语音服务声称文本到语音的配额是200/秒，我不能超过20/min - 600倍的速度。
使用Microsoft (Microsoft.CognitiveServices.Speech) 1.20.0，我正在尝试实现Azure认知服务文本到语音作为从Microsoft语音平台升级的功能。
文档(https://learn.microsoft.com/en-us/azure/cognitive-services/speech-service/speech-services-quotas-and-limits#text-to-speech-quotas-and-limits-per-resource)显示每秒有200个事务，但是每次我测试它时，它都会以每分钟20次(慢600倍)的速度开始拒绝。这是在一个F0免费层上，尽管标准层也从200/s开始。
通过创建一个新的SpeechSynthesizer然后循环调用SpeakSsmlAsync进行基本测试，它在20/min时可靠地失败。等待每个调用，因此应该只有一个并发连接。在第21次调用时，结果立即被取消，错误是BadRequest“连接被远程主机关闭。错误代码: 1007。错误详细信息:由于太多的请求，USP状态: 3。接收到的音频大小:0字节。”
回答 2
Stack Overflow用户
发布于 2022-03-10 09:47:22
我在文档这里上发布了一个查询，现在它已经被更新，以澄清免费(F0)服务仅限于每60秒20。
Stack Overflow用户
发布于 2022-02-25 06:10:12
根据我的研究，微软最近发布了一份关于如何使用利用语音SDK降低语音合成延迟的官方文件。
通常，我们通过第一个字节延迟和完成延迟来度量延迟。 在大多数情况下，第一个字节延迟比完成延迟要低得多。第一个字节延迟与文本长度无关，而完成延迟则随文本长度的增加而增加。 理想情况下，我们希望将用户体验的延迟(用户听到声音之前的延迟)降到一个网络路由旅行时间加上语音合成服务的第一个音频块延迟。
该解决方案支持C#、C++、Java、Python和Objective。我相信，通过实施给出的建议，你会得到一些更好的结果。
https://stackoverflow.com/questions/71131481
复制相似问题
腾讯云开发者
