什么是语音芯片
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，这种方唤散式也是有损压缩姿帆。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是对数据迹链雹流进行压缩，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.
语音芯片如何选型？
带有语音功能的电子血压计,带有语音播放功能,测量前、使用时、测量后都能够很清晰地听到血压计的测量情况,非常方便老人及视力不好的人使来自用.
在设计语音血压计的时候360问答,应该如何选择语音芯片及其方案？以下我推荐几个方案供你选择，具体看你这边的需求是怎样的了！
1.低成本的电子血压计语音方案.
低成本的电子血压计语音方案对价格敏感,要性能和质量上要求中规中矩.此时可以选择WTH040语音芯片作为电子血压计语音核心.
WTH040单芯片工作电压范围为DC2.4~5.0V之间,完了响执素假能够在臂式、腕式电子血压仪设计的电压范围内使用.芯片可选PWM和DAC音频输出方式,在音量要求不是非常高速室滑白时,可直接使用PWM驱动8欧姆0.5瓦的喇叭,音量有一孙定要求时可使用DAC输出,使用三极管驱动喇叭的方式进行放音.
2.低成本、音质要求高的语音芯片方案WTH080
WTH080和WTH040同饭本肥喜流清束属于WTH系列语音芯片.WTH殖染拿操迫茶权纸席色080比WTH04激等开送联你0多拥有40秒的语音资源,这意味着在WTH040资源不够使用或者很资源紧张述脱川际,但又想提高音质时,可以使用WTH080,在制作语音工程时将语音文件的采样率提高,以达到更佳的音质.
WTH080和WTH040的工作模式、控制方式、段数等完全一致,仅是语音长度不一样.
但是请注意：WTH080的封装管脚定义和W想头械老述耐还难TH040不同,客户在设计和使用时不能直接替换,因此在做样品时要确定好语音芯片型号,航不确定的情况下可输那染副以考虑做两种样品进行比较.
3.通用通讯协议或私有通讯协议方案,可直接发语音帧,不需要客户组合
在语音血压计通讯协议当中,很多厂家都有约定俗成的通讯方式,该种方式的优点是设备的协议接口统一,对接简单,器件可替换性强,已经形成一种默认的行业标准（公开的或未公开的）.当然也有部分厂家为了技术保密或其它方面考虑,使用的是私有通讯协议.
播放语音时,一般有两种己反制几振干乐国安主可行性方案：
（1渐到吃长观鲜际）使用二线控制、三线控制、等行此迫厚串口控制语音芯片进行语音组合.例如：测量结果为高压110KPa,低压75Kpa,指血压范围正常.那么画红河井创游找伤必察文单片机播放结果时,必须发燃送“测量结果为”-等候Busy-“高压”-等候Busy-“一百”-等候Busy-“一”-等候Busy“十”-等候Busy-“千帕”-等候Busy-“低压”-等候Busy—“七”-等候Busy-“十”-等候Busy-“五”-等候Busy-“千帕”-等候Busy-“血挥换硫压范围”-等候Busy-“正常”.
可见,单片机在组合语音时,必须时刻检测Busy以控制语音组合的播放,这时候单片机几乎不能再去做其它工作了,这对一些控制资源非常紧张的产品来说,无疑是雪上加霜.
（2）让语音芯片独立承担语音部分的工作.WTV语音芯片具有可编程的功能,能够按照特定的通讯协议由语音芯片自己进行语音的组合播放,客户的MCU单片机只需要发送需要播放的语音帧过来即可,完全不需要再额外干预,语音芯片会根据接收到组合帧,进行语音组合并播放出来.换言之,使用WTV语音芯片的特点是对客户的MCU而言只需要发一个语音帧,过程简单,而且语音组合出来的结果不会漏报的情况,极大提高了语音播放过程当中出现的卡顿、播放不完全、播放漏字等重大缺陷.
4.播放语音超过80秒,如何选用性价比高的语音芯片方案？
从市面上的产品方案以及芯片选型列表中可以明确看出,超过80秒的语音芯片,尤其是几分钟或几十分钟的带有音乐功能的语音播放时,单芯片的血压计语音芯片方案在价格上已经没有优势,而且因用量不大,容易出现缺货无货的情况,有什么方案可以缓解这个问题呢.
答案是使用WTV020-S方案.WTV020-S继承了WTV系列芯片可编程的特点,具有WTV芯片的所有特性,区别仅在于存储的语音内容放置在外挂的SPI-flash存储器当中.WTV020-S支持的SPI-Flash存储器最大为64Mbit,折合语音长度约3000秒（6K采样率,50分钟）,客户可根据具体的使用环境和音质要求更换存储器的内容,电路设计、程序设计等完全不需要变动,适用在语音长度较长的血压计产品上.
综述：
1.WTH040芯片方案,使用二线串口控制,需要检测Busy,语音需要组合,需要有研发能力,音质不是非常高.
2.WTH080芯片方案,使用二级串口控制,需要检测Busy,语音需要组合,需要有研发能力,同等语音长度下音质比WTH040好.
3.WTV芯片方案,使用二级或三线串口,可编程,可以选择单片机进行语音组合,也可以设计成直接接收语音帧,由语音芯片完成组合并播放.
4.WTV-S方案,使用二级或三线串口,可编程,可以选择单片机进行语音组合,也可以设计成直接接收语音帧,由语音ic完成组合并播放.外挂SPI-Flash,语音长度较长.
语音识别芯片的介绍
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。
