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

| ------------------- | --------------------- | -------------- | ---------------------- |

| SU 系列 | SU-03T | ❌ 不支持 | 热门基础款，无 AEC |

| 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 |

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：

ITPub博客

语音打断功能完全指南：AEC 技术原理与模块选型

前言