feat(voice): 显式 end 兜底提交 + 端到端模拟工具，全链路真机跑通✅

火山流式 ASR 只在 VAD 静音时发 Final；客户端点"停"(ClientEnd)不能干等——否则整段说完
却因没触发 VAD Final 而永不提交任务(实测复现)。改为:
- voice.go 累计 latestText(每条转写更新);ClientEnd 后 1.2s 用最新转写兜底提交;
  turnMu+submitted 保证 Final 与 ClientEnd 两路只提交一次(替换旧 lastFinal 去重)
- cmd/voicesim: 端到端模拟(免麦)——TTS 合成问话→灌网关语音WS→ASR转写→提交任务→
  大模型回答→TTS朗读回推,问答音频各存 wav,签发测试用户 JWT(auth.Issue)

真机验证:问"你是谁？你能做什么？"→ task_bab1c6ee → JARVIS 语音回答 18.6s(sim_answer.wav)。
麦克风音频→ASR→任务→大模型→TTS 全程走网关跑通。

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

sundynix-gateway/cmd/voicesim/main.go

@@ -0,0 +1,214 @@
+// voicesim 端到端模拟一次语音对话（免麦克风）：把一句问话用火山 TTS 合成成音频，当作"麦克风输入"
+// 灌进网关的语音 WebSocket，走完整链路——ASR 转写 → 提交任务 → Agent(大模型)回答 → TTS 朗读回推，
+// 把「问题音频」和「回答音频」都存成 wav，转写/task_id/回答文字打印出来。晚上有麦克风前先这样验全链路。
+//
+// 前置：gateway/dispatcher/mcp-go/基建都在跑；语音配置已入库；LLM 已配。
+// 用法：
+//
+//	export VOLC_API_KEY=... VOLC_ASR_RESOURCE_ID=volc.bigasr.sauc.duration \
+//	       VOLC_TTS_RESOURCE_ID=seed-tts-2.0 VOLC_TTS_VOICE=zh_male_m191_uranus_bigtts
+//	go run ./cmd/voicesim                       # 默认问"你是谁？你能做什么？"
+//	go run ./cmd/voicesim "帮我查下明天天气"     # 自定义问话
+package main
+
+import (
+	"context"
+	"encoding/binary"
+	"encoding/json"
+	"fmt"
+	"os"
+	"time"
+
+	"github.com/gorilla/websocket"
+
+	"github.com/sundynix/sundynix-gateway/internal/auth"
+	"github.com/sundynix/sundynix-gateway/internal/voice"
+)
+
+const (
+	gatewayWS = "ws://localhost:8080/api/v1/voice/stream"
+	testUser  = "2067489539219263488" // blizzardzhang@icloud.com
+)
+
+func main() {
+	cfg := voice.Config{
+		APIKey:        os.Getenv("VOLC_API_KEY"),
+		ASRResourceID: os.Getenv("VOLC_ASR_RESOURCE_ID"),
+		TTSResourceID: os.Getenv("VOLC_TTS_RESOURCE_ID"),
+		TTSVoiceType:  os.Getenv("VOLC_TTS_VOICE"),
+	}
+	if !cfg.TTSEnabled() {
+		fatal("缺 VOLC_* 环境变量（需要 TTS 来合成问话音频）")
+	}
+	question := "你是谁？你能做什么？"
+	if len(os.Args) > 1 && os.Args[1] != "" {
+		question = os.Args[1]
+	}
+	fmt.Printf("🗣️  模拟问话：%q\n", question)
+
+	// 1) 用火山 TTS 把问话合成为音频（PCM 24k）→ 降采样到 16k（ASR 上行采样率）。
+	fmt.Println("① 合成问话音频…")
+	q24k := synth(cfg, question)
+	q16k := downsample24kTo16k(q24k)
+	_ = writeWAV("sim_question.wav", q24k, 24000)
+	fmt.Printf("   ✅ 问话音频 %d 字节（存 sim_question.wav）\n", len(q24k))
+
+	// 2) 签发测试用户 JWT（与 gateway 同一 dev 默认密钥，勿设 JWT_SECRET）。
+	token, err := auth.Issue(testUser)
+	if err != nil {
+		fatal("签发 token 失败：" + err.Error())
+	}
+
+	// 3) 连网关语音 WS。
+	fmt.Println("② 连接网关语音 WebSocket…")
+	conn, _, err := websocket.DefaultDialer.Dial(gatewayWS+"?token="+token, nil)
+	if err != nil {
+		fatal("连接网关失败：" + err.Error())
+	}
+	defer conn.Close()
+
+	answer := make([]byte, 0, 1<<20)
+	done := make(chan struct{})
+	go func() { // 读循环：文本帧=事件，二进制帧=回答 TTS 音频
+		defer close(done)
+		for {
+			mt, data, err := conn.ReadMessage()
+			if err != nil {
+				return
+			}
+			if mt == websocket.BinaryMessage {
+				answer = append(answer, data...)
+				continue
+			}
+			var m voice.ServerMsg
+			if json.Unmarshal(data, &m) != nil {
+				continue
+			}
+			switch m.Type {
+			case voice.ServerReady:
+				fmt.Println("   ← ready（会话就绪）")
+			case voice.ServerTranscript:
+				tag := "部分"
+				if m.Final {
+					tag = "最终"
