M3.09.3Lombard escalation after ignored barge-in设计研究

打断被忽略时用户会提高音量

别名: 打断无效就喊 · 朗伯效应 · shouting over TTS

概念解释

车里导航还在念「沿当前道路行驶八百米」,用户说了「停」没有停,第二句会更大声,第三句接近喊。这不是脾气,是在噪声里说话时都会出现的朗伯效应(Lombard effect):对方继续出声,就被当成自己没被听见,于是提高声压、拉高音高、把音节拉长。打断被忽略之后的抬音量(Lombard escalation after ignored barge-in)是这条链路在对话系统上的版本——系统的播报就是那团不肯让路的噪声。

机制

朗伯调节是自动的:听不到自己被接收,产出端就加增益。继续播放的 TTS 既是掩蔽,也是「你还没让出话轮」的社交信号。音量上去之后,近端更冲进喇叭的回声里,AEC 更难把人声从播放里分开,检测更容易继续失败,于是再加一档——循环是声学的,不只是态度的。超音量还会把识别前端打到削波,即使得手停播了,那句「停」也更难听对。

被忽略的打断还会改变话术:从短命令变成整句重说,从词变成喊名字。这些变化看起来像新意图,其实是同一意图的升级发送。把升级发送当新请求或当情绪,会走错修复路径。

怎么研究

忽略打断的试验:第一句插入故意不停播,测第二句的声压级、基频、时长和频谱倾斜,对照第一句。因变量是朗伯特征的升幅、第三句是否出现、以及第二次插入时 AEC 命中是否反而下降。自变量:播放声压、第一句是否给出任何停播迹象(哪怕停 200 毫秒再继续)。

现网看同一会话里连续两次近端事件的能量差。第二次明显高于第一次、且中间没有停播,就是升级,不是两个无关命令。实验室若用按钮代替第二句开口,测不到朗伯。校准要用会话内的相对升幅,不要跨人比绝对分贝。

边界

用户本来就大声(车间、车窗全开)时,第一句已经在朗伯区,再忽略不会走出同样的升幅曲线,但削波风险仍在。耳机听筒让播放离开房间,忽略更多表现为连说两次,而不是喊。公共场合的社交成本会压住抬音量,人改为放弃或伸手按键——看起来像「没有朗伯」,其实是通道被社交封了。把抬音量理解成「用户不礼貌」会去训人,错过停播这一下就能切断的循环。

怎么落地

  • 检测到疑似近端就先停播,哪怕还没识别完;两百毫秒的让路足够阻止大多数第二句升级。
  • 同一会话里第二次近端能量明显高于第一次,优先当「同一命令的朗伯重发」,不要当新意图,也不要回一句「请说慢一点」继续占着喇叭。
  • 外放高音量技能要测升级:故意漏过第一句「停」,看第二句 SPL 和削波。升幅大的场景,先修停播,再修识别。
  • 验证:录第一句与第二句的 SPL。中间没有停播且第二句高出一截,循环成立。加上「先停再识别」之后升幅应掉下来;掉不下来,停得太晚或停了又立刻接着念。

延伸

  • 同组M3.09.1 打断检测受回声消除能力限制 · M3.09.2 打断后需判断是纠正还是新请求
  • 相邻M3.04 打断 · C7.05 噪声环境 · C7.12 噪声环境下的识别退化
  • 站内检索Lombard escalation after ignored barge-in · Lombard effect · shouting over TTS

同组卡片

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/handbook/M3.09.3