feat(channelbridge): 出站语音结论落 voice 列并挂出站 Media（M58）

- voice.Ref 增 SourceTTS 与 FallbackReason，Validate/IsZero/validSource 同步
- 出站成功：INSERT -> 补写 voice 列 -> notify（首帧即带 voice）
- 出站降级：source=tts + status=failed + fallbackReason，正文原样
- 首条气泡挂出站 Media（新开条目，不复制 target.Media）
- gateway historyVoice 投影 fallbackReason
- 新增 outbound_voice.go 与整链 e2e 测试（含变异打红验证时序）

internal/services/channelbridge/bubbles.go

@@ -16,7 +16,8 @@ import (
 type bubbleSender func(ctx context.Context, msg adapter.UnifiedMessage) error
 
 // sendIMBubbles 是 sendReply（回复路径）与 SendProactive（主动推送）
-// 共用的唯一 IM 出站出口。它把内容变成 IM 渠道应收到的纯聊天气泡：
+// 共用的唯一 IM 出站出口（带音频的回复走 sendIMBubblesVoice，它只是多挂一条 Media）。
+// 它把内容变成 IM 渠道应收到的聊天气泡：
 // 角色扮演/动作/旁白标记（在 Web 上渲染为暗色斜体）会被剥离，
 // 每个 <p> 段落作为独立
 // 气泡/消息投递（design/17 §2），多气泡连发时相邻发送间隔 0.5-2s，
@@ -25,10 +26,19 @@ type bubbleSender func(ctx context.Context, msg adapter.UnifiedMessage) error
 //
 // target 携带平台/渠道路由字段，并被复制到每个
 // 气泡上（每个气泡只有 Content/ContentType/Timestamp 不同，入站载荷字段一律
-// 不带 —— 见 outboundBubble）；sender 是
+// 不带 —— 见 outboundRoute）；sender 是
 // 适配器的出站调用。被剥成空的内容（纯动作行）
 // 直接丢弃不发送；单个气泡失败时会带上其下标包装返回。
 func (b *Bridge) sendIMBubbles(ctx context.Context, target adapter.UnifiedMessage, sender bubbleSender, content string) error {
+	return b.sendIMBubblesVoice(ctx, target, sender, content, nil)
+}
+
+// sendIMBubblesVoice 是 sendIMBubbles 的**带音频**变体：voice 非 nil 时，那一份音频只
+// 挂在**第一个**气泡上，其余气泡仍是纯文本。这条「只挂第一个」不是优化而是正确性 ——
+// 同一条合成语音若跟着每个气泡各发一次，对方会收到 N 份同样的音频。
+//
+// voice 为 nil 时行为与 sendIMBubbles 逐字相同（因此主动推送等纯文本出口不受影响）。
+func (b *Bridge) sendIMBubblesVoice(ctx context.Context, target adapter.UnifiedMessage, sender bubbleSender, content string, voice *adapter.Media) error {
 	// splitBubbles 对每个气泡应用 stripNarration（因此 <action>/<narration> 与
 	// 星号漂移的角色扮演形式都会为 IM 剥离），并按 <p> 切分。它是
 	// 唯一的清洗入口，与旧的回复路径共用。
@@ -42,6 +52,9 @@ func (b *Bridge) sendIMBubbles(ctx context.Context, target adapter.UnifiedMessag
 			time.Sleep(b.bubbleGapFn())
 		}
 		out := outboundBubble(target, bubble)
+		if i == 0 && voice != nil {
+			out = outboundVoiceBubble(target, bubble, *voice)
+		}
 		// 每个气泡各自发送一次，间隔才会落在消息之间。
 		if err := sender(ctx, out); err != nil {
 			return fmt.Errorf("channelbridge: send bubble #%d of %d: %w", i+1, len(bubbles), err)
@@ -50,7 +63,9 @@ func (b *Bridge) sendIMBubbles(ctx context.Context, target adapter.UnifiedMessag
 	return nil
 }
 
-// outboundBubble 依据一条入站消息的**路由字段**构造一个纯文本出站气泡。
+// outboundRoute 依据一条入站消息的**路由字段**构造一个出站信封：只有路由字段，
+// 没有内容。outboundBubble（纯文本）与 outboundVoiceBubble（文本 + 音频）都从它出发，
+// 因此「哪些字段允许出站」只有一份白名单。
 //
 // 为什么不能直接 `out := target`：target 是**入站**消息，整条复制会把入站事件的
 // 载荷（Media 附件、原始平台载荷、提及列表、回复引用、入站消息 id、发送者昵称）
@@ -60,8 +75,9 @@ func (b *Bridge) sendIMBubbles(ctx context.Context, target adapter.UnifiedMessag
 // 之后**整条返回错误，主人连文本都收不到。
 //
 // 因此这里按白名单只带路由字段（适配器据此解析投递对端），新加进 UnifiedMessage
-// 的字段默认不外发：出站是纯文本气泡，本派发器只接收文本。
-func outboundBubble(target adapter.UnifiedMessage, content string) adapter.UnifiedMessage {
+// 的字段默认不外发。⚠️ 出站的 `Media` 只能由出站语音自己填（那份副本是我们刚合成的，
+// 见 outbound_voice.go），**绝不**从 target 继承。
+func outboundRoute(target adapter.UnifiedMessage) adapter.UnifiedMessage {
 	return adapter.UnifiedMessage{
 		// 路由字段：平台 / 渠道 / 群 / 线程 / 发送者 id。
 		Platform:    target.Platform,
@@ -80,9 +96,29 @@ func outboundBubble(target adapter.UnifiedMessage, content string) adapter.Unifi
 			IsGroup: target.Sender.IsGroup,
 			GroupID: target.Sender.GroupID,
 		},
-		// 本气泡的内容：出站永远是纯文本。
-		Content:     content,
-		ContentType: adapter.ContentText,
-		Timestamp:   time.Now().UTC(),
 	}
 }
+
+// outboundBubble 构造一个**纯文本**出站气泡：路由字段 + 文本内容。
+func outboundBubble(target adapter.UnifiedMessage, content string) adapter.UnifiedMessage {
+	out := outboundRoute(target)
+	out.Content = content
+	out.ContentType = adapter.ContentText
+	out.Timestamp = time.Now().UTC()
+	return out
+}
+
+// outboundVoiceBubble 构造**带音频**的出站气泡：与纯文本气泡同一套路由字段与同一份
+// 正文，只是把 ContentType 标成 voice 并挂上那一条 Media。
+//
+// 正文**照发**（不是「有音频就不发文字」）：适配器把它当「文字 item + 语音 item」一起
+// 投递（weixin_ilink 的 sendToOne），对方既看得到文字也点得开音频；而任何一侧失败都
+// 只影响那一侧（音频发不出去时文字仍在）。
+func outboundVoiceBubble(target adapter.UnifiedMessage, content string, md adapter.Media) adapter.UnifiedMessage {
+	out := outboundRoute(target)
+	out.Content = content
+	out.ContentType = adapter.ContentVoice
+	out.Media = []adapter.Media{md}
+	out.Timestamp = time.Now().UTC()
+	return out
+}