在 Microsoft WebChat 中控制文本到语音的输出音频

Question

我正在使用 Microsoft WebChat 连接到我的机器人服务，并且大多数交互主要是基于语音的。我正在使用 Azure 语音服务，语音输出完全由 WebChat 处理。我目前正在向 Bot 发送一个非活动事件，如果在设定的持续时间后未收到输入，它会提示非活动用户。这是根据传入的活动完成的。但是，在语音驱动的场景中，有时会在 Bot 仍在说出消息时发送事件，因为即使消息尚未完全发音，也会根据收到传入活动的时间发送非活动事件。我想在每条消息发出声音后发送非活动提示“n”秒，但为此，我需要知道每条消息的播放持续时间。有没有办法可以获取文本转语音服务提供的每条语音消息的输出持续时间，以便在正确的时间发送非活动提示？

Answer 1

此时，对于网络聊天，没有办法捕获语音持续时间。如果您希望看到包含的内容，我建议将其作为功能请求提交以供将来开发。你可以这样做here。

它是认知服务的一项功能，通过其 REST API（请参阅 here），并且似乎通过 SDK（请参阅 here）。您可以将语音 STT/TTS 直接集成到您的项目中，以便利用响应对象中可用的“持续时间”属性。

希望有帮助！