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，包括发声即打断或通过关键词打断。本文介绍如何设置通过关键词打断语音对话。

场景描述

扣子默认采用发声即打断模式，即在检测到语音输入时会中断智能体的输出。这种模式响应迅速，但在某些场景下可能导致误中断。为了更精准地控制交互，您可以切换到关键词打断模式，并设置打断关键词。该模式下，只有当用户语音中包含预设的关键词时，智能体的输出才会被中断，从而有效减少误中断，提升用户体验。

例如，在智能家居场景中，你可以通过设置关键词“你好扣子”来控制智能设备。当智能体正在播报天气信息时，用户说“你好扣子，打开客厅灯”，智能体会立即停止播报天气，转而执行打开客厅灯的操作。在智能客服场景中，你可以通过关键词“客服”打断智能客服的语音回答，直接提出新的问题，例如“客服，我想咨询退款流程”，智能客服会停止当前回答，转而解答退款相关问题。

效果体验

你可以在扣子智能音视频 Demo 中体验关键词打断的效果。

Websocket 语音通话

在 WebSocket 实时语音 Demo 页面单击发送事件，添加如下事件，设置打断对话的关键词和打断模式。

{
  "data": {
    "input_audio": {
      "format": "pcm",
      "codec": "pcm",
      "sample_rate": 44100
    },
 "asr_config":{
              "hot_words":[
              "扣子",
              "你好扣子"
              ]
          },
    "output_audio": {
      "codec": "pcm",
      "pcm_config": {
        "sample_rate": 24000
      },
      "voice_id": ""
    },
    "turn_detection": {
      "type": "server_vad",
 "interrupt_config": {
                "mode": "keyword_contains",
                "keywords": [
                        "扣子",
                        "你好扣子"
                ]
            }
    },
    "need_play_prologue": true
  }
}

RTC 音视频通话

在 Realtime 智能音视频 Demo 页面单击 Send Message ，输入如下事件，设置打断对话的关键词和打断模式。

{
  "id": "1",
  "event_type": "session.update",
  "data": {
    "chat_config": {
      "allow_voice_interrupt": true,
      "interrupt_config": {
        "mode": "keyword_contains",
        "keywords": ["扣子", "你好扣子"]
      }
    }
  }
}

打断效果测试

假设预设的打断关键词为扣子扣子和你好扣子，不同场景下的触发表现如下表所示。

用户的语音内容	智能体是否在说话	是否触发打断	表现
扣子扣子	说话中	✅	智能体停止说话，进行新一轮回复，新回复的内容取决于用户智能体的设置。
你好扣子，给我换个故事	说话中	✅	智能体停止说话，进行新一轮回复，新回复的内容取决于用户智能体的设置。
扣子扣子，给我换个故事	说话中	✅	智能体停止说话，进行新一轮回复，新回复的内容取决于用户智能体的设置。
给我换个故事	说话中	❌	不打断对话，智能体继续说话。
扣子，给我换个故事	说话中	❌	不打断对话，智能体继续说话。
给我换个故事	未说话	不涉及	智能体正常接收输入并开始回复。
扣子扣子，给我换个故事	未说话	不涉及	智能体正常接收输入并开始回复。

设置关键词打断

WebSocket 语音通话场景

在 WebSocket 语音通话场景中，你可以通过在 chat.update 上行事件中设置打断对话的关键词和打断模式来实现精准打断。

在 chat.update 上行事件中设置打断对话的关键词和打断模式，具体的事件说明可参考更新对话配置。

参数	说明
keywords	打断的关键词。例如，将“扣子”和“你好扣子”设置为关键词。 说明：支持最多 5 个关键词，每个关键词限定长度在 6 ～ 24 个字节以内（2 ～ 8 个汉字以内），不能包含标点符号。
hot_words	ASR 热词。为了提高 ASR 语音识别的准确性，你可以将关键词设置为热词，以便提高这些关键词的识别率。
mode	打断模式包括以下几种，本文以 keyword_contains 为例： keyword_contains：说话内容包含关键词时，会打断模型回复。例如关键词扣子，用户正在说你好呀扣子…….或 扣子你好呀，模型回复会被打断。 keyword_prefix：说话内容前缀匹配关键词时，会打断模型回复。例如关键词扣子，用户正在说扣子你好呀……，模型回复会被打断，而用户说你好呀扣子……，模型回复不会被打断。

{ 
    "id": "event_id", 
    "event_type": "chat.update", 
    "data": { 
        "turn_detection": { 
            "type":"server_vad",
            "interrupt_config": {
                "mode": "keyword_contains",
                "keywords": [
                        "扣子",
                        "你好扣子"
                ]
            }
          },
          "asr_config":{
              "hot_words":[
              "扣子",
              "你好扣子"
              ]
          }

    } 
} 

触发打断后，扣子服务端会中断语音的输出，并且发送 conversation.chat.canceled 下行事件，具体的事件说明可参考智能体输出中断。

设备收到 conversation.chat.canceled 事件后，如果本地有缓存的音频数据，需要自行清空。

（可选）如果需要关闭打断模式，即设置 type 为 client_vad，或者需要切换打断模式，需要关闭当前的 WebSocket 连接后，再重新建立连接。

RTC 音视频通话场景

在 RTC 音视频通话场景中，你可以通过在session.update 上行事件中设置打断对话的关键词和打断模式来实现精准打断。

在 session.update 上行事件中设置打断对话的关键词和打断模式，具体的事件说明可参考更新房间配置。

参数	说明
keywords	打断的关键词。例如，将“扣子”和“你好扣子”设置为关键词。 说明：支持最多 10 个关键词，每个关键词长度不超过 8 个字。
mode	打断模式包括以下几种，本文以 keyword_contains 为例： all：任意内容都可以打断模型回复。 keyword_contains：说话内容包含关键词时，会打断模型回复。例如关键词扣子，用户正在说你好呀扣子…….或 扣子你好呀，模型回复会被打断。 keyword_prefix：说话内容前缀匹配关键词时，会打断模型回复。例如关键词扣子，用户正在说扣子你好呀……，模型回复会被打断，而用户说你好呀扣子……，模型回复不会被打断。

{
  "id": "1",
  "event_type": "session.update",
  "data": {
    "chat_config": {
      "allow_voice_interrupt": true,
      "interrupt_config": {
        "mode": "keyword_contains",
        "keywords": ["扣子", "你好扣子"]
      }
    }
  }
}

触发打断后，扣子服务端会首先中断语音的输出，并且发送 audio.agent.speech_stopped 下行事件，具体的事件说明可参考智能体结束说话 。

常见问题

发送语音打断后，智能体仍继续说话

问题原因：

语音打断后，扣子服务端不再推送音频，但本地设备端可能会缓存一段音频数据。

解决方法：

打断对话后，服务端会下发一个事件到客户端。客户端收到事件后，需要清空设备侧的缓冲区。