feat(voice): 实现自身语音缓存以跳过ASR识别

当机器人通过TTS插件发送语音时，会自动将语音数据和对应的原始文本进行缓存。

当机器人接收到自己发送的语音消息时，会优先从缓存中直接读取文本，从而跳过调用ASR（自动语音识别）服务的步骤。

此项优化可以：
- 节省不必要的ASR资源开销和费用。
- 保证对机器人自身语音100%的识别准确性。
- 提升对自身消息的响应处理速度。

src/plugins/built_in/tts_voice_plugin/actions/tts_action.py

@@ -8,6 +8,7 @@ import toml
 
 from src.common.logger import get_logger
 from src.plugin_system.base.base_action import BaseAction, ChatMode
+from src.chat.utils.self_voice_cache import register_self_voice
 
 from ..services.manager import get_service
 
@@ -174,6 +175,8 @@ class TTSVoiceAction(BaseAction):
             )
 
             if audio_b64:
+                # 在发送语音前，将文本注册到缓存中
+                register_self_voice(audio_b64, text)
                 await self.send_custom(message_type="voice", content=audio_b64)
                 logger.info(f"{self.log_prefix} GPT-SoVITS语音发送成功")
                 await self.store_action_info(