feat(voice): 火山 ASR 流式识别客户端 + 会话接线(Phase 1 耳朵)

voice/asr.go: 连 wss://openspeech.bytedance.com/api/v3/sauc/bigmodel,新版 API Key 鉴权
(Authorization: Bearer + X-Api-Resource-Id + Connect-Id),发初始配置帧(bigmodel/zh/ITN/
标点/VAD),PushAudio 流式喂 PCM、Finish 收尾;读 goroutine 解析响应(result 支持数组/对象/
字符串,type=final 为最终)推入 Results 通道。

handler/voice.go 接线:onAudio→PushAudio、start→重开识别、end→Finish;起 goroutine 把
转写 send(transcript) 实时回推客户端。加 writeMu 串行化写(读循环与 ASR 结果 goroutine
都写同一 WS,gorilla 禁并发写)。连接结束 stopASR 收尾。

带单测(配置JSON字段/result三形态解析)。真识别需部署联调(要真连火山);API Key 是否
还需 X-Api-App-Key 联调若 401 再补。上行接线(final→SubmitTask)与 TTS 是下一步。

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

sundynix-gateway/internal/handler/voice.go

@@ -1,9 +1,11 @@
 package handler
 
 import (
+	"context"
 	"encoding/json"
 	"log"
 	"net/http"
+	"sync"
 	"time"
 
 	"github.com/gin-gonic/gin"
@@ -48,27 +50,35 @@ func (h *Handler) VoiceStream(c *gin.Context) {
 	sess := &voiceSession{conn: conn, uid: uid, cfg: cfg}
 	sess.send(voice.ServerMsg{Type: voice.ServerReady})
 	sess.run()
+	sess.stopASR() // 连接结束，收掉在跑的识别会话
 }
 
 // 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）。
+// 上行 = 音频→ASR→转写(→下一步 SubmitTask)；下行(token流→攒句→TTS→音频)将在 TTS 步接上。
 type voiceSession struct {
-	conn *websocket.Conn
-	uid  string
-	cfg  voice.Config
+	conn    *websocket.Conn
+	uid     string
+	cfg     voice.Config
+	writeMu   sync.Mutex // gorilla WS 不允许并发写：读循环与 ASR 结果 goroutine 都会 send，须串行化
+	asr       *voice.ASRSession
+	asrCancel context.CancelFunc
 }
 
-// send 下发一条控制/事件消息（文本帧，JSON）。
+// send 下发一条控制/事件消息（文本帧，JSON）。并发安全。
 func (s *voiceSession) send(m voice.ServerMsg) {
 	b, _ := json.Marshal(m)
+	s.writeMu.Lock()
+	defer s.writeMu.Unlock()
 	_ = 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）。
+// sendAudio 下发一帧 TTS 音频（二进制帧）。并发安全。
 func (s *voiceSession) sendAudio(pcm []byte) {
+	s.writeMu.Lock()
+	defer s.writeMu.Unlock()
 	_ = 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)
@@ -97,9 +107,16 @@ func (s *voiceSession) run() {
 	}
 }
 
-// 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。
+// onAudio 收到一帧上行音频 → 喂火山 ASR。
+func (s *voiceSession) onAudio(pcm []byte) {
+	if s.asr == nil {
+		s.startASR() // 客户端没显式 start 就直接说话时，惰性开一路识别
+	}
+	if s.asr != nil {
+		if err := s.asr.PushAudio(pcm); err != nil {
+			log.Printf("[voice] 喂 ASR 音频失败 uid=%s: %v", s.uid, err)
+		}
+	}
 }
 
 // onControl 处理客户端控制消息，返回 true 表示会话应结束。
@@ -107,11 +124,50 @@ func (s *voiceSession) onControl(m voice.ClientMsg) (done bool) {
 	switch m.Type {
 	case voice.ClientBye:
 		return true
+	case voice.ClientStart:
+		s.stopASR()
+		s.startASR() // 新一轮：重开识别
 	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）。
+		if s.asr != nil {
+			_ = s.asr.Finish() // 告知火山本轮说完，等最终转写（结果流里带 Final=true）
+		}
+		// TODO(上行接线)：拿到 Final 转写 → 组 DSL/用 m.Graph → SubmitTask → 回推 task。
+	case voice.ClientBargeIn:
+		// 打断：停当前 TTS 播放（TTS 接入后处理）。
 	}
 	return false
 }
+
+// startASR 开一路火山流式识别，并起 goroutine 把转写实时回推客户端。
+func (s *voiceSession) startASR() {
+	ctx, cancel := context.WithCancel(context.Background())
+	asr, err := voice.StartASR(ctx, s.cfg, s.uid)
+	if err != nil {
+		cancel()
+		log.Printf("[voice] 启动 ASR 失败 uid=%s: %v", s.uid, err)
+		s.send(voice.ServerMsg{Type: voice.ServerError, Msg: "语音识别启动失败"})
+		return
+	}
+	s.asr = asr
+	s.asrCancel = cancel
+	go func() {
+		for r := range asr.Results() {
+			if r.Err != nil {
+				return // 识别流结束/出错
+			}
+			s.send(voice.ServerMsg{Type: voice.ServerTranscript, Text: r.Text, Final: r.Final})
+		}
+	}()
+}
+
+// stopASR 收掉当前识别会话（幂等）。
+func (s *voiceSession) stopASR() {
+	if s.asr != nil {
+		s.asr.Close()
+		s.asr = nil
+	}
+	if s.asrCancel != nil {
+		s.asrCancel()
+		s.asrCancel = nil
+	}
+}