+				}
+				fmt.Printf("   ← 转写[%s]：%q\n", tag, m.Text)
+			case voice.ServerTask:
+				fmt.Printf("   ← 任务已提交 task_id=%s（Agent 正在思考…）\n", m.TaskID)
+			case voice.ServerSpeaking:
+				fmt.Println("   ← Agent 开始朗读回答…")
+			case voice.ServerTTSEnd:
+				fmt.Println("   ← 回答朗读完毕")
+				return
+			case voice.ServerError:
+				fmt.Printf("   ← 错误：%s\n", m.Msg)
+			}
+		}
+	}()
+
+	// 4) 发 start → 分帧灌音频（模拟实时）→ 发 end。
+	send(conn, voice.ClientMsg{Type: voice.ClientStart})
+	fmt.Println("③ 灌入问话音频…")
+	const frame = 3200 // ~100ms @16k/16bit
+	for i := 0; i < len(q16k); i += frame {
+		end := i + frame
+		if end > len(q16k) {
+			end = len(q16k)
+		}
+		_ = conn.WriteMessage(websocket.BinaryMessage, q16k[i:end])
+		time.Sleep(90 * time.Millisecond)
+	}
+	send(conn, voice.ClientMsg{Type: voice.ClientEnd})
+	fmt.Println("④ 已说完，等 Agent 回答 + 朗读（大模型 + TTS，稍候）…")
+
+	// 5) 等回答朗读完（或超时）。
+	select {
+	case <-done:
+	case <-time.After(90 * time.Second):
+		fmt.Println("   ⏱️ 超时（90s）——大模型/TTS 可能较慢，已收到的音频仍会保存")
+	}
+
+	if len(answer) > 0 {
+		_ = writeWAV("sim_answer.wav", answer, voice.TTSSampleRate)
+		fmt.Printf("\n🔊 回答音频 %d 字节（%.1f 秒）→ 存 sim_answer.wav\n", len(answer), float64(len(answer)/2)/float64(voice.TTSSampleRate))
+		fmt.Println("   afplay sim_answer.wav  # 听 JARVIS 的语音回答")
+	} else {
+		fmt.Println("\n⚠️ 没收到回答音频（看上面事件流定位：转写?任务?朗读?）")
+	}
+	fmt.Println("\n完整链路：麦克风音频 → ASR 转写 → 提交任务 → 大模型回答 → TTS 朗读 —— 全程走网关，与真麦克风一致。")
+}
+
+// synth 用火山双向 TTS 合成整段文字为 PCM24k。
+func synth(cfg voice.Config, text string) []byte {
+	ctx, cancel := context.WithTimeout(context.Background(), 30*time.Second)
+	defer cancel()
+	ts, err := voice.StartTTS(ctx, cfg)
+	if err != nil {
+		fatal("合成连接失败：" + err.Error())
+	}
+	defer ts.Close()
+	if err := ts.Speak(text); err != nil {
+		fatal("合成推文字失败：" + err.Error())
+	}
+	_ = ts.Finish()
+	var out []byte
+	for chunk := range ts.Audio() {
+		out = append(out, chunk...)
+	}
+	if len(out) == 0 {
+		fatal("合成没拿到音频")
+	}
+	return out
+}
+
+func send(conn *websocket.Conn, m voice.ClientMsg) {
+	b, _ := json.Marshal(m)
+	_ = conn.WriteMessage(websocket.TextMessage, b)
+}
+
+// downsample24kTo16k 16bit PCM 24k→16k（3 取 2 抽取）。
+func downsample24kTo16k(in []byte) []byte {
+	n := len(in) / 2
+	out := make([]byte, 0, n*2*2/3+4)
+	for i := 0; i < n; i++ {
+		if i%3 == 2 {
+			continue
+		}
+		out = append(out, in[i*2], in[i*2+1])
+	}
+	return out
+}
+
+func writeWAV(path string, pcm []byte, rate int) error {
+	f, err := os.Create(path)
+	if err != nil {
+		return err
+	}
+	defer f.Close()
+	var h []byte
+	put := func(s string) { h = append(h, s...) }
+	u32 := func(v uint32) { b := make([]byte, 4); binary.LittleEndian.PutUint32(b, v); h = append(h, b...) }
+	u16 := func(v uint16) { b := make([]byte, 2); binary.LittleEndian.PutUint16(b, v); h = append(h, b...) }
+	put("RIFF")
+	u32(uint32(36 + len(pcm)))
+	put("WAVEfmt ")
+	u32(16)
+	u16(1)
+	u16(1)
+	u32(uint32(rate))
+	u32(uint32(rate * 2))
+	u16(2)
+	u16(16)
+	put("data")
+	u32(uint32(len(pcm)))
+	if _, err := f.Write(h); err != nil {
+		return err
+	}
+	_, err = f.Write(pcm)
+	return err
+}
+
+func fatal(msg string) {
+	fmt.Fprintln(os.Stderr, "❌ "+msg)
+	os.Exit(1)
+}

