C# Windows离线语音合成实战：System.Speech与Microsoft.Speech的技术选型与避坑指南

1次阅读

共计 2500 个字符，预计需要花费 7 分钟才能阅读完成。

在工业控制软件、医疗问诊系统、车载设备等无法保证网络连接的场景中，离线语音合成成为刚需。核心需求通常包括：

低延迟响应：要求语音输出延迟不超过 300ms
多语言支持：至少支持中文普通话和英语合成
资源可控：CPU 占用率低于 15%（i5-8250U 基准测试）
可定制发音：支持专业术语的正确读音

优势：
开箱即用，无需额外安装组件
支持 Windows 7 及以上系统
基础发音人包含中文（Huihui）和英文（Zira/Mark）
限制：
仅支持 SAPI5 兼容语音库
无法使用神经语音（Neural TTS）
部分 Win10 版本需手动启用语音包

优势：
支持更现代的语音合成引擎
可调用 UWP 语音运行时的高级特性
兼容性更好（特别是 Win10/11）
限制：
需要额外部署 Microsoft Speech Platform
授权要求更复杂（需 Runtime+ 语音包）

using System.Speech.Synthesis;

// 创建合成器实例
var synth = new SpeechSynthesizer();

// 枚举可用语音
foreach (var voice in synth.GetInstalledVoices())
{Console.WriteLine($"{voice.VoiceInfo.Name} - {voice.VoiceInfo.Culture}");
}

// 设置中文语音（需确保已安装）synth.SelectVoice("Microsoft Huihui Desktop");

using Microsoft.Speech.Synthesis;

// 需要先创建语音配置
var config = SpeechSynthesizerConfig.Default;
config.Language = "zh-CN";

// 创建合成器实例
var synth = new SpeechSynthesizer(config);

// 获取语音列表
var voices = synth.GetInstalledVoices();
foreach (var voice in voices)
{Console.WriteLine(voice.VoiceInfo.Name);
}

// System.Speech 异步示例
synth.SpeakAsync("正在执行异步语音合成");

// Microsoft.Speech 异步示例
await synth.SpeakSsmlAsync("<speak version='1.0'xml:lang='zh-CN'> 异步合成 </speak>");

对于 Win10 系统：
通过「设置 > 时间和语言 > 语言」添加中文语音包
运行 lpksetup 命令安装离线语言包

注册表关键路径：

HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Speech\Voices

调整音频格式：

synth.SetOutputToDefaultAudioDevice();
synth.SetOutputToWaveFile("output.wav", 
    new SpeechAudioFormatInfo(16000, AudioBitsPerSample.Sixteen, AudioChannel.Mono));

预加载语音：

synth.LoadVoice("Microsoft Huihui Desktop");

确保每次合成后执行：
```
synth.Dispose();
```
避免快速连续创建 / 销毁实例

// 调整语速（-10 到 10）synth.Rate = 2; 

// 调整音量（0-100）synth.Volume = 80;

// 使用 SSML 精细控制
var ssml = @"<speak version='1.0'xmlns='http://www.w3.org/2001/10/synthesis'xml:lang='zh-CN'>
    <prosody rate='fast' volume='loud'> 重要提醒 </prosody>
</speak>";

创建 Lexicon 文件：

<?xml version="1.0" encoding="UTF-8"?>
<lexicon version="1.0" 
    xmlns="http://www.w3.org/2005/01/pronunciation-lexicon"
    alphabet="x-microsoft-ups" xml:lang="zh-CN">
  <lexeme>
    <grapheme>WPF</grapheme>
    <phoneme>W P F</phoneme>
  </lexeme>
</lexicon>

加载词典：

synth.AddLexicon(new Uri("./custom.pls"), "application/pls+xml");

Windows 版本	System.Speech	Microsoft.Speech
Win7 SP1	✔️	❌
Win10 1809	✔️	✔️
Win11 22H2	部分功能受限	✔️

对于 System.Speech：
确保目标机安装.NET Framework 3.5+
打包中文语音包（约 200MB）
对于 Microsoft.Speech：
包含 Speech Platform Runtime（x86/x64）
添加语音包许可证文件

经过多个工业现场项目验证，对于现代 Windows 系统（Win10+），推荐优先采用 Microsoft.Speech 方案。其语音质量更好，且对高分屏和多显示器环境的支持更完善。但在需要兼容旧系统时，System.Speech 仍是可靠选择。关键是要在开发初期进行目标环境的语音库测试，避免到部署阶段才发现兼容性问题。

正文完