当 AI 智能体讲话时，如果需要打断智能体发言，并开始新一轮对话，可以通过语音自动打断和手动打断两种方式来实现，以提升对话的流畅度和自然度。

• 语音自动打断：系统根据用户的语音输入自动判断并执行打断。支持三种策略：发声即打断、基于用户持续说话时间打断、通过关键词打断。
• 手动打断：用户主动发起打断请求，如点击按钮或发送特定命令来打断智能体，可在客户端或服务端实现。

默认打断策略

若你未进行任何打断相关配置，或保留相关参数为默认值，系统将采用发声即打断策略。

语音自动打断

自动打断由系统根据用户的音频输入，自动判断是否需要中止智能体的输出。

发声即打断

一旦检测到用户发出声音，智能体立刻停止输出。

• 关键配置：
  调用 StartVoiceChat 时，配置 Config 对象下以下参数：

  • InterruptMode：无需设置，保持默认值（0）。
  • InterruptConfig：无需设置，保持默认值。
  • SilenceTime：建议保持默认值（600 ms）或根据具体场景适当调整（例如 800 ms - 1200 ms），以确保用户在触发打断后，有足够的时间完整表达其意图，避免因 VAD（语音检测）过早结束而导致语音输入不完整。

• 请求示例：

  {
      "Config": {
          // InterruptMode 保持默认值 0 (发声即打断总开关开启)
          // ASRConfig.InterruptConfig 使用默认值 
          "ASRConfig": {
              // Provider, ProviderParams 等其他 ASR 必要配置需填写
              "VADConfig": {
                  "SilenceTime": 600 // 示例：可按需调整，确保用户打断后能完整表达
              }
              // InterruptConfig 及其子参数使用默认值，实现发声即打断
          }
          // 其他 TTSConfig, LLMConfig 等配置也需按实际情况填写
      }
      // 其他请求参数...
  }
  

基于用户持续说话时间打断

当检测到用户持续说话的时长达到预设阈值后，智能体才会停止输出。适用于希望避免因短暂语音（语气词），或环境中无意义持续时间较短的人声（如“好的”）而意外打断智能体的场景。

• 关键配置：
  调用 StartVoiceChat 时，配置 Config 对象下以下参数：
  • InterruptMode：无需设置，保持默认值（ 0）。
  • InterruptSpeechDuration：设置为一个合适的毫秒数。该参数取值范围为[200，3000]，单位为 ms。
  • SilenceTime：确保此值显著大于 InterruptSpeechDuration，以便用户在触发打断后有足够时间说完话。例如，如果 InterruptSpeechDuration 是 300ms，SilenceTime 可以是 600ms 或更高。

• 请求示例：

  {
      "Config": {
          "InterruptMode": 0, // 确保自动打断总开关为开启状态 (0 为开启)
          "ASRConfig": {
              // Provider, ProviderParams 等其他 ASR 必要配置需填写
              "InterruptConfig": {
                  "InterruptSpeechDuration": 300 // 设置用户持续说话300ms后打断
              },
              "VADConfig": {
                  "SilenceTime": 600 // 示例，可按需调整，确保大于 InterruptSpeechDuration
              }
          }
          // 其他 TTSConfig, LLMConfig 等配置也需按实际情况填写
      }
      // 其他请求参数...
  }
  

通过关键词打断

当用户说出预设的关键词时，智能体会停止输出。适用于需要用户明确表达意图才能打断的场景，如多人会议。

• 关键配置：
  调用 StartVoiceChat 时，配置 Config 对象下以下参数：

  • InterruptMode：设置为 0。
  • InterruptKeywords：配置一个字符串数组，如 ["停止", "下一个"]。

    说明

    支持同时设置 InterruptSpeechDuration，且优先级高于 InterruptKeywords。智能体说话时，若用户说话时长未达到 InterruptSpeechDuration，即使说话中包含关键词，也不会触发打断。

