[异步播报打断]：完成播放中麦克风监听和音色隔离，包含后台监听、助手回放抑制和用户音色打断测试

openspec/changes/separate-wake-and-realtime-transcript/design.md

@@ -326,6 +326,18 @@ Follow-up 捕获复用现有 capture、实时字幕、final STT、LLM、TTS 流
 4. 已完整播放的句子文本才写入 process-local assistant context；未播出的句子和后续未播放 token 不写入上下文。
 5. 打断后的用户输入进入免唤醒 follow-up 捕获路径，保留实时字幕和 final STT，最终仍只有 final transcript 进入 LLM。
 
+## Async Barge-in Speaker Gate Revision
+
+旧打断路径由播放 chunk 回调驱动，每写完一段音频后才读取麦克风，不满足“播放同时监听”的实时性要求，也无法稳定排除助手自己的回放。修正版边界如下：
+
+1. `AsyncBargeInMonitor` 在可打断 TTS 回复开始时启动后台线程，独立调用 `AudioTransport.read_frames()`，默认每 20 ms 检查一次，不由播放循环触发麦克风处理。
+2. `AudioTransport.play_pcm_chunks()` 只接收 `should_stop` 停止信号；播放线程在 20-40 ms chunk 边界检查该信号并尽快停止剩余播报。
+3. `BargeInSpeakerGate` 从最近一次用户正式输入建立本次进程内临时用户音色画像，从当前 TTS PCM 建立助手回放音色画像。
+4. 播放期间候选麦克风帧必须通过 VAD，且不能匹配助手回放画像；若用户画像已存在，还必须匹配用户画像；若用户画像不足，降级为“非助手音色 + 有效 realtime partial”。
+5. 播放期间 realtime STT 只作为后台打断确认信号，不发 `transcript_partial` 事件，避免把助手回放显示成用户实时字幕。
+6. 监听线程确认打断后把已确认用户帧写入 `_pending_capture_frames`，后续 follow-up capture 直接续接，减少用户抢话首字丢失。
+7. 用户画像、助手画像、候选帧均只保存在进程内，不写入磁盘、不发送给 LLM、不跨进程复用。
+
 ## Migration
 
 No database migration. Users should run: