前面一句用流式，后面的直接合成，这就让首字延迟变得很低了。
然后后面的基本就没有影响，因为它合成速度快啊！速度快就是牛。
我们一句话没看完，后面的一句就合成完了，所以体验上就是第一个字还有点延迟，后面的都是实时。
不得不说，这个速度，这个质量，已经相当不错了。
至于断句问题，我觉得可能传给AI的时候要处理一下文本，把一些符号清洗掉，这样断句问题能解决一大部分。
kokoro原本是我担心速度不够快的备用方案，但是由于速度太快了，kokoro就完全没有价值了，这个没有感情，音色男4种女4种，怎么和这个比啊，不过断句还可以。
而omnivoice速度够快，质量也不错，
所以我直接给它加上了同名音频优先参考。
换句话说，10个角色可以用10种声音，太强啦！
当然我还在考虑随机匹配+绑定角色名，这样就只需要搞一个音色库即可。
