从零打造商场背景音乐与紧急广播系统(四):TTS 紧急找人

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:

  1. 为什么用 TTS,而不是录好的音频。

  2. 为什么选 Edge TTS,而不是其他。

  3. 如何实现缓存,让合成不慢。

  4. 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:

  • "请 张三 小朋友的家长到 一楼服务台"

  • "请 李四 先生到 二楼失物招领处"

  • "车牌号 苏A12345 的车主,您的车挡住了通道"

  • "请 王五 女士,您的孩子在 三楼母婴室 等您"

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":

  • 录"请"、"小朋友"、"的家长"、"到"、"服务台" 等片段

  • 拼接播放

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

 
方案音质费用离线中文支持推荐度
Edge TTS 优秀 免费 需联网 多音色 ✅
Azure TTS 最佳 按量付费 需联网 多音色 ⚠️ 贵
System.Speech 一般 免费 离线 单一 ⚠️ 备用
讯飞 TTS 优秀 按量付费 需联网 多音色 ⚠️ 贵
百度 TTS 良好 免费额度 需联网 多音色 ⚠️ 限流

为什么选 Edge TTS

  1. 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。

  2. 音质好:zh-CN-XiaoxiaoNeural(晓晓)音色自然,适合商场播报。

  3. 多音色:晓晓、云希、云扬、晓伊等,可选男声女声。

  4. 多语言:中文、英文、日文等,适合国际化商场。

  5. 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:

 
音色特点适合
zh-CN-XiaoxiaoNeural 温柔亲切,女声 找人、提示
zh-CN-YunxiNeural 沉稳专业,男声 通知、公告
zh-CN-XiaoyiNeural 活泼年轻,女声 促销、活动
zh-CN-YunyangNeural 新闻播报,男声 正式通知

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:

text
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

  1. 点击"紧急找人"按钮

  2. 选择快捷模板(小朋友找家长 / 失物招领 / 寻车 / 自定义)

  3. 填写变量(名字、地点、车牌号)

  4. 选择播报分区(默认全场,可指定)

  5. 设置重复次数(默认 2 次)和间隔(默认 30 秒)

  6. 点击"试听"确认

  7. 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:

  • 数字用中文写:"苏A一二三四五"

  • 或加 SSML 标记:<say-as interpret-as="characters">苏A12345</say-as>

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:

  1. 为什么用 TTS:找人广播内容动态,录音方案不可行。

  2. 为什么选 Edge TTS:免费、音质好、中文多音色。

  3. 缓存机制:常用句子缓存,合成不慢。

  4. 动态变量:模板引擎支持 {变量},营业提示更自然。

  5. 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。

posted on 2026-10-04 10:53  feliya52  阅读(31)  评论(0)    收藏  举报

导航