sundynix-gateway/internal/handler/voice.go

@@ -78,7 +78,10 @@ type voiceSession struct {
 	ttsCancel context.CancelFunc
 
 	pendingGraph string // 客户端 start 时带的画布编排图（语音触发既有编排），空则按转写现组
-	lastFinal    string // 最近一次已提交的最终转写，去重连发的重复 final
+
+	turnMu     sync.Mutex // 护住一轮的转写累计 + 提交去重（ASR 结果 goroutine 与 ClientEnd 兜底 goroutine 都访问）
+	latestText string     // 本轮最近一次转写（部分/最终）；ClientEnd 时兜底用它提交
+	submitted  bool       // 本轮是否已提交——Final 与 ClientEnd 两条路径只落一次
 }
 
 // send 下发一条控制/事件消息（文本帧，JSON）。并发安全。
@@ -143,13 +146,24 @@ func (s *voiceSession) onControl(m voice.ClientMsg) (done bool) {
 		return true
 	case voice.ClientStart:
 		s.pendingGraph = m.Graph // 客户端画布图（可空）：本轮若有转写则语音触发它跑
-		s.lastFinal = ""
+		s.turnMu.Lock()
+		s.latestText, s.submitted = "", false // 新一轮：清累计与提交标记
+		s.turnMu.Unlock()
 		s.stopASR()
 		s.startASR() // 新一轮：重开识别
 	case voice.ClientEnd:
 		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→提交任务）
+			_ = s.asr.Finish() // 告知火山本轮说完
 		}
+		// 火山流式 ASR 只在 VAD 静音时才发 Final；客户端显式 end（点停）时不能干等——
+		// 给点收尾时间让末尾部分结果到齐，再用"最新转写"兜底提交（trySubmit 去重，Final 先到就它先提交）。
+		go func() {
+			time.Sleep(1200 * time.Millisecond)
+			s.turnMu.Lock()
+			txt := s.latestText
+			s.turnMu.Unlock()
+			s.trySubmit(txt)
+		}()
 	case voice.ClientBargeIn:
 		s.stopTTS() // 打断：用户又开口，立刻掐掉正在朗读的 TTS
 	}
@@ -174,23 +188,29 @@ func (s *voiceSession) startASR() {
 				return // 识别流结束/出错
 			}
 			s.send(voice.ServerMsg{Type: voice.ServerTranscript, Text: r.Text, Final: r.Final})
+			if t := strings.TrimSpace(r.Text); t != "" {
+				s.turnMu.Lock()
+				s.latestText = r.Text // 累计最新转写，供 ClientEnd 兜底提交
+				s.turnMu.Unlock()
+			}
 			if r.Final {
-				s.onFinalTranscript(r.Text) // 最终转写 → 提交任务
-			} else {
-				s.lastFinal = "" // 新的部分结果=新一轮开口，放行下一次 final 提交
+				s.trySubmit(r.Text) // VAD 检出句末 → 直接提交（与 ClientEnd 兜底二选一，去重）
 			}
 		}
 	}()
 }
 
-// onFinalTranscript 拿到一段最终转写就提交一次任务。去重连发的重复 final（同一句 SAUC 可能回多条）。
-// 只在结果 goroutine 里调，lastFinal 无需加锁。
-func (s *voiceSession) onFinalTranscript(text string) {
+// trySubmit 本轮提交一次任务：Final 与 ClientEnd 兜底两条路径抢先，submitted 保证只落一次。
+func (s *voiceSession) trySubmit(text string) {
 	txt := strings.TrimSpace(text)
-	if txt == "" || txt == s.lastFinal {
+	s.turnMu.Lock()
+	if txt == "" || s.submitted {
+		s.turnMu.Unlock()
 		return
 	}
-	s.lastFinal = txt
+	s.submitted = true
+	s.turnMu.Unlock()
+
 	taskID, err := s.submitVoiceTask(txt, s.pendingGraph)
 	if err != nil {
 		s.send(voice.ServerMsg{Type: voice.ServerError, Msg: "任务提交失败：" + err.Error()})