  • 通过热词或替换词功能，提高关键词的识别准确率。仅火山流式语音识别大模型支持。

    功能	配置说明
    热词	如果关键词（如专有名词、特定术语等）识别率较低时，可将其作为热词传入 ASR 模型，提高这些词汇的识别准确度。可通过以下方式传入： 直接传入（适用临时或少量关键词场景）： 通过 ASRConfig.ProviderParams.context，直接将多个热词作为 JSON 字符串传入。 通过热词词表 ID/名称传入（适用于大量、常用或需要长期维护的热词）： 1. 在火山引擎大模型的自学习平台预先创建热词词表。如何创建？ 2. 调用 StartVoiceChat 时，设置参数 boosting_table_id 或 boosting_table_name。 优先级：热词直传优先热词词表。
    替换词	将关键词替换为你期望的词汇。可通过步骤传入： 在火山引擎大模型的自学习平台预先创建替换词词表。如何创建？ 调用 StartVoiceChat 时，设置参数 correct_table_id 或 correct_table_name。 优先级：替换词优先于热词。即如果一个词同时是热词和替换词的源词，替换词生效。例如，热词里有”苹果“，替换词要求”苹果→Apple”，那最后结果为 “Apple”。

• 请求示例：

  {
      "Config": {
          "InterruptMode": 0, // 确保自动打断总开关为开启状态
          "ASRConfig": {
              "Provider": "volcano", // 使用火山引擎ASR
              "ProviderParams": {
                  "Mode": "bigmodel", // 指定使用火山流式语音识别大模型，热词功能（context, boosting_table_id等）仅在 Mode 为 "bigmodel" 时生效
                  "AppId": "YOUR_ASR_BIGMODEL_APPID",       // 替换为您的火山大模型ASR AppId
                  "AccessToken": "YOUR_ASR_BIGMODEL_TOKEN", // 替换为您的火山大模型ASR AccessToken
                  // "ApiResourceId": "volc.bigasr.sauc.duration", // 根据您的购买类型填写
                  "context": "{\"hotwords\": [{\"word\":\"停止\"},{\"word\":\"下一个\"},{\"word\":\"我的自定义品牌名\"}]}" // 示例：配置热词直传，提高关键词识别准确率
                  // 如果使用热词词表，则配置 boosting_table_id 或 boosting_table_name
                  // "boosting_table_id": "YOUR_BOOSTING_TABLE_ID"
              },
              "InterruptConfig": {
                  "InterruptKeywords": ["停止", "下一个"] // 设置打断关键词
                  // "InterruptSpeechDuration": 500 // 可选：如果同时设置，则时长优先
              },
              "VADConfig": {
                  "SilenceTime": 600 //示例：可按需调整，确保用户打断后能完整表达
              }
              // 其他ASRConfig参数，如VolumeGain等，可按需配置
          }
          // 其他 TTSConfig, LLMConfig 等配置也需按实际情况填写
      }
      // 其他请求参数如 AppId, RoomId, TaskId, AgentConfig 等也需填写
  }
  

关闭语音自动打断

如果需要禁用语音自动打断功能，比如希望智能体完整播报信息，而不被用户的语音输入打断，可执行以下操作：

调用 StartVoiceChat 时，将 Config.InterruptMode 设置 1。设置后，InterruptConfig 内的所有配置无效。

手动打断

手动打断为用户主动发起打断请求，通过点击按钮或快捷键方式，主动打断智能体的回答。
通过服务端或客户端均可实现手动打断操作，你可根据业务请求端种类选择对应的方式。例如你在开发 AI 应用时选择服务端响应请求，则使用服务端实现手动打断，降低请求延迟。

通过服务端实现手动打断

调用 UpdateVoiceChat接口，设置以下参数打断智能体输出：

你可参看以下示例从服务端实现打断操作：

POST https://rtc.volcengineapi.com?Action=UpdateVoiceChat&Version=2024-12-01
{
    "AppId": "661e****543cf", 
    "RoomId": "Room1", 
    "TaskId": "task1", 
    "Command": "interrupt"
}

通过客户端实现手动打断

使用 SendUserBinaryMessage 接口实现打断操作。该接口的 buffer 参数需要传入特定格式的内容，下图展示了 buffer 参数的格式：

control_message:

你可参看以下示例从客户端实现打断操作：

// 发送打断指令
void sendInterruptMessage(const std::string &uid) {
    nlohmann::json json_data;
    json_data["Command"] = "interrupt";
    sendUserBinaryMessage(uid, json_data.dump());
}
void buildBinaryMessage(const std::string& magic_number, const std::string& message, size_t& binary_message_length, std::shared_ptr<uint8_t[]>& binary_message) { //将字符串包装成 TLV
    auto magic_number_length = magic_number.size();
    auto message_length = message.size();

    binary_message_length = magic_number_length + 4 + message_length;
    binary_message = std::shared_ptr<uint8_t[]>(new uint8_t[binary_message_length]);
    std::memcpy(binary_message.get(), magic_number.data(), magic_number_length);
    binary_message[magic_number_length] = static_cast<uint8_t>((message_length >> 24) & 0xFF);
    binary_message[magic_number_length+1] = static_cast<uint8_t>((message_length >> 16) & 0xFF);
    binary_message[magic_number_length+2] = static_cast<uint8_t>((message_length >> 8) & 0xFF);
    binary_message[magic_number_length+3] = static_cast<uint8_t>(message_length & 0xFF);
    std::memcpy(binary_message.get()+magic_number_length+4, message.data(), message_length);
}

int sendUserBinaryMessage(const std::string &uid, const std::string& message) {
    if (rtcRoom_ != nullptr)
    {
        size_t length = 0;
        std::shared_ptr<uint8_t[]> binary_message = nullptr;
        buildBinaryMessage("ctrl", message, length, binary_message);
        return rtcRoom_->sendUserBinaryMessage(uid.c_str(), static_cast<int>(length), binary_message.get());
    }
    return -1;

// 发送打断指令
public void sendInterruptMessage(String userId) {
    JSONObject json = new JSONObject();
    try {
        json.put("Command", "interrupt");
    } catch (JSONException e) {
        throw new RuntimeException(e);
    }
    String jsonString = json.toString();
    byte[] buildBinary = buildBinaryMessage("ctrl", jsonString);
    sendUserBinaryMessage(userId, buildBinary);
}
private byte[] buildBinaryMessage(String magic_number, String content) { //将字符串包装成 TLV
    byte[] prefixBytes = magic_number.getBytes(StandardCharsets.UTF_8);
    byte[] contentBytes = content.getBytes(StandardCharsets.UTF_8);
    int contentLength = contentBytes.length;

    ByteBuffer buffer = ByteBuffer.allocate(prefixBytes.length + 4 + contentLength);
    buffer.order(ByteOrder.BIG_ENDIAN);
    buffer.put(prefixBytes);
    buffer.putInt(contentLength);
    buffer.put(contentBytes);
    return buffer.array();
}

public void sendUserBinaryMessage(String userId, byte[] buffer) {
    if (rtcRoom_ != null) {
        rtcRoom_.sendUserBinaryMessage(userId, buffer, MessageConfig.RELIABLE_ORDERED);
    }
}

import VERTC from '@volcengine/rtc';

/**
 * @brief 智能体配置
 */
const BotName = 'RobotMan_'; // 自定义智能体名称
const CommandKey = 'ctrl';
const engine = VERTC.createEngine('Your AppID'); // RTC 应用 AppId

/**
 * @brief 指令类型
 */
enum COMMAND {
  /**
   * @brief 打断指令
   */
  INTERRUPT = 'interrupt',
};


