架构

OtterVoice 是语音会话编排 SDK，不是模型网关。Core 管状态、轮次、打断与用量；平台音频与模型通过接口注入。

Application UI
   ↕ events / commands
@ottervoice/core   VoiceSession · 状态机 · VAD · barge-in · usage
   ↕ RuntimeAdapter          ↕ Provider interfaces
runtime-web | rn | node      ASR · LLM · TTS · Audio LLM

职责边界

层	负责	不负责
UI	绑定事件、展示字幕、调 start / finish	Provider URL、密钥、协议细节
Core	状态机、轮次、打断策略、用量、错误归一	DOM / Expo / Node 特有 API
Runtime	麦、播放、可选 network/storage	业务提示词、模型选型
Provider	具体云厂商协议	Session 生命周期

两条流水线

• asr_llm_tts（默认）：ASR 出文本 → LLM 流式文本 → TTS 播放。
• audio_llm：ASR 负责字幕，整轮音频进入 Audio LLM；通过 audioLlmStartTiming 选择两者并行或等待 asr_final，文本与 PCM 流式返回。

组合根创建 Session 一次，UI 只订阅事件。换 Runtime / Provider 不必改 UI。