feat: 语音流式输入管线 + VAD前端集成 + 插件-工具合并清理

- 前端: VAD语音检测(@ricky0123/vad-web) + useVoiceInput双模式(流式WS/REST)
- Gateway: VoiceStreamManager代理WS流式STT到voice-service
- Voice-service: DashScope REST → Realtime WS → Whisper三级引擎 + ffmpeg转码
- 共享模块: pkg/audio(音频转换) + pkg/dashscope(ASR REST客户端)
- 清理: 移除旧plugin-manager和pkg/plugins，完成插件→工具合并
- 文档: 完善gateway-api.md和voice-service.md语音API文档
- 工具: scripts/voice/ 语音转换脚本集

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

backend/voice-service/internal/service/stt_service.go

@@ -16,41 +16,59 @@ import (
 var SupportedLanguages = []string{"zh", "en", "ja", "ko", "auto"}
 
 // STTService 语音转文字服务。
-// 优先使用 DashScope API，不可用时回退到本地 Whisper。
+// 离线转录优先使用 DashScope REST API，失败回退 Whisper。
+// 流式转录使用 DashScope Realtime WS。
 type STTService struct {
-	whisperBinary string
-	whisperModel  string
-	language      string
-	dashscope     *DashScopeSTT // 实时 ASR (qwen3-asr-flash-realtime)
+	whisperBinary     string
+	whisperModel      string
+	language          string
+	dashscope         *DashScopeSTT     // 实时 ASR (qwen3-asr-flash-realtime)
+	dashscopeREST     *DashScopeRESTSTT // 离线 ASR (qwen3-asr-flash-2026-02-10)
 }
 
 // NewSTTService 创建 STT 服务。
 func NewSTTService(cfg *config.Config) *STTService {
-	// 实时模型用于所有 WebSocket ASR 请求（支持 one-shot 和 streaming）
-	// 离线模型 (qwen3-asr-flash-2026-02-10) 是 HTTP REST API，暂未实现
-	model := cfg.DashScopeSTTRealtime
-	if model == "" {
-		model = cfg.DashScopeModel
+	realtimeModel := cfg.DashScopeSTTRealtime
+	if realtimeModel == "" {
+		realtimeModel = "qwen3-asr-flash-realtime"
+	}
+	offlineModel := cfg.DashScopeModel
+	if offlineModel == "" {
+		offlineModel = "qwen3-asr-flash-2026-02-10"
 	}
 	return &STTService{
 		whisperBinary: cfg.WhisperBinary,
 		whisperModel:  cfg.WhisperModel,
 		language:      cfg.WhisperLanguage,
-		dashscope:     NewDashScopeSTT(cfg.DashScopeAPIKey, model),
+		dashscope:     NewDashScopeSTT(cfg.DashScopeAPIKey, realtimeModel),
+		dashscopeREST: NewDashScopeRESTSTT(cfg.DashScopeAPIKey, offlineModel),
 	}
 }
 
 // IsAvailable 检查是否有任一 STT 引擎可用。
 func (s *STTService) IsAvailable() bool {
-	if s.dashscope.IsAvailable() {
+	if s.dashscopeREST.IsAvailable() || s.dashscope.IsAvailable() {
 		return true
 	}
-	_, err := os.Stat(s.whisperBinary)
-	return err == nil
+	return s.whisperAvailable()
+}
+
+// whisperAvailable 检查本地 Whisper 引擎是否真正可用。
+func (s *STTService) whisperAvailable() bool {
+	if _, err := os.Stat(s.whisperBinary); err != nil {
+		return false
+	}
+	if _, err := os.Stat(s.whisperModel); err != nil {
+		return false
+	}
+	if _, err := exec.LookPath("ffmpeg"); err != nil {
+		return false
+	}
+	return true
 }
 
 // Transcribe 将音频数据转录为文字。
-// 优先使用 DashScope，不可用时回退到本地 Whisper。
+// 优先使用 DashScope REST 离线模型，失败回退到本地 Whisper。
 func (s *STTService) Transcribe(audioData []byte, format string, language string) (string, error) {
 	if language == "" {
 		language = s.language
@@ -59,16 +77,15 @@ func (s *STTService) Transcribe(audioData []byte, format string, language string
 		return "", fmt.Errorf("不支持的语言: %s，支持的语言: %s", language, strings.Join(SupportedLanguages, ", "))
 	}
 
-	// 优先 DashScope
-	if s.dashscope.IsAvailable() {
+	// 优先 DashScope REST 离线模型（低延迟，无需 session 协商）
+	if s.dashscopeREST.IsAvailable() {
 		ctx, cancel := context.WithTimeout(context.Background(), 30*time.Second)
 		defer cancel()
-		text, err := s.dashscope.Transcribe(ctx, audioData, format, language)
+		text, err := s.dashscopeREST.Transcribe(ctx, audioData, format, language)
 		if err == nil {
 			return text, nil
 		}
-		// DashScope 失败，返回具体错误而不是回退到 Whisper
-		return "", fmt.Errorf("语音识别失败: %w", err)
+		fmt.Printf("[stt] DashScope REST 失败，回退 Whisper: %v\n", err)
 	}
 
 	// 回退到本地 Whisper
@@ -152,15 +169,21 @@ func (s *STTService) GetStatus() map[string]interface{} {
 	if _, err := os.Stat(s.whisperModel); err == nil {
 		modelExists = true
 	}
+	ffmpegAvailable := false
+	if _, err := exec.LookPath("ffmpeg"); err == nil {
+		ffmpegAvailable = true
+	}
 
 	return map[string]interface{}{
-		"available":  s.IsAvailable(),
-		"primary":    "dashscope",
-		"dashscope":  s.dashscope.GetStatus(),
+		"available":      s.IsAvailable(),
+		"primary":        "dashscope_rest",
+		"dashscope_rest": s.dashscopeREST.GetStatus(),
+		"dashscope_ws":   s.dashscope.GetStatus(),
 		"whisper": map[string]interface{}{
-			"available":        binaryAvailable && modelExists,
+			"available":        s.whisperAvailable(),
 			"binary_available": binaryAvailable,
 			"model_loaded":     modelExists,
+			"ffmpeg_available": ffmpegAvailable,
 			"model_name":       filepath.Base(s.whisperModel),
 		},
 		"default_language":    s.language,