外字段：end(用户说完)、barge_in(打断,用户又开口)、bye(结束会话)
+}
+
+// 客户端消息类型。
+const (
+	ClientStart   = "start"    // 一轮语音开始
+	ClientEnd     = "end"      // 用户说完（静音检测或手动结束）→ 触发任务
+	ClientBargeIn = "barge_in" // 打断：用户在 Agent 说话时又开口 → 停 TTS
+	ClientBye     = "bye"      // 结束整个语音会话
+)
+
+// ServerMsg 是网关下发的控制/事件消息（文本帧）。TTS 音频走二进制帧，不在此。
+type ServerMsg struct {
+	Type string `json:"type"`
+	// transcript：ASR 转写（Final=false 为实时部分结果，true 为最终）
+	Text  string `json:"text,omitempty"`
+	Final bool   `json:"final,omitempty"`
+	// task：转写完成、任务已提交，带 task_id 供客户端切运行视图
+	TaskID string `json:"task_id,omitempty"`
+	// error：出错文案
+	Msg string `json:"msg,omitempty"`
+}
+
+// 服务端消息类型。
+const (
+	ServerReady      = "ready"      // 会话就绪，可以开始说话
+	ServerTranscript = "transcript" // ASR 转写结果（部分/最终）
+	ServerTask       = "task"       // 任务已提交（带 task_id）
+	ServerSpeaking   = "speaking"   // Agent 开始出声（首段 TTS 音频将至）
+	ServerTTSEnd     = "tts_end"    // 本轮 TTS 播放完毕
+	ServerError      = "error"      // 出错
+)
+
+// 音频格式（与火山 ASR/TTS 约定，客户端按此采集/播放）。
+const (
+	AudioSampleRate = 16000 // 上行 ASR：16kHz
+	AudioBits       = 16    // 16bit
+	AudioChannels   = 1     // 单声道
+)