Walkie-Talkie（WhatsApp 语音对话模式）

目标：用户既可以发文字也可以发语音；我都能理解并回复。若用户发语音，我会：

• 先转写成文字（用于理解与可读性）
• 再生成语音回复（语音消息 / voice note）
• 同时发回文字 + 语音（避免听不清/便于复制）

工作流

1) 收到语音消息（WhatsApp voice note / audio）

1. 在消息上下文中找到音频附件的本地路径（通常会以 MEDIA: /path/to/file 或类似字段出现）。
2. 如音频为 ogg/opus，可直接用 Whisper；如遇到格式问题，先用 ffmpeg 转成 mp3：
   • ffmpeg -y -i input.ogg -ar 16000 -ac 1 /tmp/in.mp3
3. 用本地 Whisper CLI 转写：
   • whisper /tmp/in.mp3 --model small --output_format txt --output_dir /tmp
   • 读取 /tmp/in.txt 得到转写文本。
4. 将转写文本当作用户的真实输入来处理，并生成正常的文字回复。

2) 回复语音 + 文字