一句话定义：可打断（Barge-in）是指用户不必等语音助手把话说完，随时可以开口插入；系统一旦确认用户在说话就立刻停下来听，而不是继续播放音频。体验上，它把语音交互从“对讲机”变成了“打电话”。
为什么难：麦克风里混着两种声音
语音助手的外放喇叭正在响，麦克风同时也在收音。此刻麦克风收到的是“用户的声音 + 助手自己的声音 + 环境噪声”的叠加。如果不管三七二十一，只要检测到人声就停，助手会被自己的声音打断，永远说不完一句话。所以要真的做到可打断，背后至少三件事要配合：
1. 回声消除（AEC, Acoustic Echo Cancellation）：系统知道自己在播什么，于是拿这段“参考信号”去减掉麦克风里的自己。减得干净，剩下的才可能是用户。这也是为什么耳机场景比客厅外放音箱容易做：外放时声音绕房间一圈回来，音量、延迟、反射都在变，尤其音量开大、设备腔体小的时候更难消。
2. 语音活动检测（VAD, Voice Activity Detection)：判断“这一段到底是不是人在说话”。难点不在检测到声音，而在分清“真打断”和“嗯、对、然后呢”这类附和，以及咳嗽、隔壁说话、电视声。工程上通常要求连续若干帧都满足条件、并配合时长和能量阈值才判定，宁可稍慢一点也不愿误切。
3. 播放队列（playback queue）：判定打断后，要立刻暂停或清空已排好的语音片段，让 TTS 真正闭嘴；同时记下“说到哪了”的断点。这个断点决定后续行为：是接着讲、重讲，还是直接放弃原任务转去处理用户新说的那句话。
| 半双工（传统语音交互） | 可打断（Barge-in） | |
|---|---|---|
| 何时能说话 | 等助手说完 | 随时 |
| 系统如何处理自己的声音 | 靠静音判断轮次结束 | 必须做回声消除 |
| 打断发生时 | 无此概念 | 清空播放队列、记录断点 |
| 使用感受 | 像对讲机 | 像打电话 |
和相邻概念的区别：可打断是交互层的机制，不等于“全双工”，后者还要求系统能边听边说；它也不是“语音唤醒”，唤醒解决的是“从待机到开始听”，可打断解决的是“在它说话时抢回话权”。轮次检测（turn detection）负责判断你说完没有，可打断负责判断你什么时候开始说。
对从业者的意义：可打断的三个参数——AEC 的收敛程度、VAD 的触发阈值、播放队列的清理时机——直接决定体验。切早了会把用户开头几个字吃掉，切晚了用户会以为设备卡死；这两种失败比“不支持打断”更伤信任。产品上还要定策略：什么场景允许打断、打断后要不要复述被切断的内容。具体实现与参数以各家官方文档为准。
对普通人的意义：想快速判断一个语音产品做得好不好，有个土办法——在它长篇播报时直接插一句“等一下，帮我改成明天”。看它停得干不干脆、停下来之后有没有听懂你新说的那句，基本就见分晓了。