插话打断(Barge-In):语音 AI 如何处理来电者的打断
什么是 barge-in、为什么电话线路上的打断处理很难,以及如何撰写回复、设置选项并测试通话,让语音智能体听起来自然。
在日常对话中,人们总是互相打断:为了纠正一个细节,为了说“对,就是那个”,或者仅仅因为已经听懂了。一个坚持把话说完的电话系统会让人觉得生硬,来电者很快就会抢着说话,或者干脆放弃。Barge-in 就是让语音智能体妥善应对这种情况的功能。

本文说明什么是 barge-in、为什么它比听起来更难、如何设计与之配合的回复和设置,以及如何测试。它属于语音 AI 系列指南的一部分;更全面的介绍,请参阅语音 AI 如何工作和语音智能体中的轮流发言。
Barge-in 的含义
语音智能体通常在一个循环中工作:聆听、理解、回复、说话。没有 barge-in 时,智能体在说话期间停止聆听,所以来电者在回复期间说的任何话都会丢失。有了 barge-in,系统在自己说话时也保持聆听。当它检测到来电者开始说话时,会停止音频,丢弃预定回复的其余部分,并把这次打断当作下一个回合。
来电者打断时会发生什么
- 智能体正在说话回复正在播放,而系统保持聆听。
- 检测到语音系统判定线路上的声音是有人在说话。
- 播放停止智能体迅速安静下来,使两个声音不会长时间重叠。
- 捕捉到打断内容来电者所说的话被转写为新的一个回合。
- 新的回复智能体回答的是这次打断,而不是它说到一半的那句话。
为什么这对电话很重要
打断并不只是不礼貌。它带有信息。来电者插话说“不,是星期二”,是在纠正一个错误。说“好好好”的人,是想让您快一点。什么都不说、只是叹气的人,多半是快失去耐心了。忽略这些信号的系统,会让通话拖得很长,并且不欢而散。
来电者打断的常见原因
- 纠正智能体把日期、姓名或号码说错了。
- 提前回答来电者已经知道问题是什么,在问题说完之前就回答。
- 跳过智能体在重复他们已经知道的内容。
- 转换话题来电者想要的完全是别的东西。
- 确认一个简短的“是”或“不是”,不需要等整句话说完。
允许打断也让您可以把回复写得更短,因为不必担心冗长的回答会把来电者困住。这与人们在电话上的聆听方式非常吻合。
为什么它比听起来更难
想法很简单,但电话线路是一个嘈杂而不完美的通道。有好几个问题需要同时解决。
- 分辨语音与噪音。交通噪音、狗叫、电视声,甚至来电者自己的呼吸,在检测器看来都可能像是语音。
- 回声。在某些连接上,智能体自己的声音会回到线路上。如果系统把它误认为来电者,就会打断自己。
- 附和语。轻声的“嗯哼”或“对”表明来电者在听。这并不是要求停止。对每个细小的声音都做出反应,会让智能体说话结结巴巴。
- 速度。如果智能体要花一秒才能停下来,来电者就会继续抢着说话,听到的音频是混乱的。
- 不完整的语音。打断的头半秒很容易丢失,这可能会截掉来电者所说话语的开头。
这些问题的作用方向是相反的。非常灵敏的检测器反应快,但会触发误打断。谨慎的检测器很平稳,但让人觉得反应迟钝。好的系统会把声学检测与对声音持续时长和内容的检查结合起来。语音活动检测和电话音频质量解释了其中的两个构成要素。
设计与打断相配合的回复
仅靠设置并不能让对话听起来自然。智能体回复的撰写方式至少同样重要。
为打断而写作
| 难以很好地被打断 | 容易很好地被打断 | |
|---|---|---|
| 长度 | 包含多个要点的长段落 | 一两个简短的句子 |
| 顺序 | 先讲背景,最后给答案 | 先给答案,再讲细节 |
| 选项 | 念一长串列表 | 提供两三个选项,然后询问选哪个 |
| 确认 | 在最后重复所有内容 | 关键细节一给出就立即确认 |
