打断检测受回声消除能力限制
别名: 回声消除限制打断 · 自己的声音盖住用户 · double-talk
概念解释
厨房音箱正大声念菜谱，用户说「下一页」。麦克风里同时有喇叭漏回来的合成音和近端的人声。回声消不干净，人声被当成残留回声扔掉，打断没发生；消得过狠，合成音自己的残响被当成近端语音，系统把自己打断。打断检测受限于回声消除（AEC-limited barge-in detection）说的是：状态机里允不允许插话，和麦克风在播放期间能不能把用户跟扬声器分开，是两件事。前者可以做成永远允许，后者由 AEC（acoustic echo cancellation）的残余和双讲检测封顶。
机制
全双工里，播放信号是已知的，AEC 要从麦克风里减掉这条已知路径。房间反射、音量、喇叭与麦的相对位置一变，路径估计就滞后。残余回声抬高能量检测，假打断出现：系统在没人说话时停播。为了压假打断而把阈值抬高，真打断的近端语音——尤其是被扬声器掩蔽的短命令——过不了门限，漏打断出现。双讲（double-talk）期间自适应滤波器必须冻结，否则会把用户语音也学进回声模型里，之后更听不到人。
所以「可以打断」写在对话管理里并不等于播放期间听得见。音量越大、房间越空、设备越远场，AEC 余量越小，检测越不可用。半双工（播放时关掉识别）是在用策略承认这个物理上限，代价是用户必须等播完。
怎么研究
在可控房间里做 播放声压 × AEC 开关/品质 的打断检测：播放一段固定 TTS，被试在指定字上插入短命令。因变量：命中、虚警（无插入时的自停）、检测延迟、以及残余回声能量。自变量包括扬声器音量、麦距、混响。把对话管理设成「一律允许打断」，这样测到的失败全是声学层的。
现网日志要对齐「用户开口时间」和「系统实际停播时间」。开口后仍继续播超过几百毫秒、且当时播放声压高，优先查 AEC 而不是意图模型。实验室用耳机回放 TTS、麦克风听不到扬声器，会把 AEC 问题测没。
边界
耳机听筒把播放从房间里拿走，AEC 负担骤降，打断检测不再是这条瓶颈——瓶颈回到端点和意图。播放音量被用户自己拧得很低时，近端相对变响，弱 AEC 也能过。极短的重叠（一个「嗯」）即使用户听见了自己在插，能量也可能达不到任何可靠门限。把漏打断理解成「用户不够大声」会把声学失败推给人，并诱发越说越大声的循环。
怎么落地
- 把打断验收分成两层：对话层是否允许，声学层在目标音量和房间里命中率是否过线。只测安静近场的允许打断，不够。
- 高音量、远场技能（厨房、车载外放）单独测漏打断和自停；自停高就不要靠再抬能量阈值去「修」，会把真打断一起杀掉。
- 播放期间把已知 TTS 作为 AEC 参考；双讲时冻结自适应。识别到疑似近端时先停播，再决定那句话是不是有效输入。
- 验证：目标场景把音量开到产品默认偏高档，在播报中段插「停 / 下一页」。记下从开口到停播的时间和虚警。漏检随音量上升、虚警随混响上升，就是 AEC 在封顶，不是话术问题。