语音芯片是什么？

Question

大哥 大姐 小弟 大妹子们 语音芯片是干什么的啊！？用在什么地方的啊！？作用是什么 越详细越好 谢谢

Answer 1

语音芯片
1.语音芯片定义：将语音信号通过采样转化为数字，存储在IC的ROM中，再通过电路将ROM中的数字还原成语音信号。
普通语音芯片放音功能实质上是一个DAC过程，而ADC过程资料是由电脑完成，其中包括对语音信号的采样、压缩、EQ等处理。
录音芯片包括ADC和DAC两个过程，都是由芯片本身完成的，包括语音数据的采集、分析、压缩、存储、播放等步骤。
ADC=Analog Digital Change 模数转换 ，DAC= Digital Analog Change 数模转换，
音质的优劣取决于ADC和DAC位数的多少。例如，唯创公司的WTV系列，ADC和DAC均为16bit，接近CD音质。唯创公司的WTB系列DAC为8bit，为普通音质。
2、语音信号的量化表述
（1）语音信号的量化
采样率（f）、位数（n）、波特率（T）
采样：将语音模拟信号转化成数字信号。
采样率：每秒采样的个数（byte）。
波特率：每秒钟采样的位数(bit)。波特率直接决定音质。Bps: bit per second,
采样位数指在二进制条件下的位数。一般在没有特别说明的情况下，声音的采样位数指8位，由00H--FFH，静音定为80H。
（2）采样率

奈奎斯特抽样定理（Nyquist Law）：要从抽样信号中无失真地恢复原信号，抽样频率应大于2倍信号最高频率。抽样频率小于2倍频谱最高频率时，信号的频谱有混叠。抽样频率大于2倍频谱最高频率时，信号的频谱无混叠。

嗓音的频带宽度为20～20K HZ左右，普通的声音大概在3KHZ以下。所以，一般CD取的音质为44.1K和16bit，如果碰到某些特别的声音，如乐器，音质也有用48K和24bit的情况，但不是主流。

一般在我们处理针对普通语音IC的时候，采样率最高达到16K就够了、说话声一般取8K（如电话音质）、6K左右。低于6K效果比较差。

在应用单片机的过程中，采样越高，定时器中断速度越快，会影响到其他信号的监控和检测，所以要综合考虑。

（3）语音压缩技术。

由于语音数据量庞大，对语音数据进行有效压缩是很必要的，能够使我们在有限的ROM空间里录入更多的语音内容。有以下几种方式：

语音分段：将语音中可以重复的部分截取出来，通过排列组合将内容完整地回放出来。

语音采样：一般我们使用的喇叭频响曲线在中频部分，较少用到高频，所以，在喇叭音质可以接受的情况下，适当降低采样频率，达到压缩效果，这种过程是不可逆的，无法恢复原貌，叫有损压缩。

数学压缩：主要是针对采样位数进行压缩，这种方式也是有损压缩。例如，我们经常采用的ADPCM压缩格式，是将语音数据从16bit压缩到4bit，压缩率是4倍。MP3是对数据流进行压缩，涉及到数据预测问题，它的波特率压缩倍率为10倍左右。

通常，以上几种压缩方式都是综合起来使用的。

（4）常用语音格式

PCM格式： Pulse Code Modulation 脉冲编码调制，它将声音模拟信号采样后得到量化后的语音数据，是最基本最原始的一种语音格式。同它极为类似的还有RAW格式和SND格式。它们都是纯语音格式。

WAV格式：Wave Audio Files 是微软公司开发的一种声音文件格式，也叫波形声音文件，被Windows平台及其应用程序广泛支持。WAV格式支持许多压缩算法，支持多种音频位数、采样频率和声道，但WAV格式对存储空间需求太大不便于交流和传播。WAV文件里面存放的每一块数据都有自己独立的标识，通过这些标识可以告诉用户究竟这是什么数据，这些数据包括采样频率和位数，单声道(mono)还是立体声(stero)等。

ADPCM格式：是利用对过去的几个抽样值来预测当前输入的样值，并使其具有自适应的预测功能与实际检测值进行比较，随时对测得的差值自动进行量化级差的处理，使之始终保持与信号同步变化。它适用于语音变化率适中的情况，而且声音回放过程简短。它的优点是对于人声的处理比较逼真，一般达到90％以上，已广泛地应用于电话通信领域。