| 语气 | 正式而繁复 | 平实而口语化 |
当智能体确认信息时,要在设计上让它可以被打断。例如,“您的预约在星期二十点。对吗?”,甚至在问题问完之前,就会引来一声快速的“对”。避免关键字出现在句末的句子。
设置与权衡
大多数语音系统都提供允许或禁止打断的设置,有些还提供对检测灵敏度更精细的控制。在个别情况下关闭打断是有道理的,例如法律要求必须完整听到的声明。在其他场合,保持开启通常对来电者更好。
一项相关的设置是静默多久后通话结束。太短,正在翻找文件的来电者会被切断。太长,一通掉线的电话会占用线路。请与来电者的实际行为匹配:查看订单号的人比回答“是”的人需要更长的时间。
| 情形 | 建议的做法 |
|---|---|
| 必须播放的披露或脚本 | 仅对那一部分不允许打断,并保持简短 |
| 快速的“是”或“否”问题 | 允许打断,并提前接受回答 |
| 在嘈杂手机线路上的来电者 | 仔细测试误触发;保持回复简短 |
| 年长者或语速较慢的说话者 | 在系统判定回合结束之前,留出宽裕的停顿时间 |
| 外呼电话 | 测试智能体自身的回声和答录机 |
年长的来电者和有言语差异的人需要特别关注。他们可能停顿更久、说话更慢,或者重复自己的话。如果系统插话太早,就会抢在他们前面说话。相关思路请参阅AI 前台:年长来电者。
测试 barge-in
请用真实的通话来测试,而不仅仅是干净的录音。制作一组场景,每次更改设置或提示词之后都运行一遍。
Barge-in 测试用例
- 在回复的第一秒内打断,检查您话语的开头是否被捕捉
- 在接近结尾时打断,确保它不会重复已经说完的句子
- 在一段较长的回复中轻声说“嗯哼”,看智能体是否继续说下去
- 咳嗽、敲击手机或让狗叫几声,看智能体是否停下
- 在汽车里、街上和使用免提时拨打
- 保持沉默,检查通话会等待多久
- 在句子中途纠正某个细节(如日期),检查更正是否被采用
记录智能体停下来的速度以及是否丢失了任何字词。关于更全面的测试方法,请参阅语音 AI 测试,关于来电者最后一个字与智能体回复之间的延迟,请参阅语音 AI 延迟。
Call 中的 barge-in
在 Call 中,智能体的语音设置包含一个名为“允许打断”的开关,让来电者可以抢在智能体说话时开口。它默认开启。旁边是设置静默多少秒后结束通话的选项,另外还有同时通话数和最长通话时间的上限。这些都位于“智能体语音”页面,与声音和提示词放在一起。
在 AI 外呼电话中,背景噪音会被过滤,只有当对方真正说话时智能体才会停止说话;智能体自己的声音回到线路上,不会被当作对方在说话。回复本身遵循一两个简短口语句子的规则,这很适合被打断。请用测试通话在您自己的手机上试用智能体,然后查看通话详情,了解双方各说了多少,以及双方同时说话的频率。
常见问题
语音智能体中的 barge-in 是什么?
它是指来电者在智能体说话时打断它的能力。智能体会停下来、聆听,并对来电者所说的内容作出回应。
为什么我的语音智能体有时会无缘无故地停下来?
背景噪音、自己声音的回声或一声咳嗽都可能被误认为语音。更短的回复、更好的音频以及谨慎的灵敏度设置可以减少这种情况。
我应该关闭打断功能吗?
很少需要。它有助于让通话自然。关闭它可能适合必须完整听到的简短声明。
什么是附和语?
像“嗯哼”或“对”这样的细小声音,表明听者在跟着听。好的智能体不会把它当作要求停止。
如何让回复更容易被打断?
保持简短,先给答案,并用快速的确认来询问。避免长列表,也避免把关键字放在句末。
如何正确地测试 barge-in?
从不同地点拨打真实电话,在不同时刻打断,加入噪音和静默,并检查是否丢失了字词。每次更改后重复测试。