feat(voice): WebSocket 端点 + 客户端↔网关协议(Phase 1 地基)

加 gorilla/websocket(无 genproto 冲突)。voice/protocol.go 定死单条 WS 的消息协议:
二进制帧=音频(上行麦克风/下行TTS),文本帧=JSON 控制/事件(ClientMsg:start/end/barge_in/
bye;ServerMsg:ready/transcript/task/speaking/tts_end/error);音频 PCM 16k 单声道。
handler/voice.go: GET /api/v1/voice/stream 升级 WS,鉴权走 AuthFromHeaderOrQuery(?token=,
WS 带不了 Bearer),会话外壳 + 协议读循环(音频帧/控制消息分派)已通,火山 ASR/TTS 客户端
在下一步挂 onAudio/onControl 的 TODO 点接入。build+vet+test 绿。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

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
+}