调试易

请问各位，我现在做一个简单的richtextbox文本搜索数据库，取数据库对应音频的路径，调用media进行发音。可是连读的时候，两个发音之间的间隔比较大。例如数据库里有“我”，“们”的字段，我按“我们”发音的时候，会停留比较久。所以请问高手这是什么原因。
我的理解是，一是声音文件本来就有间隔；二是数据库调用声音路径会比直接读取二进制数据慢；三是using system.media这个效率不高，可能是要引入某个dll。不知道是哪一个，麻烦各位给予指导。