Warum nicht die eigene Stimme aufnehmen? :>
Aber davon ab, es gibt doch die Windows Speech
Api, die liest deinen dynamisch erstellten Text (Satz + aktuelle Uhrzeit) konfigurierbar (Geschwindigkeit, Intonation usw.) vor und lokalisieren ist damit auch kein Problem.
Auf Windows 10 ging das glaub ich nicht mehr, aber das nutzt du ja eh nicht.