Delphi 11调用OneCore SAPI TTS时语音卡顿及语速无法修改问题

问题1：高负载下语音播放卡顿 #

核心原因 #

音乐播放器能流畅播放是因为它们会将音频会话标记为高优先级，避免系统在高负载时节流音频线程。你的TTS默认使用普通优先级线程，容易被其他进程抢占CPU时间。单纯将Speak()放入线程无法解决，因为线程优先级未针对性调整，且未配置音频会话优先级。

解决步骤 #

1. 提升音频会话优先级
   Windows Audio Session API允许为音频流设置优先级，确保TTS音频不被系统节流。需导入IAudioSessionControl2接口并配置：

   type
     IAudioSessionControl2 = interface(IAudioSessionControl)
       ['{bfb7ff88-7239-4fc9-8fa2-07c950be9c6d}']
       function SetSessionPriority(priority: LPCWSTR): HRESULT; stdcall;
       // 其他接口方法需完整导入，此处省略
     end;
   
   procedure SetTTSSessionPriority;
   var
     pDeviceEnumerator: IMMDeviceEnumerator;
     pDefaultDevice: IMMDevice;
     pAudioSessionManager: IAudioSessionManager2;
     pSessionControl: IAudioSessionControl;
     pSessionControl2: IAudioSessionControl2;
   begin
     if CoCreateInstance(CLSID_MMDeviceEnumerator, nil, CLSCTX_ALL, IID_IMMDeviceEnumerator, pDeviceEnumerator) = S_OK then
     begin
       if pDeviceEnumerator.GetDefaultAudioEndpoint(eRender, eMultimedia, pDefaultDevice) = S_OK then
       begin
         if pDefaultDevice.Activate(IID_IAudioSessionManager2, CLSCTX_ALL, nil, pAudioSessionManager) = S_OK then
         begin
           if pAudioSessionManager.GetAudioSessionControl(nil, 0, pSessionControl) = S_OK then
           begin
             if pSessionControl.QueryInterface(IID_IAudioSessionControl2, pSessionControl2) = S_OK then
             begin
               pSessionControl2.SetSessionPriority('Pro Audio');
               pSessionControl2.Release;
             end;
             pSessionControl.Release;
           end;
           pAudioSessionManager.Release;
         end;
         pDefaultDevice.Release;
       end;
       pDeviceEnumerator.Release;
     end;
   end;
   

2. 调整TTS线程优先级
   处理TTS播放的线程需设置为高于普通优先级，避免被BLE数据处理等任务抢占：

   // 在TTS线程的Execute方法开头设置优先级
   SetThreadPriority(GetCurrentThread, THREAD_PRIORITY_ABOVE_NORMAL);
   

   注意：仅在播放期间提升优先级，播放完成后恢复原优先级，避免影响系统整体性能。

3. 使用异步播放并避免阻塞
   调用Speak时使用SPF_ASYNC参数，让SAPI在后台处理播放，不阻塞主线程或BLE处理线程：

   tts.Speak(s, SPF_ASYNC or SPF_PURGEBEFORESPEAK);
   

   同时实现ISpNotifySink接口监听播放完成事件，避免重复调用导致队列拥堵。

4. 隔离BLE数据处理与TTS资源
   将BLE数据接收和处理放入低优先级线程，或使用线程安全队列缓冲数据，避免在接收回调中执行耗时操作，减少与TTS线程的CPU竞争。

问题2：SetRate无法修改语速 #

核心原因 #

OneCore SAPI的语速配置逻辑与传统SAPI略有差异，直接调用ISpVoice::SetRate可能未正确作用于当前使用的语音引擎，或参数范围与系统GUI的设置不匹配。

解决步骤 #

1. 确认参数范围匹配
   OneCore语音引擎的语速范围可能与传统SAPI的-10_{10不同，部分中文引擎支持-50}100的范围。先获取当前语速值，再调整：

   var
     CurrentRate: Integer;
   begin
     tts.GetRate(CurrentRate);
     // 测试不同范围的数值，比如设置为5（对应系统GUI的中等偏快）
     tts.SetRate(5);
   end;
   

2. 通过语音Token配置语速
   直接修改语音引擎的属性，确保设置生效：

   var
     pVoiceToken: ISpObjectToken;
   begin
     if tts.GetVoice(pVoiceToken) = S_OK then
     begin
       pVoiceToken.SetStringValue('Attributes', 'Rate', '5');
       // 重新加载语音配置
       tts.SetVoice(pVoiceToken);
       pVoiceToken.Release;
     end;
   end;
   

3. 确保设置时机正确
   必须在调用Speak之前调用SetRate，如果使用异步播放，需在上一次播放完成后再设置下一次的语速，避免被队列中的任务覆盖。

4. 检查OneCore引擎兼容性
   部分OneCore中文语音引擎需要特定的初始化顺序，确保在创建ISpVoice实例后，先选择语音引擎再设置语速：

   var
     pVoiceToken: ISpObjectToken;
   begin
     // 查找OneCore中文语音引擎
     if SpFindBestToken(SPCAT_VOICES, 'Language=804;Vendor=Microsoft', nil, pVoiceToken) = S_OK then
     begin
       tts.SetVoice(pVoiceToken);
       tts.SetRate(3); // 设置语速
       pVoiceToken.Release;
     end;
   end;
   

内容的提问来源于stack exchange，提问作者Xiao Jack