Edge接口的合成是将文本按照段落划分200字左右，进行分段合成，合成文件会放到软件temp 文件夹下。最后将所有语音文件自动拼接到一起生成mp3文件，并删除临时文件夹内容。测试2万字的文本，生成一个大概40分钟的语音时长，是没有问题的。

语音处理部分，仅写了一部分，语音拼接和混合，这部分网络上的其他语音合成软件并不提供该功能。AzureTTS 界面生成的文本 自动ssml 标签，也是为了 小白方便使用。