AI 数字人在能够解释、引导或回应，又不夺走用户控制权时最有帮助。当用户想开口、点击、输入、改变方向或完成任务时，数字人需要有明确的让出方式。
这听起来像一个小小的播放细节，但在 B2B SaaS 产品中，它是一项产品决策：在引导式新手流程中自然的规则，可能会在管理员工作流、客服升级或高风险操作中造成打扰。
本指南说明如何围绕用户意图设计打断行为，同时将产品决策与数字人渲染层分开：你的应用或智能体框架负责 ASR、LLM、TTS、对话状态和轮次管理。Spatius 将数字人语音音频转换为实时动作数据，AvatarKit 则在客户端本地渲染数字人。请参阅开发者文档地图。
核心要点
- 当继续当前回复的价值低于响应用户下一步意图的价值时，就应允许用户打断。
- 提供不止一种打断方式：停止、暂停、跳过、切换文字或转人工，分别解决不同问题。
- 将打断视为应用策略，而不是视觉效果。由产品决定对话何时改变状态，以及接下来发生什么。
- 让数字人的状态清晰可见：说话、暂停、聆听、处理中或不可用，不应看起来都一样。
- 在将规则应用到所有位置之前，先在一个定义明确的工作流中测试。
从用户重新掌控的权利开始
基础规则很简单：用户不应被迫等一段已经不再有用的数字人回复结束。
在实际体验中，用户可能因为已经理解、发现错误、需要补充信息，或只是想自行完成任务而想打断。好的体验会识别这些情形，但也不会假设每一次声音或点击都等同于“取消一切”。
真正有用的问题不是 “数字人能否被打断？”，而是 “当用户表达了不同意图时，产品该怎么做？”
为每个工作流设计控制项前，先定义四件事：
- 什么算作打断？ 停止按钮、用户语音、在字段中输入、导航、新提示词或任务专属操作，可能分别代表不同含义。
- 什么应该停止？ 仅停止数字人播放、当前回复生成、待执行工具操作，还是整个工作流？
- 什么应当保留？ 用户可能需要文字记录、上一条回复、重播选项或恢复路径。
- 接下来发生什么？ 产品可以进入聆听状态、等待文字输入、继续任务、要求澄清，或提供人工路径。
将产品轮次管理与数字人播放分开
很容易想把所有打断行为放进一个“数字人”设置里。但这会造成混淆，因为交互包含两个不同层面。
| 层级 | 负责内容 | 打断决策示例 |
|---|---|---|
| 你的 SaaS 产品或智能体框架 | 用户意图、ASR、LLM、TTS、对话状态、权限、工具和工作流规则 | “用户点击了 编辑配置；停止说明并打开表单。” |
| 数字人呈现层 | 对已批准数字人语音音频做出的视觉响应 | “下一段音频开始；渲染下一段数字人动作。” |
Spatius 是仅提供数字人能力的服务：它接收数字人语音音频并返回实时动作数据。应用、后端或智能体框架负责轮次管理和打断策略。集成路径指南直接说明了这一分工。
对于使用 Direct Mode 的团队，客户端上的 AvatarKit 会连接到 Motion Server、发送数字人语音音频、接收动作数据并在本地渲染。Direct Mode 文档还说明：发送新音频会开启新一轮并打断正在进行的播放。这描述的是播放行为；你的产品仍需决定某个用户事件是否应停止、替换或保留当前回复。阅读 Direct Mode 概览。
针对不同情境使用合适的打断模式
“打断”不应总是意味着“丢弃”。以下模式能给用户明确结果，而不要求他们每次都学习新的交互模型。
1. 停止并开始聆听
当数字人正在解释，而用户想提问或回答时，使用这一模式。音频播放时，一个可见的 停止 控制尤其有用。停止后，产品可进入语音聆听或文字输入模式。
适合：引导式配置、产品教育、客服分流或练习模拟。
2. 暂停后继续
适用于用户可能想听完的内容，例如导览或较长解释。暂停应保留继续的路径；停止则应明确告诉用户他们正在转向下一件事。
适合：新手导览、培训内容和可选的功能说明。
3. 跳到有用的部分
如果数字人正在解释多步骤工作流，用户可能需要的是下一步，而不是重置整段对话。内容结构稳定时，让用户跳过或跳转到相关部分。
适合：可重复的新手引导、产品演示或已知的核对清单。
4. 切换到文字
有些用户需要内容，却不需要语音或可视化呈现。清晰的文字模式可保留答案，帮助他们更快浏览、复制或行动。不要把文字记录藏在纯音频体验之后。
适合：忙碌的工作环境、无障碍偏好或复杂的技术说明。
5. 离开数字人，继续任务
最强的打断往往根本不是对话：用户点击一个控制项、打开一条记录、编辑设置或前往另一页面。让任务操作优先于泛泛的说明。数字人可以消失、暂停或回到不打扰的状态，而不要与工作争夺注意力。
适合：管理控制台、配置、仪表盘和交易型工作流。
按任务风险而非新奇感决定默认规则
数字人不应在每种情境中都以同样方式可被打断。决策取决于当前信息的价值、继续推进的后果，以及用户试图完成什么。
| 情境 | 建议默认行为 | 原因 |
