Google Home Action音频控制意图实现咨询：暂停、快进/后退

一、先搞定「无音频正在播放」的暂停问题 #

你遇到的这个问题，核心是Google Assistant没识别到当前有活跃的Media Session——也就是说，你之前返回SSML音频的方式，没让Assistant建立起对正在播放媒体的跟踪。

1. 播放音频时必须初始化Media Session

别再只返回带<audio>标签的SSML了，一定要用Google Assistant的Media响应格式来返回音频。这样Assistant才会创建Media Session，后续的暂停/快进操作才能关联上。

用Node.js SDK举个例子：

app.intent('PlayAudioIntent', (conv) => {
  // 用media()方法构建媒体响应，而不是单纯返回SSML
  conv.media({
    name: "我的音频内容",
    url: "https://你的音频地址.mp3",
    description: "音频描述",
    image: {
      url: "https://封面图片地址.jpg",
      alt: "音频封面"
    },
    duration: 180 // 可选，但最好加上音频总时长（秒），方便后续控制
  });
});

如果是直接返回Webhook JSON响应，结构大概是这样：

{
  "fulfillment_response": {
    "messages": [
      {
        "media_response": {
          "media_type": "AUDIO",
          "media_objects": [
            {
              "name": "我的音频内容",
              "content_url": "https://你的音频地址.mp3",
              "description": "音频描述",
              "large_image": {
                "url": "https://封面图片地址.jpg",
                "accessibility_text": "音频封面"
              },
              "duration": 180
            }
          ]
        }
      }
    ]
  }
}

2. 正确处理系统暂停意图

在Action控制台里，先启用actions.intent.PAUSE这个系统意图（不用自己训练短语，Assistant会自动识别「暂停」「停一下」这类指令）。然后在Webhook里处理这个意图时，要更新Media Session的状态，而不是随便返回一句文本：

app.intent('actions.intent.PAUSE', (conv) => {
  // 先判断是否有活跃的Media Session
  if (!conv.media?.status) {
    return conv.close("现在没有正在播放的音频哦");
  }
  // 更新媒体状态为暂停
  conv.media.status = 'PAUSED';
  conv.close("已暂停播放");
});

这样Assistant就会知道当前媒体处于暂停状态，不会再报错「无音频正在播放」了。

二、实现快进/后退20秒功能 #

这个要用到Google Assistant的actions.intent.SEEK系统意图，步骤如下：

1. 启用SEEK系统意图

在Action控制台里找到并启用actions.intent.SEEK，Assistant会自动识别「快进20秒」「后退20秒」这类指令。

2. 在Webhook中处理SEEK请求

处理时需要计算目标播放偏移量，然后更新Media Session的currentOffset字段：

app.intent('actions.intent.SEEK', (conv, input, seek) => {
  if (!conv.media?.status) {
    return conv.close("现在没有正在播放的音频哦");
  }

  // 计算目标偏移：当前偏移 ±20秒（这里固定用20秒，忽略用户可能说的其他时长）
  const currentOffset = conv.media.currentOffset || 0;
  const targetOffset = currentOffset + (seek.offset > 0 ? 20 : -20);
  
  // 确保偏移量不超出音频范围（如果设置了duration的话）
  const clampedOffset = Math.max(0, Math.min(targetOffset, conv.media.duration || Infinity));
  
  // 更新偏移量，恢复播放状态（如果之前是暂停的话，也可以保持暂停，看你需求）
  conv.media.currentOffset = clampedOffset;
  conv.media.status = 'PLAYING';

  conv.close(`已${seek.offset > 0 ? '快进' : '后退'}20秒`);
});

如果是返回JSON响应，要在media_response里带上current_offset字段：

{
  "fulfillment_response": {
    "messages": [
      {
        "media_response": {
          "media_type": "AUDIO",
          "media_objects": [
            {
              // ... 其他媒体信息
              "current_offset": 40 // 更新后的播放位置（秒）
            }
          ]
        }
      }
    ]
  }
}

几个小提醒 #

• 测试时要确保播放音频后立刻触发控制指令，别间隔太久，Media Session会超时
• 如果你用的是自定义意图（不是系统的PAUSE/SEEK），一定要确保意图触发短语足够精准，并且处理逻辑和上面一致，必须操作Media Session的状态
• 尽量提供音频的duration字段，这样Assistant能更好地处理偏移量，避免超出音频时长

内容的提问来源于stack exchange，提问作者Igor Vargas