Telegram Multilingual Voice Reply（多语言语音智能回复）

目标：在 Telegram 跟 OpenClaw 聊天时实现“语音优先 + 多语言跟随”的智能回复：

• 你发文字 → 默认只发文字回复（不触发 ASR；默认也不触发 TTS）。
• 你发语音 → 本地 STT 转写后理解语义，生成“有意义的回复”。默认用 一条 Voice Message + caption 发送（语音+文字同条，且内容一致）。
• 语言跟随：你用中文我用中文；你用英文我用英文；除非你明确要求指定语言（也支持方言/口吻要求，但 TTS 受模型限制）。

Default models

• STT 默认：mlx-community/Qwen3-ASR-0.6B-8bit
• （可选）Forced alignment：mlx-community/Qwen3-ForcedAligner-0.6B-8bit

需要模型清单/更多上游用法：references/qwen3-asr-notes.md

How to use (agent workflow)

A) 输入是文字（text message）