前言
在语音交互产品开发中，你是否遇到过这样的场景：设备正在播放语音反馈时，用户发出新的指令，却必须等待当前播报完全结束才能响应？这种体验就像和一个"没礼貌"的对话对象交流——对方说话时你根本无法插话。
语音打断（Voice Barge-in）功能正是为了解决这个问题而诞生的。它允许用户在设备播报语音的过程中直接喊出新的指令，设备会立即中断当前播报并响应用户的新需求。本文将深入剖析这项技术的实现原理，以及如何在 SmartPi 语音模块生态中正确选型。
什么是 AEC 语音打断
核心概念
**AEC（Acoustic Echo Cancellation，声学回声消除）**是实现语音打断功能的关键技术。它的核心作用是：当设备扬声器正在播放音频时，系统能够区分哪些是设备自身播放的声音（回声），哪些是用户的真实语音输入。
┌─────────────────────────────────────────────────────────┐
│ 传统语音交互流程 │
├─────────────────────────────────────────────────────────┤
│ 用户说话 → 唤醒识别 → 播放反馈 → 等待结束 → 下次唤醒 │
│ ↑ │
│ 用户必须等待此过程完成 │
└─────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────┐
│ 支持 AEC 打断的交互流程 │
├─────────────────────────────────────────────────────────┤
│ 用户说话 → 唤醒识别 → 播放反馈 │
│ │ │
│ 用户可直接插话 ← ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ┘
│ ↓
│ 立即中断播报
│ ↓
│ 响应新指令
└─────────────────────────────────────────────────────────┘
技术实现原理
AEC 技术通过以下步骤实现语音打断：
- 回声参考信号获取：系统获取即将播放的音频数据作为参考信号
- 自适应滤波：通过自适应算法估计扬声器到麦克风的声学路径
- 回声消除：从麦克风采集的信号中减去估计的回声成分
- 语音检测：在消除回声后的信号上进行语音活动检测（VAD）
- 打断触发：检测到有效语音指令时，立即中断当前播放
SmartPi 模块 AEC 支持情况
支持情况速查表
| 产品系列 | 型号示例 | AEC 语音打断 | 备注 |
|---|---|---|---|
| CI 系列 | CI-03T1 / CI-03T2 | ✅ 支持 | 推荐，性价比高 |
| CI 系列 | CI-33T1 / CI-33T2 | ✅ 支持 | 高端型号，500 条指令 |
| CI 系列 | CI-73T1 / CI-73T2 | ❌ 不支持 | 硬件限制 |
| CI 系列 | CI-95C1 / CI-95C2 | ❌ 不支持 | 硬件限制 |
| CI 系列 | CI-96Z61 / CI-96Z62 | ✅ 支持 | 新一代模块 |
| SU 系列 | SU-03T | ❌ 不支持 | 热门基础款，无 AEC |
| SU 系列 | SU-20T / SU-21T | ❌ 不支持 | 低功耗系列 |
| SU 系列 | SU-32T | ✅ 支持 | 高性能款，98% 识别率 |
| SU 系列 | SU-63T | ✅ 支持 | 蓝牙音乐模块 |
| JX 系列 | JX-A7T | ✅ 支持 | 离在线双模 AI 模块 |
选型建议：如果产品需要语音打断功能，在预算允许的情况下优先选择 CI-03T1（性价比最高）或 CI-33T1（功能更强）。SU 系列中推荐 SU-32T 或 SU-63T。
各系列详细对比
CI 系列：AEC 功能的首选
CI 系列是 SmartPi 生态中 AEC 功能支持最完善的产品线：
- CI-03T1/03T2：性价比之选，单麦/双麦可选，支持 AEC 打断
