使用 System.Speech.Synthesis 时最小化延迟

Question

我正在使用 .NET 4 中内置的 TTS，并希望语音立即发生，但我在拨打 Speak 和获取音频之间遇到了延迟。

我正在开发一个简单的倒计时器，它会取消最后五秒和完成（5...4...3...2...1...完成），但是当屏幕更新为新的时随着时间的推移，TTS 会滞后，每次调用都会变得更糟。我尝试使用 SpeakAsync，但这只会让情况变得更糟。目前，Speak 是在 UI 线程外部（在 Timer Tick 事件处理程序中）调用的。

有没有办法最大限度地减少这种延迟，例如预先计算语音并缓存它或创建某种特殊的 TTS 线程？

Answer 1

我以某种方式阅读了我需要的 API 调用至少一百遍。我正在寻找SpeechSynthesizer.SetOutputToWaveStream。

MemoryStream stream = new MemoryStream();
SpeechSynthesizer synth = new SpeechSynthesizer();
synth.SetOutputToWaveStream(stream);
synth.Play(text);
stream.Position = 0;
SoundPlayer player = new SoundPlayer(stream);
player.Play();

此代码将使用 TTS 将文本转换为流式传输到流中的 WAV 文件。您需要重置 MemoryStream 的位置，以便当您从中创建 SoundPlayer 时，它会从开头而不是末尾开始读取流。初始化 SoundPlayer 后，您可以将其保存在某处，以便稍后立即播放，而不必等待 TTS 初始化并播放声音。