实时音视频
实时音视频
文档指南
请输入
- 文档首页
实时音视频AI 音视频互动方案开发指南打断 AI（终止并开启新对话）
复制全文
下载 pdf打断 AI（终止并开启新对话）
文档反馈
问问助手你可以通过语音自动打断或手动打断两种方式来终止 AI 讲话，以开启新一轮对话，从而提升交互的流畅度和自然度。
- 自动打断：系统根据用户的语音输入，自动判断并打断 AI。支持三种策略：发声即打断、按说话时长打断、按关键词打断。
- 手动打断：用户主动发起中断请求（如点击按钮或发送命令等）。该操作可在客户端或服务端实现。
说明
应用场景
应用场景 | 描述 |
智能客服 | 使用较短的自动打断时长并配合手动打断，以实现快速响应和精准控制。 |
在线教育 | 使用较长的自动打断时长，避免误打断学生发言。教师可使用手动打断进行必要干预。 |
多人会议 | 结合使用自动打断和手动打断，灵活管理发言权。 |
默认打断策略
自动打断
系统根据用户的音频输入，自动判断是否需要中止 AI 的输出。
发声即打断
一旦检测到用户发出声音，AI 立刻停止讲话。
- 关键配置：
- 调用 StartVoiceChat 时，Config 对象中的以下参数保持默认值：
- InterruptMode：保持为默认值 0。
- InterruptConfig：保持为默认值。
- VADConfig.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（语音活动检测）过早结束而导致语音输入不完整。
- 请求示例：
- "Config": {// InterruptMode 默认值为 0, 即开启此策略"ASRConfig": {// ... 其他 ASR 必要配置 ..."VADConfig": {"SilenceTime": 600 // 可按需调整}// InterruptConfig 保持默认值}// ... 其他 TTSConfig, LLMConfig 等配置 ...}
按用户说话时长打断
仅当检测到用户持续说话的时长达到预设阈值后，AI 才会停止讲话。适用于希望避免因短暂的语气词（如“嗯”、“好的”）或背景人声而产生的意外打断。
- InterruptMode：保持为默认值 0。
- InterruptSpeechDuration：根据用户语速来设置为一个合适值
- SilenceTime：显著大于 InterruptSpeechDuration，以便用户在触发打断后有足够时间说完话
"ASRConfig": {
// ... 其他 ASR 必要配置 ...
"InterruptConfig": {
"InterruptSpeechDuration": 300
},
"VADConfig": {
"SilenceTime": 800
}
}
通过关键词打断
当用户说出预设的关键词时，AI 才会停止讲话。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，在 Config.ASRConfig 对象中配置：
- InterruptMode：保持为默认值 0。
- InterruptKeywords：关键词列表，如 ["停止", "下一个"]。
说明
启用关键词打断时，请勿同时设置 InterruptSpeechDuration。时长判断的优先级高于关键词，若用户说话时长未达到 InterruptSpeechDuration，即使用户说出关键词也不会触发打断。
- 配置热词/替换词 （可选）：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。
-
- 请求示例
- "ASRConfig": {"Provider": "volcano","ProviderParams": {"Mode": "bigmodel", // 若使用热词/替换词，必须指定为大模型模式// ... 其他配置 ..."context": "{\"hotwords\": [{\"word\":\"停止\"},{\"word\":\"下一个\"}]}" // 直接传入热词示例},"InterruptConfig": {"InterruptKeywords": ["停止", "下一个"]},"VADConfig": {"SilenceTime": 600}}
关闭自动打断
如需确保 AI 播报不被用户语音打断，可将 Config.InterruptMode 设置为 1。
对话时更新打断策略
支持在对话进行中，通过调用 UpdateVoiceChat 接口开启或关闭自动打断功能，无需重新发起任务。新配置将在下一次对话时生效。
{
"AppId": "YOUR_AppId",
"RoomId": "YOUR_RoomId",
"TaskId": "YOUR_TaskId",
"Command": "UpdateParameters", // 固定值
"Parameters": {
"Config": {
"InterruptMode": 1 // 0: Enable, 1: Disable
}
}
}
手动打断
用户通过点击按钮等交互方式，主动发起请求来中断 AI 的讲话。
通过服务端实现
调用 UpdateVoiceChat 接口，并将 Command 参数固定设置为 interrupt。
{
"AppId": "YOUR_AppId", // 与 StartVoiceChat 的一致
"RoomId": "YOUR_RoomId", // 与 StartVoiceChat 的一致
"TaskId": "YOUR_TaskId", // 与 StartVoiceChat 的一致
"Command": "interrupt" // 必须为 interrupt
}
通过客户端实现
在客户端调用 ByteRTC SDK 的 接口发送一个特定格式的二进制消息来实现打断。
- userId：填入 AI 的 ID（即 StartVoiceChat 配置的 AgentConfig.UserId）。
- buffer：需要传入特定格式的内容。
参数名 | 类型 | 描述 |
magic_number | binary | 消息格式标识符，当前场景消息格式固定为 ctrl，用于标识该消息为控制消息。 |
length | binary | 打断消息长度，单位为字节，采用大端序（Big-endian）存储方式，用于说明 control_message 字段的字节长度。 |
control_message | binary | 打断行为配置信息，采用 JSON 格式。如下所示： { "Command": "interrupt" } |
请参考以下代码示例来构建并发送该二进制消息：
// 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<const void*>(binary_message.get()), length);
}
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
FAQ
如何降低背景噪音导致的误打断？
您可以尝试以下一种或多种方法：
- 方法 1：开启降噪
- 通过调整音量增益、开启 AI 降噪或声纹降噪，去除背景噪音，减少因噪音被误识别为语音而触发的无效打断。具体操作，可参见语音降噪。
- 方法 2：使用关键词打断
- 设置只有在检测到指定关键词时才会打断 AI 。具体操作，参见通过关键词打断。
- 方法 3：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。
- 请求示例：
- "ASRConfig": {// Provider, ProviderParams 等其他 ASR 必要配置需填写"InterruptConfig": {"InterruptSpeechDuration": 2000 // 设置用户持续说话 2000ms 后打断},"VADConfig": { "SilenceTime": 2500 }, // 可按需调整，确保大于 InterruptSpeechDuration"VolumeGain": 0.3}
- 方法 4：关闭语音自动打断，采用手动打断
VAD 对语音打断持续时长有影响吗？
SilenceTime 不会直接改变 InterruptSpeechDuration的阈值，但如果设置得太短，它会在用户说到一半时就判定语音结束，导致用户的说话时长无法达到 InterruptSpeechDuration 的阈值，从而使打断失败。请务必确保 SilenceTime 大于 InterruptSpeechDuration。
如 AI 说话时被打断，已经输出的内容会存入上下文吗？
不会。被打断的部分会被丢弃，不会进入 LLM 的对话历史。
最近更新时间：2026.09.21 16:24:31
这个页面对您有帮助吗？
有用
有用
无用
无用