docs: 文档与代码一致性检查与修复

- 修复心跳 Bug：应用层 ping 不更新 lastPong，60 秒后连接会被错误断开
- 03-接口文档：audio/mpeg→audio/mp3、STTConfig/TTSConfig 补充 Model 字段、
  APP_ENV 环境变量名修正、配置搜索路径补充、.env 加载说明、Vite proxy 说明修正
- 02-系统架构：补充 ConfigPanel/Toast 组件、Model Router/Rate Limiter 标注规划中、
  补充 Gin 框架、MVP 存储改为 Memory、AI 服务 provider 更新、Orchestrator 伪代码对齐
- 04-技术选型：新增 AI 服务栈选型章节（STT/LLM/TTS）、PostgreSQL 标注规划中
- 06-语音交互：VAD 参数名修正、STT 改为一次性识别描述、音频编码格式补充
- 07-视觉理解：关键帧检测代码改为 TypeScript、分辨率修正、阈值逻辑统一
- 08-成本控制：变量名修正、未实现功能标注规划中、对话历史裁剪策略补充
- CLAUDE.md：同步更新技术栈、模块结构、存储策略描述

docs/06-语音交互.md

@@ -27,8 +27,11 @@ const vad = await MicVAD.new({
     // audio: Float32Array，送入 STT
     sendToSTT(audio);
   },
-  positiveSpeechThreshold: 0.5, // 检测灵敏度
-  minSpeechDuration: 250        // 最短语音时长 ms
+  positiveSpeechThreshold: 0.5,  // 检测灵敏度
+  negativeSpeechThreshold: 0.35, // 结束灵敏度
+  minSpeechMs: 250,              // 最短语音时长 ms
+  redemptionMs: 300,             // 语音结束确认时间 ms
+  preSpeechPadMs: 300,           // 语音前填充 ms
 });
 
 vad.start();
@@ -39,34 +42,26 @@ vad.start();
 | 方案 | 延迟 | 成本 | 特点 |
 |------|------|------|------|
 | Whisper API | 1-3s | 按分钟计费 | 准确率高，支持多语言 |
-| **Deepgram** | <500ms | 按分钟计费 | 流式识别，延迟极低 |
+| **Deepgram**（默认） | <500ms | 按分钟计费 | 流式识别，延迟极低 |
+| **MiMo ASR**（小米） | ~1s | 按量计费 | 国产替代，兼容 OpenAI 格式，HTTP 非流式 |
 | 浏览器原生 | ~1s | 免费 | 中文效果一般 |
-| FunASR | <500ms | 自部署免费 | 阿里开源，中文优化 |
 
-流式 STT 是低延迟的关键——不必等用户说完，边说边识别：
+当前实现为**一次性语音识别**（非流式）：前端 VAD 检测到用户说完后，将完整音频片段发送到后端，后端调用 `stt.Recognize()` 一次性返回识别结果。流式 STT 为未来优化方向。
 
-```typescript
-// Deepgram 流式识别示例
-const ws = new WebSocket("wss://api.deepgram.com/v1/listen", {
-  headers: { Authorization: `Token ${API_KEY}` }
-});
-
-ws.onmessage = (event) => {
-  const { transcript, is_final } = JSON.parse(event.data).channel.alternatives[0];
-  if (is_final) {
-    onFinalTranscript(transcript); // 一句完整语音，送入 LLM
-  }
-};
-```
+音频编码格式：前端 `audio.ts` 将 Float32Array 转为 Int16 PCM（16kHz, pcm_s16le）再编码为 Base64。
 
 ## 环节三：TTS（文字转语音）
 
 流式 TTS：检测 LLM 输出中的句子边界，每检测到一句就立即送入 TTS 合成并播放，不必等全部生成完。
 
+句子切分规则：按中文标点（`。！？`）、英文标点（`. ! ?`）和换行符切分。
+
+当前实现参数：Voice `"alloy"`、Speed `1.0`、OutputFmt `"mp3"`、SampleRate `24000`。
+
 方案选择：
-- **OpenAI TTS**：音质好，延迟中等，按字符计费
-- **Edge TTS**：微软免费方案，音质不错，延迟略高
-- **Fish Speech / CosyVoice**：开源方案，支持声音克隆，可自部署
+- **OpenAI TTS**（默认）：音质好，延迟中等，按字符计费，模型 tts-1
+- **MiMo TTS**（小米）：国产替代，通过配置切换
+- **Edge TTS**（规划中）：微软免费方案，音质不错，延迟略高
 
 ## 延迟优化要点