SAPI实现ISpTTSEngine调用ISpVoice发音延迟及请求接收异常问题

1. 线程消息泵阻塞导致播放延迟
   你在ISpTTSEngine实例的初始化线程（也就是FinalConstruct执行的线程）中创建了ISpVoice对象，SAPI的ISpVoice默认依赖当前线程的消息队列驱动异步播放逻辑。而ISpTTSEngine::Speak方法被调用时，当前线程是SAPI的引擎回调线程，在该方法返回前，线程的消息循环处于阻塞状态，ISpVoice的播放逻辑无法执行，所以只能等Speak方法返回后才会开始输出音频。
2. SAPI串行调度导致新请求无法进入
   SAPI对ISpTTSEngine的调用默认是串行的：上一次ISpTTSEngine::Speak调用未返回前，SAPI不会下发新的播报请求。同时你当前的实现逻辑里，ISpTTSEngine作为服务提供方，没有向上层SAPI返回合成的音频数据，也没有通知SAPI当前请求已处理完成，SAPI会一直认为当前请求还在处理中，自然不会下发新的请求。
3. 其他异常现象的原因

• 去掉SPF_ASYNC标记后调用ISpVoice::Speak会触发同步播放，会一直阻塞到播放完成才返回，超出SAPI引擎回调的超时限制后就会被系统强制终止，表现为调用方崩溃。
• 在ISpTTSEngine::Speak方法内轮询SpeakCompleteEvent时，当前线程被轮询逻辑占满，ISpVoice的播放逻辑无法拿到CPU执行，自然永远不会触发完成事件，所以一直超时。

根据你的需求（监听其他软件的播报文本），可以采用以下两种方案：

方案1：仅需要监听文本，不需要向调用方返回合成音频 #

• 将内部ISpVoice的创建、播放逻辑全部移到独立的工作线程中，工作线程单独初始化COM环境（调用CoInitializeEx(COINIT_APARTMENTTHREADED)）并运行消息循环，不要占用SAPI的引擎回调线程。
• 在ISpTTSEngine::Speak方法中，仅需要把收到的文本片段投递到工作线程的任务队列，之后直接返回S_OK即可，不需要等待播放完成。这样SAPI会认为当前请求已处理完成，后续有新请求就会正常调用你的Speak实现。

方案2：需要让引擎表现和常规TTS一致，调用方可正常获取音频 #

• 不要让内部ISpVoice直接输出到音频设备，将其输出绑定到ISpStream流对象，等ISpVoice把合成的音频写入流后，你再通过ISpTTSEngineSite::Write方法把音频数据回写给上层SAPI。
• 同步处理ISpTTSEngineSite抛出的停止、暂停等事件，收到对应事件时调用内部ISpVoice的对应方法中断或暂停当前合成任务。

内容的提问来源于stack exchange，提问作者Mike