一、商场最忙的按钮
如果让我选商场广播系统里"被按得最多"的按钮,不是"播放",不是"切换作息",而是"紧急找人"。
我在商场蹲点的那几天,前台小姑娘一天至少要按五六次:
-
上午 10 点,一位妈妈跑过来:"我孩子不见了!"
-
中午 12 点,保洁阿姨捡到一个钱包:"麻烦播一下。"
-
下午 3 点,一位老人走散了,家属急得团团转。
-
下午 4 点,一个顾客在车库转了三圈找不到车。
-
傍晚 6 点,一位小朋友自己跑到服务台:"我找不到妈妈了。"
每一次,前台都要快速、清晰、准确地把信息播出去。
这就是 TTS(文字转语音)要解决的问题。 这篇讲四件事:
-
为什么用 TTS,而不是录好的音频。
-
为什么选 Edge TTS,而不是其他。
-
如何实现缓存,让合成不慢。
-
如何支持动态变量,让播报更自然。
二、为什么用 TTS,不用录好的音频
找人广播的特点
找人广播的内容是动态的:
名字、地点、车牌号每次都不一样。如果用录音,得提前录几万条,不可能。
录音方案的局限
有些商场用"录音 + 拼接":
问题:
-
拼接生硬,不像人说话
-
片段覆盖不全,遇到新词没法播
-
录音质量参差,听起来像机器人
-
录制和维护成本高
TTS 方案的优势
-
任意文字都能播
-
音质自然,接近真人
-
支持中文多音色,可选男声女声
-
成本低,Edge TTS 免费
-
维护简单,改文字即可
结论:TTS 是找人广播的最优解。
三、TTS 选型:为什么是 Edge TTS
主流 TTS 对比
为什么选 Edge TTS
-
免费:微软 Edge 浏览器的"朗读"功能背后就是 Edge TTS,个人和企业都能免费调用。
-
音质好:zh-CN-XiaoxiaoNeural(晓晓)音色自然,适合商场播报。
-
多音色:晓晓、云希、云扬、晓伊等,可选男声女声。
-
多语言:中文、英文、日文等,适合国际化商场。
-
支持 SSML:可以精细控制语速、音调、停顿。
唯一的限制:需要联网。断网时降级到 System.Speech。
音色选择
商场找人场景,推荐:
默认用晓晓,温柔不刺耳,顾客听着舒服。
四、Edge TTS 集成
接口定义
在 Abstractions 定义:
public interface ITtsService
{
Task<string> SynthesizeAsync(string text, TtsOptions options, CancellationToken ct = default);
}
public class TtsOptions
{
public string Voice { get; set; } = "zh-CN-XiaoxiaoNeural";
public double Rate { get; set; } = 1.0; // 语速 0.5-2.0
public double Volume { get; set; } = 1.0; // 音量 0.0-1.0
public string Pitch { get; set; } = "default";
}
实现
Edge TTS 的 .NET 封装可以用 EdgeTTS NuGet 包,也可以自己调 HTTP 接口。推荐用 NuGet 包,省事。
using EdgeTTS;
public class EdgeTtsService : ITtsService
{
private readonly ILogger<EdgeTtsService> _logger;
private readonly string _cacheDir;
public EdgeTtsService(ILogger<EdgeTtsService> logger, IConfigService config)
{
_logger = logger;
_cacheDir = Path.Combine(config.DataDir, "Cache", "TTS");
Directory.CreateDirectory(_cacheDir);
}
public async Task<string> SynthesizeAsync(string text, TtsOptions options, CancellationToken ct)
{
// 1. 计算缓存键
var cacheKey = ComputeCacheKey(text, options);
var cachePath = Path.Combine(_cacheDir, $"{cacheKey}.mp3");
// 2. 缓存命中,直接返回
if (File.Exists(cachePath))
{
_logger.LogDebug("TTS 缓存命中: {Text}", text);
return cachePath;
}
// 3. 合成
_logger.LogInformation("TTS 合成: {Text}", text);
try
{
var tts = new EdgeTtsClient();
await tts.SetMetadataAsync(options.Voice, OutputFormat.Audio24Khz48KBitRateMonoMp3);
await tts.SynthesisAsync(text, cachePath, ct: ct);
}
catch (Exception ex)
{
_logger.LogError(ex, "TTS 合成失败,降级到 System.Speech");
return await FallbackSynthesizeAsync(text, cachePath, ct);
}
return cachePath;
}
private string ComputeCacheKey(string text, TtsOptions options)
{
var raw = $"{text}|{options.Voice}|{options.Rate}|{options.Volume}|{options.Pitch}";
using var sha = SHA256.Create();
var hash = sha.ComputeHash(Encoding.UTF8.GetBytes(raw));
return Convert.ToHexString(hash)[..16];
}
}
降级方案
断网时降级到 System.Speech:
