做安卓 TTS 开发的兄弟们应该都清楚哈，在把咱们的引擎接入系统服务的时候，首先得继承 'TextToSpeechService'，在 'onCreate' 里把引擎初始化好，然后系统会通过 'bindService' 把咱们的服务绑定起来。
到了真正要合成的时候，流程是这样的：系统会先调用 'onSynthesizeText' 方法，把用户或者其他 APP 传过来的文本和回调对象 'synthCallback' 塞给咱们。咱们引擎拿到文本后，得先调用 'synthCallback.start()' 方法，把音频的采样率、格式和声道数这些参数设置好。接着就开始干活合成音频了，合成出一段数据后，就调用 'synthCallback.audioAvailable()' 把这块 PCM 音频数据传给系统。等整段文本都合成完毕了，最后再调用 'synthCallback.done()' 告诉系统合成结束，系统拿到这些数据后就会去播放。
不过这里有个事儿我一直没搞明白，想请教下各位大佬。在引擎合成期间，为啥咱们的点明读屏默认只等待 300 毫秒？咱们知道，有些在线 TTS 引擎发起网络请求，再到最后输出 PCM 数据，这中间的网络延迟加上处理时间，很容易就超过 300 毫秒了。读屏软件这么短的超时机制是出于什么考虑呢？是怕引擎卡死影响无障碍体验，还是有其他的兜底策略？这个问题卡了我挺久了，求工程解答，谢谢啦！
目录
做安卓 TTS 开发的兄弟们应该都清楚哈，在把咱们的引擎接入系统服务的时候，首先得继承 'TextToSpeechService'，在 'onCreate' 里把引擎初始化好，然后系统会通过 'bindService' 把咱们的服务绑定起来。
到了真正要合成的时候，流程是这样的：系统会先调用 'onSynthesizeText' 方法，把用户或者其他 APP 传过来的文本和回调对象 'synthCallback' 塞给咱们。咱们引擎拿到文本后，得先调用 'synthCallback.start()' 方法，把音频的采样率、格式和声道数这些参数设置好。接着就开始干活合成音频了，合成出一段数据后，就调用 'synthCallback.audioAvailable()' 把这块 PCM 音频数据传给系统。等整段文本都合成完毕了，最后再调用 'synthCallback.done()' 告诉系统合成结束，系统拿到这些数据后就会去播放。
不过这里有个事儿我一直没搞明白，想请教下各位大佬。在引擎合成期间，为啥咱们的点明读屏默认只等待 300 毫秒？咱们知道，有些在线 TTS 引擎发起网络请求，再到最后输出 PCM 数据，这中间的网络延迟加上处理时间，很容易就超过 300 毫秒了。读屏软件这么短的超时机制是出于什么考虑呢？是怕引擎卡死影响无障碍体验，还是有其他的兜底策略？这个问题卡了我挺久了，求工程解答，谢谢啦！