实时 AI 语音对话 Skill

概述

基于 xiaozhi-esp32-server 抽取的纯 API 实时语音对话能力。

两种使用模式

1. 部署模式 — 部署完整的语音对话服务（服务端 + 客户端）
2. 生成模式 — 在新项目中嵌入语音对话客户端代码

核心流程

麦克风 → Opus编码 → WebSocket → 服务端[VAD→ASR→LLM→TTS] → Opus音频流 → 扬声器

全链路支持打断：用户说话时自动中断 AI 回复。