private async Task<string> FallbackSynthesizeAsync(string text, string outputPath, CancellationToken ct)
{
using var synth = new System.Speech.Synthesis.SpeechSynthesizer();
synth.SetOutputToWaveFile(outputPath);
synth.Speak(text);
await Task.CompletedTask;
return outputPath;
}
音质差一些,但至少能播。
五、缓存:让合成不慢
为什么需要缓存
Edge TTS 合成一次约 1-2 秒。前台输入文字,点播报,等 2 秒才出声,体验差。
找人广播文字重复率高:
-
"请 XXX 小朋友的家长到一楼服务台"
-
"请 XXX 小朋友的家长到二楼服务台"
只有名字和地点不同,其他部分一样。
缓存策略
缓存键 = 文本 + 音色 + 语速 + 音量 + 音调 的 SHA256 哈希。
缓存目录:%ProgramData%/MallBroadcast/Cache/TTS/。
缓存有效期:默认 7 天,过期自动清理。
清理策略:每天凌晨清理过期文件,或超过 500 个文件时清理最旧的。
public class TtsCacheCleaner : BackgroundService
{
protected override async Task ExecuteAsync(CancellationToken ct)
{
while (!ct.IsCancellationRequested)
{
await Task.Delay(TimeSpan.FromHours(24), ct);
CleanExpired();
}
}
private void CleanExpired()
{
var cutoff = DateTime.Now.AddDays(-7);
foreach (var file in Directory.GetFiles(_cacheDir, "*.mp3"))
{
if (File.GetLastWriteTime(file) < cutoff)
File.Delete(file);
}
}
}
预合成常用模板
商场常用的找人模板,可以在软件启动时预合成:
private static readonly string[] PreSynthesizeTemplates = new[]
{
"请{name}小朋友的家长到{location}",
"请{name}先生/女士到{location}",
"车牌号{plate}的车主,您的车挡住了通道",
"有顾客在{location}捡到{item},请失主到服务台认领"
};
但模板里有变量,没法直接预合成。折中方案:把固定部分预合成。
比如 "请" + 名字 + "小朋友的家长到" + 地点 + "服务台",可以预合成:
-
"请"(固定)
-
"小朋友的家长到"(固定)
-
"服务台"(固定)
然后运行时拼接。但拼接会有生硬感。
更好的方案:缓存用户实际输入过的完整句子。前台第一次播"请张三小朋友的家长到一楼服务台",合成后缓存。第二次播同样的,直接命中。
实际使用中,高频句子就那几十条,缓存命中率很高。
六、动态变量:让播报更自然
营业提示的动态变量
营业结束提示:
模板:尊敬的顾客,本商场将于{营业结束时间}停止营业,感谢您的光临。
播报:尊敬的顾客,本商场将于22:00停止营业,感谢您的光临。
变量来源:配置的营业时间。
public interface IVariableProvider
{
string Name { get; }
Task<Dictionary<string, string>> GetVariablesAsync(VariableContext context, CancellationToken ct = default);
}
public class SystemTimeVariableProvider : IVariableProvider
{
public string Name => "SystemTime";
public Task<Dictionary<string, string>> GetVariablesAsync(VariableContext context, CancellationToken ct)
{
var now = DateTime.Now;
return Task.FromResult(new Dictionary<string, string>
{
["日期"] = now.ToString("yyyy年MM月dd日"),
["星期"] = now.ToString("dddd"),
["时间"] = now.ToString("HH:mm"),
["年份"] = now.Year.ToString(),
["月份"] = now.Month.ToString(),
["日"] = now.Day.ToString()
});
}
}
模板引擎
轻量模板引擎,支持 {变量名} 和 {变量名:格式}:
public static class TemplateEngine
{
private static readonly Regex TokenRegex = new(@"\{([^{}:]+)(?::([^{}]+))?\}", RegexOptions.Compiled);
public static string Render(string template, Dictionary<string, string> variables)
{
return TokenRegex.Replace(template, match =>
{
var name = match.Groups[1].Value;
var format = match.Groups[2].Success ? match.Groups[2].Value : null;
if (!variables.TryGetValue(name, out var value))
return match.Value; // 变量不存在,保留原样
if (format != null && DateTime.TryParse(value, out var dt))
return dt.ToString(format);