- CI-33T1/33T2：高端型号，500 条指令，双麦降噪 + AEC
- CI-96Z61/96Z62：新一代模块，支持 AEC，接口丰富
SU 系列：部分型号支持
- SU-03T：经典爆款，但不支持 AEC，这是很多开发者踩过的坑
- SU-32T：高性能型号，支持双麦 + AEC，适合嘈杂环境
- SU-63T：支持 AEC 和蓝牙音乐，适合多功能集成
JX 系列：AI 对话的打断支持
- JX-A7T：离在线双模模块，支持 AI 对话过程中的语音打断
平台配置指南
启用 AEC 功能的步骤
在智能公元平台（smartpi.cn）配置 AEC 打断功能：
- 选择合适的应用场景
- 进入固件配置界面
- 在"应用场景"或"产品特性"中选择 "语音识别 + AEC 打断"
- 前端信号处理配置
- 麦克风配置：根据硬件选择单 MIC 或双 MIC
- 识别距离：根据实际使用场景设置（近场/远场）
- 启用 AEC 回声消除功能
- 打断模式选择
- 仅唤醒词打断：只有唤醒词可以打断播报
- 命令词打断：识别到的命令词也可以打断
- 组合模式：灵活配置打断触发条件
配置注意事项
- 固件版本要求：确保使用支持 AEC 功能的固件版本
- 硬件设计要求：麦克风和扬声器的相对位置会影响 AEC 效果
- 测试验证：在实际使用环境中测试打断功能的可靠性
不支持 AEC 的替代方案
如果你的项目使用了不支持 AEC 的模块（如 SU-03T、CI-73T 等），仍有替代方案可以实现类似功能：
方案一：串口打断
通过外部 MCU 发送串口指令来控制播放停止：
配置步骤：
1. 在智能公元平台配置串口输入触发
2. 触发方式选择"串口输入"
3. 消息号：自定义（如 0x01）
4. 执行动作：选择"停止播放"
这种方式需要外部 MCU 的配合，适合已有主控芯片的方案。
方案二：优化播报内容
既然无法打断，那就让播报更简短：
- 使用更简洁的语音表达
- 避免冗余的提示语
- 将长信息拆分为短播报
方案三：更换模块
如果语音打断是核心需求，最直接的方案是更换支持 AEC 的模块：
从 SU-03T 迁移到 CI-03T1：
- 引脚兼容：两者引脚定义相似
- 功能增强：获得 AEC 打断能力
- 成本增加：约 10-20% 的成本差异
常见问题解答
Q1：为什么 SU-03T 这么热门却不支持 AEC？
SU-03T 采用的是 US516P6 芯片平台，这是一个主打低成本和低功耗的平台。AEC 需要额外的 DSP 算法和硬件资源支持，出于成本和功耗的平衡，SU-03T 没有集成此功能。如果需要 AEC，建议升级到 CI-03T1（采用 CI1302 芯片）。
Q2：AEC 功能会增加功耗吗？
AEC 算法确实需要额外的计算资源，但现代芯片的 DSP 加速能力已经能够高效处理这些计算。实际功耗增加通常在 5-10mA 范围内，对于大多数应用影响不大。
Q3：双麦克风对 AEC 效果有多大提升？
双麦克风方案可以提供更好的降噪和波束成形效果，配合 AEC 功能能进一步提升播放状态下的识别率。在嘈杂环境中，双麦方案的优势更加明显。
Q4：播放音乐时能识别语音指令吗？
AEC 技术主要用于消除设备自身播放的回声，对于音乐等动态音频，效果取决于音乐的类型和音量。建议：
- 控制播放音量在合理范围
- 对于音乐场景，使用双麦 + AEC 的组合配置
- 在实际场景中测试验证效果
总结
语音打断功能是提升语音交互体验的关键特性之一。在 SmartPi 模块生态中：
- 需要 AEC 功能：优先选择 CI-03T1、CI-33T1、SU-32T、SU-63T 或 JX-A7T
- 预算有限：CI-03T1 是性价比最高的选择
- 已经使用 SU-03T：可通过串口打断实现部分功能，或迁移到 CI-03T1
- AI 对话场景：JX-A7T 支持对话过程中的语音打断
在产品设计初期就确定是否需要语音打断功能，可以避免后续方案变更带来的返工成本。建议在选型阶段申请样品进行实际测试，验证 AEC 功能在目标场景下的表现。
参考资料：