MP3格式： Moving Picture Experts Group Audio Layer III，简称为MP3。它是利用 MPEG Audio Layer 3 的技术，采取了名为“感官编码技术”的编码算法：编码时先对音频文件进行频谱分析，然后用过滤器滤掉噪音电平，接着通过量化的方式将剩下的每一位打散排列，最后形成具有较高压缩比的mp3文件，并使压缩后的文件在回放时能够达到较接近原音源的声音效果。它的实质是vbr（Variant Bitrate 可变波特率）可以根据编码的内容动态地选择合适的波特率，因此编码的结果是在保证了音质的同时又照顾了文件的大小。

mp3压缩率10倍甚至12倍。是最初出现的一种高压缩率的语音格式。

Linear Scale格式：根据声音的变化率大小，把声音分成若干段，对每段用线性比例进行压缩，但是它的比例是可变的。SUNLINK公司和ALPHA公司的Linear Scale格式为5bit。

Logpcm格式：基本上对整个声音进行线性压缩，将最后若干位去掉。这种压缩方式在硬件上很容易实现，但音质比Linear Scale差一些，特别是音量较小声音比较细腻的情况下效果较差。主要用于pure speech方面

3、语音ROM空间的表述
语音芯片为表述的形象化，由语音长度来表示
a)普通语音芯片以6K采样率为语音长度计算标准。
b)录音IC以4K采样率为语音长度计算标准。
4、语音芯片的要素
相同品种的芯片成本与芯片的大小成正比。
a)I/O口的分配和ROM的大小（语音秒数）决定芯片成本。低秒数语音芯片其I/O口较少。
b)音质提高，采样提高，语音秒数缩短。
音质降低，采样降低，语音秒数变长
c) 语音秒数的计算方法：M/(n*f)
M---ROM大小（bit） n*f---波特率
5、声音处理软件介绍
1）SoundForge
2）Cooledit
3）goldwave
语音芯片分类：
现在市场上常见芯片分类：
短时间芯片有10秒，20秒，40秒，80秒,170秒的芯片，针对型号：WTV系列和ISD1700系列芯片
常用的模块有：6分钟，8分钟，16分钟，1小时的等。。针对型号：WT588D系列语音模块
长时间的芯片有：340秒，500秒，1000秒，2000秒更长。。针对型号：WTV340和ISD4000系列语音芯片
通用的芯片有：3秒到340秒。针对型号：WTV系列，WTB系列,APLUS系列.
语音芯片根据集成电路类型来分,凡是与声音有关系的集成电路被统称为语音芯片(又称语音IC,这里应该叫成Voice IC),但是在语音芯片的大类型中,又被分为语音IC(这里应该叫成Speech IC),音乐IC(这里应该叫成Music IC)两种.
语音芯片供应商：广州唯创电子李义平

Answer 2

其实很好理解，语音芯片的作用
1、顾名思义，就在是产品上增加语音播报的功能，实现的也就是把语音播放出来
2、常见的如：停车场报金额、电梯报站、货车报“左转弯，请注意”等等，应用非常的广泛
语音芯片的种类，不过主要的分类基本也就大致三种：
1、第一种，称之为OTP，就是那种SOP8封装的语音芯片，内置几段常用的语音，出厂之后就固化死了，不可修改，这个是通过专用的烧录器烧录进去的，也有可能是在制作晶元的时候就已经光照进去了，这种就需要很大的量了，所以不灵活
2、第二种，称之为flash语音芯片，通常是一个主控芯片外挂一个spiflash，主控芯片是不变的，而flash则是可以重复烧录的，但是语音往往只支持wav、ADMP，所以音质会压缩的很差，flash需要的容量也是很大，不划算。代表的如WT588D，这个是通过spiflash烧录器来完成语音的烧录的。
3、第三种，就是现在最优秀的KT404A芯片，他是支持MP3解码，比前面的两种在技术上是一个跨越，将MP3这种优秀的技术应用于语音芯片上，同时他强大的usb直接虚拟flash成为U盘，这样更新语音非常方便，直接像拷贝U盘一样拷贝语音进去就可以了
同时他还可以通过串口直接将语音发送给KT404A芯片，来实现语音的动态更新的效果

Answer 3

语音识别芯片也叫语音识别IC，与传统的语音芯片相比，语音识别芯片最大的特点就是能够语音识别，它能让机器听懂人类的语音，并且可以根据命令执行各种动作，如眨眼睛、动嘴巴（智能娃娃）。除此之外，语音识别芯片还具有高品质、高压缩率录音放音功能，可实现人机对话。

Answer 4

语音芯片主要是用来播报产品语音的。
现在市面上一般用的是OTP芯片和外置FLASH的芯片，OTP的语音芯片可以参考NVD系列的芯片，具有音质高，价格低的优势；外置FLASH的芯片型号为N9100芯片，可通过UART/一线串口来控制。

Answer 5

http://baike.baidu.com/view/1135902.html?wtp=tt 广州唯创电子深圳办事处。