C开发儿童语音伙伴小芽r4版上线 GPU加速语音合成提速16倍

由开发者用C#构建的开源儿童语音伙伴“小芽”近日发布r4版本，核心突破在于采用DirectML实现GPU加速语音合成，显著提升响应速度。在搭载RTX 4060 Laptop（7956 MiB显存）的测试设备上，中文语音合成首次耗时从原5.05秒降至3.07秒，预热后连续合成平均仅0.32秒，提速约16倍。该优化依托“CPU识别+GPU合成”分工架构：本地唤醒词检测、语音截取与SenseVoice离线ASR仍由CPU处理，TTS环节则通过DirectML调用NVIDIA GPU执行；团队还重写了7个不兼容算子，确保模型在双路径下行为一致。

技术流水线实现流式分句生成与合成解耦——大模型尚未完成全文输出时，前端已开始合成并播放前序短句，配合模型预热、确认语缓存、播放设备复用等工程措施，大幅压缩首字音频延迟。实测中，文字提交后DeepSeek首字延迟约0.83秒，首段音频生成约2.16秒，ASR识别约280毫秒。

交互层面，r4版强化免按键体验：用户喊出“小芽小芽”唤醒后可直接提问，系统自动截句识别并提交至大模型；回答结束可无缝追问，超时自动待机。支持自定义唤醒词、本地基础查询（如时间）、“再见”指令返回待机，并保留“停止/关麦”按钮保障可控性。默认外放半双工模式防反馈循环，耳机用户可试用实验性唤醒打断功能。

软件支持接入自部署大模型API，用户可替换默认DeepSeek服务实现私有化部署；配置明确提示需自行提供服务地址，并强调AI内容需家长审阅，鼓励将回答作为探究式学习起点。项目定位为开源教育工具原型，公开完整源码，适配Windows平台，主流独显笔记本即可发挥GPU优势，旨在提供低门槛、高可控的亲子对话媒介，推动边缘侧语音应用在教育场景落地。