输入语音注释

主要功能

• 终端智能体有两个日常痛点你不在键盘前想留下指令（口述），以及任务中途不想读一屏输出（旁白）。
• 转写结果会成为用户消息（而不是工具输出），聊天里会渲染一张紧凑的音频卡片：播放/暂停、时长、后端徽标和转写文字。
• 事件voice/note · 角色: 唯一开始 · 必需持久化字段: noteId、turn/step 坐标、audioRef（path + mime + durationMs）、transcript、direction: 'in' \ · 'out'、backend
• whisper-local —— PATH 上的 whisper.cpp 二进制（或配置路径），经 ctx.shell 调用。
• 本地优先 —— 除非显式设置 stt.backendopenai 或 tts.backend: edge-tts，音频不出本机。