概述
对话语义断句是一种高级断句功能，通过结合传统声学信号和上下文语义分析来实现更精准的对话断句识别，有效解决传统方法中的限制，显著提升对话体验质量。
实现原理
传统的 VAD (Voice Activity Detection) 方案主要依靠静音时长来进行断句判断。然而，这种方法在处理复杂对话场景时存在诸多不足。
语义断句技术在传统 VAD 的基础上，增加了上下文语义分析能力：
结合声学信号特征（例如停顿、语调变化）。
分析语句的语义完整性和上下文关联。
智能识别真正的句子边界 （识别不完整时等待，识别到完整时尽快进行后续处理）。
这种融合方法能够更准确地判断用户发言的实际结束点，有效缓解 AI 在对话中出现的抢话行为，使交互更自然流畅。
启用方式
启用语义断句功能非常简单，只需在启动对话任务时进行适当配置：
// 在调用 StartAIConversation 接口时AgentConfig.TurnDetectionMode = 3
参数说明：TurnDetectionMode = 3：启用语义断句模式
参数配置指南
基本设置
TurnDetectionMode = 3：启用语义断句模式，系统将根据语义内容智能判断用户语音的自然断点。
灵敏度调节（可选）
当启用语义断句模式后，您可通过以下参数调整断句的灵敏度：
// 在调用 StartAIConversation 接口时AgentConfig.TurnDetection.SemanticEagerness = "low" | "medium" | "high" | "auto"
参数说明
参数 | 说明 |
auto | 默认设置，与 medium 级别相同，提供平衡的响应时机。 |
low | 保守模式，给予用户充分表达时间，等待更长的停顿才判定为语音结束。 |
medium | 均衡模式，在用户表达与系统响应间取得平衡。 |
high | 积极模式，更快速地对音频进行分块处理，实现更频繁的交互响应。 |
说明：
无论选择哪种灵敏度，系统最终都会将语音内容分段并传送给大模型进行处理和回复。
应用场景推荐
模式 | 参数 | 适用场景 |
积极模式（高灵敏度） | high | 客服交互：需要对客户问题快速响应，减少等待时间。 信息查询：用户提问简短明确，期望立即获得答案。 导航指引：用户需要实时指导，如路线导航或操作引导。 紧急服务：时间敏感场景，需要迅速捕捉关键信息。 销售对话：快节奏的商业互动，需要及时跟进客户意向。 |
均衡模式（中等灵敏度） | medium、auto | 日常对话：一般性交流，既不需要特别快速也不需要特别耐心。 教学辅助：标准教学环境中的问答互动。 产品咨询：用户需要了解产品信息，节奏适中。 技术支持：解决常规技术问题。 健康咨询：患者描述症状与医疗 AI 的互动。 |
保守模式（低灵敏度） | low | 深度面试：需要给予应聘者充分思考和表达的时间。 心理咨询：用户可能需要时间组织语言表达情绪或问题。 教育评估：学生回答复杂问题，需要完整表达思路。 老年用户服务：为可能语速较慢的老年人提供更有耐心的交互体验。 语言学习：非母语使用者可能需要更多时间组织语言。 复杂决策咨询：涉及多方面考量的咨询服务，用户需要完整阐述需求。 |
说明：
选择合适的灵敏度设置将显著提升用户体验，建议根据具体应用场景和目标用户特点进行配置。
功能优势
相比传统断句方法，语义断句具有以下显著优势：
更高的断句准确度，尤其在复杂对话场景中。
有效减少 AI 抢话行为，使对话更加自然流畅。
适应不同用户的语言习惯和表达方式。
提升整体用户体验和对话效率。
适用场景
语义断句技术特别适用于以下场景：
需要高质量交互体验的客服系统。
长对话场景中的实时问答。
多轮对话中需要精确理解用户意图的应用。
用户表达节奏不规则或语言习惯特殊的场景。
