Google 文字转语音延迟

Question

我正在创建一个涉及 Google Text-To-Speech 服务的实时语音应用程序。但是，我的延迟在 600-1100 毫秒之间，这对于我的应用程序来说太慢了。音频只有大约 3 秒长，我该如何改善呢？ （延迟是衡量我发送请求然后接收音频所需的时间）。

更新

我使用的代码是：

//I call this at the start of my program
TTSclient = TextToSpeechClient.Create();

//This is the method that I call everytime I make a TTS call in my program
public static Google.Protobuf.ByteString MakeTTS(string text)
    {
        SynthesisInput input = new SynthesisInput
        {
            Text = text
        };
        VoiceSelectionParams voice = new VoiceSelectionParams
        {
            LanguageCode = "en-AU",
            Name = "en-AU-Wavenet-A"
        };
        AudioConfig config = new AudioConfig
        {
            AudioEncoding = AudioEncoding.Linear16,
            SampleRateHertz = 16000,
            SpeakingRate = 0.9
        };
        var TTSresponse = TTSclient.SynthesizeSpeech(new SynthesizeSpeechRequest
        {
            Input = input,
            Voice = voice,
            AudioConfig = config
        });
        return TTSresponse.AudioContent;
    }

谢谢

Answer 1

我建议首先通过metrics page of the TTS API 中的 API 方法检查延迟中位数。如果您在那里看到延迟在 600 到 1,100 毫秒之间，那么我看不到有太多事情要做，因为所有请求都是同步完成的，而且由于这是共享资源，这些 API 的 SLA 仅涵盖可用性，而不是延迟。

如果您获得的结果要低得多，那么我只能想到两件事可能会减慢您的结果：网络自身的延迟或正在进行的任何其他处理。如果最新情况是这样，那么您将不得不尝试为您的请求错误设置不同的设置（例如，我想知道是否指定设备配置文件，因为此功能目前处于测试阶段，可能会导致响应稍慢） .