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/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
+)