gexgd0419
commented
1 month ago 我用程序测试了一下，几种不同情况下，从按下键盘按键到读屏软件输出音频的延迟。
其中，NVDA 版本为 2024.1，系统为 Win 11 23H2，所有语音都调整到了最大速度。
测试方法是输入A到Z的字母，然后取每次延迟的平均值。
延迟的计算方法是，使用程序监测键盘和回录系统声音，记录键盘按下的时间点、音频数据变为非零的时间点（即输出音频延迟）、音频数据大于0.0001的时间点（即音频可听见延迟）。
| 读屏软件 | 语音 | 输出音频延迟 | 音频可听见延迟 |
|---|---|---|---|
| NVDA | eSpeak NG | 17毫秒 | 68毫秒 |
| NVDA | Huihui (OneCore) | 19毫秒 | 90毫秒 |
| NVDA | Huihui (SAPI) | 87毫秒 | 154毫秒 |
| NVDA | Xiaoxiao (本引擎) | 124毫秒 | 163毫秒 |
| 讲述人 | Huihui (OneCore) | 21毫秒 | 66毫秒 |
| 讲述人 | Huihui (SAPI) | 66毫秒 | 118毫秒 |
| 讲述人 | Xiaoxiao (内置功能) | 58毫秒 | 110毫秒 |
| 讲述人 | Xiaoxiao (本引擎) | 113毫秒 | 152毫秒 |
看来这个引擎的确是延迟最大的。
我又测试了直接作为 SAPI 客户端调用 Speak 函数的延迟。
| 步骤 | 与上一步骤间的延迟 |
|---|---|
| 客户端发起调用 | - |
| 引擎接收到调用 | 47毫秒 |
| 引擎接收到自然语音数据 | 9毫秒 |
| 输出音频 | 27毫秒 |
| 音频可听见 | 37毫秒 |
| 总延迟 | 122毫秒 |
其中，从客户端调用请求 SAPI 合成语音，到引擎接收到来自客户端程序的请求，SAPI 5 系统自己就带来了四十多毫秒的延迟。对这一部分的延迟，我可能是没什么办法的。
而如果去除这四十多毫秒的延迟，延迟的水平就和讲述人内置的自然语音功能差不多了。同时从数据也可以看出，SAPI 版的 Huihui 语音也比 OneCore 版的 Huihui 多出五十毫秒左右的延迟。
（提示：Huihui Desktop 是 SAPI 语音，不带 Desktop 的 Huihui 是 OneCore 语音）
开发者您好，我使用的是nvda屏幕阅读器。在使用自然语音朗读时，有点儿不太跟手，也就是说当我按下按键到它发出声音有短暂的延迟，这个延迟在打字之类的场景的时候，影响最大。不知道能否进行优化，再次提升一些响应速度。