/**
 * @brief 将字符串包装成 TLV
 */
function stringToTLV(inputString: string, type = '') {
  const typeBuffer = new Uint8Array(4);

  for (let i = 0; i < type.length; i++) {
    typeBuffer[i] = type.charCodeAt(i);
  }

  const lengthBuffer = new Uint32Array(1);
  const valueBuffer = new TextEncoder().encode(inputString);

  lengthBuffer[0] = valueBuffer.length;

  const tlvBuffer = new Uint8Array(typeBuffer.length + 4 + valueBuffer.length);

  tlvBuffer.set(typeBuffer, 0);

  tlvBuffer[4] = (lengthBuffer[0] >> 24) & 0xff;
  tlvBuffer[5] = (lengthBuffer[0] >> 16) & 0xff;
  tlvBuffer[6] = (lengthBuffer[0] >> 8) & 0xff;
  tlvBuffer[7] = lengthBuffer[0] & 0xff;

  tlvBuffer.set(valueBuffer, 8);

  return tlvBuffer.buffer;
};

/**
 * @brief 发送打断指令
 */
engine.sendUserBinaryMessage(
  BotName,
  stringToTLV(
    JSON.stringify({
      Command: COMMAND.INTERRUPT,
    }),
    CommandKey,
  )
);

接收打断通知

通过状态回调功能，实时获取 AI 智能体在对话过程中被打断的通知，支持通过业务服务器或客户端接收打断通知。

具体实现操作，请参见接收状态变化消息。

FAQ

如何避免背景噪音打断智能体？

可以尝试以下方法来来降低背景噪声干扰：

• 方法 1：使用关键词打断
  只有在检测到指定关键词时才会打断智能体。例如，在会议预约场景中，可设置“取消”/“停止”等关键词，只有当用户说出这些词时，才会打断智能体，有效避免了背景噪音随机触发打断的情况。如何设置关键词打断？

• 方法 2：降低打断阈值组合策略

  • 设置打断持续时长（InterruptSpeechDuration）：设置为一个大于 0 的值（例如 2000 ms），只有当声音持续达到该时长后才会触发打断，有效过滤短暂噪音。
  • 调整音量增益（VolumeGain）：适当降低 VolumeGain 的值，从而降低送入 ASR 的整体音量，使得较小的背景音可能不被识别为语音活动。需要注意，过度降低可能影响正常语音识别。
  • 过滤语气词（InterruptConfig）

  请求示例如下：

  POST https://rtc.volcengineapi.com?Action=StartVoiceChat&Version=2024-12-01
  {
      "AppId": "661e****543cf",
      "RoomId": "Room1",
      "TaskId": "Task1",
      "Config": {
          "BotName": "audiobot_user1_1611736812853",
          "ASRConfig": {
              "Provider": "volcano",
              "ProviderParams": {
                  "Mode": "bigmodel",
                  "AppId": "93****21",
                  "AccessToken": "MOaOa*****HA4h5B",
                  "ApiResourceId": "volc.bigasr.sauc.duration",
                  "StreamMode": 0
                  },
              "VolumeGain": 0.3,  /*降低增益减少背景人声的噪音干扰*/   
              "InterruptConfig": {
                  "IgnoreTone": true,
                  "IgnoreWords": ["嗯"，"哦"，"啊"，"嘿"，"好"],   /*过滤部分语气词，避免一些突发杂音带来ASR误识别问题*/
                  "InterruptSpeechDuration": 2000   /*检测到连续人声多长时间后触发打断, 人声持续时间越长，则打断越不敏感，但会增加打断时延*/
              }
          },
      ...
  }
  

• 方法 3：关闭语音自动打断，采用手动打断
  如果场景允许，可关闭语音自动打断功能，让用户通过手动操作（如按键）来打断智能体。这样用户可以根据自己的需求和判断，在合适的时机主动发起打断，完全避免了背景噪音自动触发打断的可能性。具体操作，请参看关闭语音自动打断和手动打断。