|---|---|---|
| 可选功能说明 | 都提供停止、暂停、跳过和文字 | 用户正在学习；控制权应即时可得。 |
| 用户开始输入新问题 | 停止当前回复并保留文字记录 | 新输入比继续叙述更强地表达了新意图。 |
| 用户打开产品控制项或开始产品内任务 | 让位给任务操作 | 应用任务比呈现更重要。 |
| 数字人索取继续所需的信息 | 暂停并明确展示所需输入 | 用户应知道下一步要提供什么。 |
| 工作流到达有实际后果的操作 | 不要把叙述当作确认 | 应用应使用常规的审核与确认控制项。 |
| 后台流程仍在运行 | 允许用户离开、查看状态或继续用文字 | 数字人不应成为阻塞用户的等候室。 |
此表是起点，并非通用策略。销售练习工具可能选择快速的对话插话；配置流程则可能偏好明确按钮，因为偶发的麦克风事件不应意外取消有价值的引导。请按工作流定义规则，并与实际使用该工作流的人一起测试。
让状态变化一目了然
许多打断问题不是由规则本身造成的，而是产品在改变状态时没有告诉用户发生了什么。
使用一个小而稳定的状态模型。即使数字人被最小化或隐藏，它也应有效：
- 说话中 —— 数字人正在呈现已批准的回复；显示停止和文字选项。
- 已暂停 —— 当前内容可继续；显示继续和结束。
- 聆听中或等待输入 —— 用户可说话或输入；不要盖过他们继续讲话。
- 处理中 —— 应用正在处理某事；展示任务及一个不阻塞的离开方式。
- 需要澄清 —— 说明缺失的一项输入，而不要继续宽泛回复。
- 已转交 —— 展示谁负责下一步，并保留对应用而言适当的上下文。
避免产品已经继续前进后，数字人仍看上去在“思考”。视觉状态应匹配产品状态，而不只是上一帧动画。
让打断规则贴近工作流
最好的规则很少是全局通用的。用户在演示、新手核对清单、分析仪表盘和客服流程中，可能需要截然不同的行为。
请与工作流定义一同建立打断策略：
| 工作流问题 | 要记录的决策 |
|---|---|
| 用户在这里的主要任务是什么？ | 优先于数字人叙述的任务。 |
| 什么信号代表新意图？ | 语音、输入、点击控制项、导航或明确停止。 |
| 哪些内容可恢复？ | 文字记录、重播位置、摘要和相关产品区域的链接。 |
| 哪些事绝不应自动发生？ | 高影响操作、不可逆改动，或需要常规产品确认的操作。 |
| 非数字人降级方案是什么？ | 产品内文字、标准 UI、支持路径或人工转接。 |
这样可避免数字人成为产品里的另一个独立产品。它始终与任务相连，并让用户可预期地回到正常界面。
实用的发布核对清单
在生产工作流中启用数字人前，请与产品、设计和工程团队核对以下事项：
- 列出哪些精确的用户操作应停止或暂停语音。
- 定义每个操作只停止播放、取消回复生成，还是启动新的工作流状态。
- 在用户可能需要恢复上下文时保留文字记录或摘要。
- 为完成同一任务提供文字或标准 UI 路径。
- 确认高影响操作仍使用产品原有的审核与确认控制项。
- 测试快速变化：停止、输入、导航、开始新任务和稍后返回。
- 以便于团队在试点期间复盘的方式埋点状态迁移。
常见问题
Spatius 能识别用户何时想打断吗？
你的应用或智能体框架应判断用户意图，并拥有轮次管理策略。Spatius 将数字人语音音频转换为实时动作数据，AvatarKit 在本地渲染数字人。如何识别语音、点击、输入或任务变化，属于你的产品架构。了解 Spatius 如何定义这些职责。
打断数字人是否等于删除回复？
不是。一个有用的打断设计会区分停止播放、暂停、开始新回复和离开工作流。用户可能需要恢复已说内容时，应保留文字记录或摘要。
在 Direct Mode 中，新的数字人回复可以取代已有回复吗？
Direct Mode 文档说明，发送新的数字人语音音频会开启新一轮并打断正在进行的播放。你的应用仍决定何种新的用户意图应触发这一行为。阅读 Direct Mode 的对话指引。
如果动作连接不可用，会发生什么？
请设计不会阻塞用户的产品降级方案。在 Direct Mode 中，如果 WebSocket 连接在 15 秒内失败，SDK 会进入仅音频降级模式，音频播放仍会继续。应将这视为一种技术降级；你的产品仍需让任务状态和非数字人控制项保持清晰。查看 Direct Mode 的降级详情。
数字人应该打断用户吗？
通常不应该。数字人可以呈现紧急且相关的信息，却不应与正在进行的任务竞争。当信息确实重要时，应使用产品既有的通知、审核或确认模式，而不是依赖数字人抢夺注意力。
让用户而非数字人掌控体验
目标不是让数字人持续说话，而是在可视化讲解者有用时让产品交互显得灵敏、在它无用时让其隐于幕后。
如果你正在为 SaaS 产品设计 AI 数字人工作流，预约 Spatius 演示，讨论适合你应用的集成路径和呈现层。