语音输入

给 Agent 添加语音，不只是把麦克风和喇叭接上。完整链路通常包括语音采集、语音识别、文本交给 Agent 推理、回复文本转语音、前端播放，以及异常兜底。下面按一次可落地的配置流程来写，适合已经有一个可运行文本 Agent，希望把它改造成可听、可说的语音 Agent 的场景。不同平台的按钮名称和接口字段会有差异，具体名称以你正在使用的控制台为准，但实施顺序基本一致。