语音交互

10.1 语音输入（聊天框）

• 单击麦克风按钮开始录音
• 再次单击停止 → 自动转写为文字填入输入框
• 录音中按 Esc 取消（不发送）
• 不绑任何全局开始快捷键（避免破坏无障碍焦点导航）
• 转写依赖 STT_API_KEY（默认走 OpenAI Whisper）

10.2 实时语音对话（S2S WebSocket）

• 通过 WebSocket 直连 OpenAI Realtime API
• 支持双向流式语音（说→AI 听→AI 实时说回来）
• 工具调用透传 + 后端工具执行
• API Key 通过 S2S_API_KEY / S2S_BASE_URL 覆盖

⚠️ 当前 React 前端的实时语音 UI 仍在迭代中。可通过 /api/voice/ws WebSocket 端点用第三方客户端测试。