在C#/WPF文本转语音应用中如何获取语音播报时长？

以下是两种经过验证的可行实现方案： #

方案1：基于WAV内存流解析提前获取精准时长（推荐） #

该方案不依赖播报事件，可在播报前就计算出和实际播报完全一致的时长，稳定性和准确率最高。

using System.Speech.Synthesis;
using System.IO;

// 传入待播报文本、和播报参数一致的语音配置，返回精准播报时长
public TimeSpan CalculateSpeechDuration(string speakText, VoiceInfo targetVoice = null, int speakRate = 0, int speakVolume = 100)
{
    using var synth = new SpeechSynthesizer();
    // 保持计算参数和实际播报参数完全一致，避免时长偏差
    if (targetVoice != null) synth.SelectVoice(targetVoice.Name);
    synth.Rate = speakRate;
    synth.Volume = speakVolume;

    using var memoryStream = new MemoryStream();
    // 输出语音到内存流，不实际播报也不生成本地文件
    synth.SetOutputToWaveStream(memoryStream);
    synth.Speak(speakText);
    synth.SetOutputToDefaultAudioDevice();

    // 解析WAV头参数计算时长
    int sampleRate = BitConverter.ToInt32(memoryStream.GetBuffer(), 24);
    short bitsPerSample = BitConverter.ToInt16(memoryStream.GetBuffer(), 34);
    short channels = BitConverter.ToInt16(memoryStream.GetBuffer(), 22);
    long audioDataLength = memoryStream.Length - 44; // WAV头固定占44字节
    double totalSeconds = audioDataLength / (sampleRate * (bitsPerSample / 8.0) * channels);

    return TimeSpan.FromSeconds(totalSeconds);
}

• 优点：时长完全精准，不受播报过程中暂停、中断、跳转的影响，适合需要提前展示时长的场景
• 注意：如果播报时会动态调整语速、音量、切换语音，需要同步调整计算时的对应参数

方案2：基于播报事件实时统计实际播报时长 #

如果不需要提前展示时长，只需要在播报完成后展示用户实际听到的时长（包含暂停、手动调整进度的时间），可以用这个轻量方案：

private readonly SpeechSynthesizer _synth = new SpeechSynthesizer();
private DateTime _speakStartTime;

public void InitSpeechEventHandler()
{
    // 异步播报开始时记录启动时间
    _synth.SpeakStarted += (sender, args) => 
    {
        _speakStartTime = DateTime.Now;
    };

    // 播报完成后计算时长，更新WPF界面
    _synth.SpeakCompleted += (sender, args) => 
    {
        var actualDuration = DateTime.Now - _speakStartTime;
        // WPF跨线程更新UI需要调度到UI线程
        Application.Current.Dispatcher.Invoke(() => 
        {
            // 此处替换为你自己的UI更新逻辑
            SpeechDurationTextBlock.Text = actualDuration.ToString(@"mm\:ss");
        });
    };
}

// 调用播报时必须用异步方法，否则事件不会正常触发
public void StartSpeak(string text)
{
    _synth.SpeakAsync(text);
}

• 优点：实现简单无额外性能开销，统计的是用户实际感知的播报时长
• 注意：不要使用同步Speak()方法播报，会阻塞UI线程同时导致事件触发异常

常见失效原因排查 #

如果你之前使用事件方案没有生效，大概率是以下问题：

• 调用了同步Speak()方法而非异步SpeakAsync()，事件触发逻辑异常
• 没有将UI更新逻辑调度到WPF的UI线程，导致属性修改后界面没有刷新
• 多段语音同时播报时没有区分不同Prompt实例，计时逻辑冲突

内容的提问来源于stack exchange，提问作者Jose Afonso Braga