return value;
});
}
}
使用:
var template = "今天是{日期},{星期},本商场将于{营业结束时间}停止营业。";
var variables = await _variableManager.GetAllAsync();
var text = TemplateEngine.Render(template, variables);
// 输出:今天是2026年10月1日,星期四,本商场将于22:00停止营业。
外部变量:天气、促销
如果商场想播"今天天气晴,最高温度28度",可以接入天气 API:
public class WeatherVariableProvider : IVariableProvider
{
public string Name => "Weather";
public async Task<Dictionary<string, string>> GetVariablesAsync(VariableContext context, CancellationToken ct)
{
var weather = await _httpClient.GetFromJsonAsync<WeatherResponse>(_apiUrl, ct);
return new Dictionary<string, string>
{
["天气"] = weather.Text,
["最高温"] = weather.TempMax.ToString(),
["最低温"] = weather.TempMin.ToString(),
["城市"] = weather.City
};
}
}
注意:外部变量要缓存,避免每次播报都请求 API。建议缓存 30 分钟。
七、找人广播的完整流程
前台操作
-
点击"紧急找人"按钮
-
选择快捷模板(小朋友找家长 / 失物招领 / 寻车 / 自定义)
-
填写变量(名字、地点、车牌号)
-
选择播报分区(默认全场,可指定)
-
设置重复次数(默认 2 次)和间隔(默认 30 秒)
-
点击"试听"确认
-
点击"立即播报"
系统执行
public async Task FindPersonAsync(FindPersonRequest request, CancellationToken ct)
{
// 1. 渲染模板
var text = TemplateEngine.Render(request.Template, request.Variables);
// 2. 合成语音(带缓存)
var audioPath = await _tts.SynthesizeAsync(text, request.TtsOptions, ct);
// 3. 构造播放请求
var playbackRequest = new PlaybackRequest
{
ProgramId = audioPath,
Priority = PlaybackPriority.Manual,
AllowDucking = true
};
// 4. 按分区播放,支持重复
for (int i = 0; i < request.RepeatCount; i++)
{
await _playbackService.PlayToZonesAsync(playbackRequest, request.ZoneIds, ct);
if (i < request.RepeatCount - 1)
await Task.Delay(TimeSpan.FromSeconds(request.IntervalSeconds), ct);
}
}
Ducking 配合
找人广播优先级是 Manual,比背景音乐 Background 高。播放时:
-
背景音乐自动压低到 20%
-
找人广播清晰播放
-
播报结束后,背景音乐恢复到原音量
顾客感受:音乐变轻,找人广播清晰,音乐恢复。自然、不突兀。
八、产品截图
[图 1:紧急找人对话框]
截图说明:顶部是"紧急找人"标题,下方是播报内容输入框(可手动输入或选模板),再下方是快捷模板按钮(小朋友找家长、失物招领、寻车、自定义),接着是播报分区多选(全场、一楼、二楼、三楼、车库),然后是重复次数和间隔设置,底部有"试听"和"立即播报"按钮。
![3]()
[图 2:主界面运行状态面板]
截图说明:右侧面板显示"当前播放"区域,正在播放"请张三小朋友的家长到一楼服务台",分区显示"一楼精品区、二楼餐饮区",进度条显示播放进度,下方"当前优先级"显示"手动",其他分区显示"被压低"状态(橙色)。
[图 3:播报记录 / 日志]
截图说明:日志页面按时间倒序显示所有播报记录,每条记录包含时间、类型(找人/通知/背景音乐)、内容、分区、时长、是否成功。支持按类型和时间范围筛选,支持导出 CSV。
播报记录用于追溯:什么时候播了什么,谁操作的,播了多久。万一有纠纷,可以查证。
九、踩过的坑
坑 1:TTS 合成慢
首次合成约 2 秒,前台等待体验差。解决:缓存机制 + 预合成常用模板。
坑 2:断网后 TTS 失效
Edge TTS 需要联网,商场断网时找人广播没法播。解决:降级到 System.Speech,音质差但能用。
坑 3:数字和英文念错
"苏A12345"被念成"苏诶一二三四五"。解决:
坑 4:语速太快听不清
默认语速对老人和小孩太快。解决:语速设为 0.9,稍慢一点。
坑 5:重复播报打扰顾客
找人广播重复 5 次,全商场听 5 遍,顾客烦。解决:默认重复 2 次,间隔 30 秒;可指定分区,只在走失区域播。
坑 6:缓存文件占满磁盘
TTS 缓存越积越多,磁盘满。解决:定期清理,保留 7 天,或最多 500 个文件。
坑 7:播报内容有敏感词
有人恶意输入不当内容播报。解决:内容审核,敏感词过滤,操作日志记录。
十、小结
本文讲了 TTS 紧急找人的完整实现:
-
为什么用 TTS:找人广播内容动态,录音方案不可行。
-
为什么选 Edge TTS:免费、音质好、中文多音色。
-
缓存机制:常用句子缓存,合成不慢。
-
动态变量:模板引擎支持 {变量},营业提示更自然。
-
Ducking 配合:找人广播时背景音乐自动压低。
最关键的是缓存和 Ducking。缓存让体验流畅,Ducking 让顾客不被打扰。这两点做好,找人广播就从"喇叭喊话"升级为"专业服务"。
下一篇,我们聊界面设计与用户体验:如何让前台小姑娘一看就会,如何设计深色主题和微动效,如何用首次启动向导降低上手门槛。