feat(voice): 新增本地语音识别(ASR)提供商选项

新增 `voice.asr_provider` 配置项，允许用户在 "api" 和 "local" 之间选择语音识别服务。

当设置为 "local" 时，系统将通过 `local_asr` 工具（由 `stt_whisper_plugin` 插件提供）调用本地 Whisper 模型进行语音转文字。这为用户提供了一个不依赖外部 API、注重隐私的备选方案。

- 默认值仍为 "api"，保持现有行为不变。
- 添加 `openai-whisper` 作为新的依赖项以支持此功能。

src/chat/utils/utils_voice.py

@@ -14,6 +14,47 @@ async def get_voice_text(voice_base64: str) -> str:
     if not global_config.voice.enable_asr:
         logger.warning("语音识别未启用，无法处理语音消息")
         return "[语音]"
+
+    asr_provider = global_config.voice.asr_provider
+
+    # 如果选择本地识别
+    if asr_provider == "local":
+        from src.plugin_system.apis import tool_api
+        import tempfile
+        import base64
+        import os
+
+        local_asr_tool = tool_api.get_tool_instance("local_asr")
+        if not local_asr_tool:
+            logger.error("ASR provider 设置为 'local' 但未找到 'local_asr' 工具，请检查 stt_whisper_plugin 是否已加载。")
+            return "[语音(本地识别工具未找到)]"
+
+        audio_path = None
+        try:
+            audio_data = base64.b64decode(voice_base64)
+            with tempfile.NamedTemporaryFile(delete=False, suffix=".amr") as tmp_audio_file:
+                tmp_audio_file.write(audio_data)
+                audio_path = tmp_audio_file.name
+
+            text = await local_asr_tool.execute(function_args={"audio_path": audio_path})
+            if "失败" in text or "出错" in text or "错误" in text:
+                logger.warning(f"本地语音识别失败: {text}")
+                return f"[语音(本地识别失败)]"
+            
+            logger.info(f"本地语音识别成功: {text}")
+            return f"[语音] {text}"
+
+        except Exception as e:
+            logger.error(f"本地语音转文字失败: {e!s}")
+            return "[语音(本地识别出错)]"
+        finally:
+            if audio_path and os.path.exists(audio_path):
+                try:
+                    os.remove(audio_path)
+                except Exception as e:
+                    logger.error(f"清理临时音频文件失败: {e}")
+
+    # 默认使用 API 识别
     try:
         _llm = LLMRequest(model_set=model_config.model_task_config.voice, request_type="audio")
         text = await _llm.generate_response_for_voice(voice_base64)