什么是語音芯片 / Voice IC是什么 / 語音芯片的定義

    語音芯片直觀的從名稱上來看,就是與語音有關的芯片,語音就是存儲的電子聲音,凡是能發出聲音的芯片,就是語音芯片,俗稱聲音芯片,英文準確些來說應該是Voice IC.

    在語音芯片的大家庭中,根據聲音的類型不同可分為語音IC(Speech IC)和音樂IC(Music IC)兩種.這兒應該算是語音芯片專業的區分方法.

    日常生活中,語音芯片應用場合和行業不同,又被大家分為玩具芯片(玩具行業使用的,如AC80E5),門鈴芯片(AC8DM32),OTP語音芯片(AC8040),兒歌IC(AC8DE12), 童車IC等等.當然這種分類里面她也同時存在著語音IC(Speech ic)和音樂IC(Music IC) .

語音芯片有根據IC本身的物理結構的多個通道(同時發出多個通道的聲音)可分為多種類型:

一, 單通道的:
    1, 單通道的語音IC(Speech IC)(這種語音芯片不支持音樂IC音樂存儲方式); 常見的語音IC是單通道的語音芯片,AC8020-OTP20秒和AC83E12動物叫聲是最典型的單通道語音芯片了,
    2, 單通道的音樂IC(Music IC),同一單位時間內只能發出一種音樂的音樂IC, 電子聲音文件是只有一個通道的.Mid后綴文件.
常說的單音片,是一種最基本的音樂IC,由一定時間內音符輸出的多少,決定了單音片的效果,有64音符多,128音符等等. 單音片應用場合廣,價格極其低廉,最常見的有單音片有生日快樂賀卡單音片.典型的有AC8SE07等
嚴格的說,單通道的音樂IC和單音片的兩者結構是不相同的

二, 2通道:
    1, 2通道的語音IC, 2通道和多通道的語音芯片,實際應用中語音播放時一般會按規定固定在某一通道內進行聲音的播放(等同于單通道),但是這類產品比單通道的語音IC(Speech ic)成本要高,價格會高些,語音芯片廠家在設計時為了平衡產品價格和應用,一般來說,功能支持和聲音效果方面都會做得更完美一些.
這種結構也許是因為產品和方案實際應用領域和價格所決定的, 語音芯片輸出一般都是單通道的聲音輸出,支持立體聲的產品很少, 要高端一些的產品就要選MP3主控芯片之類的方案了
    2, 2通道的音樂芯片, 通俗叫法是雙音片(Music With Dual Tone IC), 故名思義,同一單位時間內二個通道都可以發出音樂的音樂IC. 電子聲音源文件一般為.Mid的二通道文件.常見的圣誕系列音樂IC如:AC8DC12.
    這里得多補充兩句,市面上還有一個叫melody的音樂芯片,她是個什么定義呢?簡單的來說,比單音片的效果要好比和弦音樂芯片的效果要差的一種音樂芯片,所以雙音片也有被叫成是melody音樂芯片,melody結構應該來說是一種更高級的單音片,或者可以說是二倍效果的單音片.

三, 4通道,8通道或以上:
    三通道以上的聲音.又稱為和弦音樂.常說的4和弦音樂IC就是指4通道的音樂IC...
一般多通道的語音芯片都是同時支持音樂IC(Music IC)和語音IC(Speech IC)功能的.

怎樣區分有沒集成MCU的語音芯片

    先看MCU(Micro Controller Unit)的定義，又稱單片微型計算機(Single Chip Microcomputer)，是指隨著大規模集成電路的出現及其發展，將計算機的CPU、RAM、ROM、定時數器和多種I/O接口集成在一片芯片上，形成芯片級的計算機。
    語音芯片有兩種,一種是集成MCU的,如AC4060,AC5080可編程OTP系列,功能比較強大,從物理結構上簡單的說,它集成了RAM(隨機存儲器和定時計數器等)和ROM兩種存儲器。 而另一種是不集成MCU的,它內部只有一個ROM(不具體運算和隨機存儲計時器等一些功能),如AC9020,AC8040,AC3030系列芯片,但是價格會相當便宜一些.
    簡單一些的說吧,有RAM的OTP語音芯片是集成MCU的,由于RAM隨機存儲器的特性,讓芯片能完成更多復雜的功能。

根據語音芯片專業的物理特性的定義:

語音芯片是將語音信號通過聲音采樣轉化為數字信號，存儲在芯片的ROM中，再通過電路將ROM中的數字信號還原成語音信號的集成電路。

常規語音芯片的語音信號輸出方式有兩種：脈沖寬度調制(PWM）輸出和數模轉換輸出（DAC）。

脈沖寬度調制(PWM）輸出，是利用微處理器的數字輸出來對模擬電路進行控制的一種非常有效的技術。其相對于DAC輸出，其特點是應用廣、成本低。是玩具行業主要的聲音輸出應用方式。　　

數模轉換輸出(DAC)：普通語音芯片是指單獨具有放音功能的集成電路，實質上是一個DAC過程，而ADC過程資料是由電腦完成，其中包括對語音信號的采樣、壓縮、EQ等處理。

ADC=Analog Digital Change 模數轉換

DAC= Digital Analog Change 數模轉換

音質的優劣取決于ADC和DAC位數的多少。有的ADC和DAC均為32bit,接近真人音質。而有的ADC和DAC為16bit，接近CD音質。而一些普通的DAC為8bit，為普通音質。

錄音芯片包括ADC和DAC兩個過程，都是由芯片本身完成的，包括語音數據的采集、分析、壓縮、存儲、播放等步驟。

2、語音信號的量化表述：（分類：語音IC 和 音樂IC）

(a) “語音IC”介紹：

（1）語音信號的量化

采樣率（f）、位數（n）、波特率（T）

采樣：將語音模擬信號轉化成數字信號。

采樣率：每秒采樣的個數（byte）。

波特率：每秒鐘采樣的位數(bit)。波特率直接決定音質。Bps: bit per second

采樣位數指在二進制條件下的位數。一般在沒有特別說明的情況下，聲音的采樣位數指8位，由00H--FFH，靜音定為80H。深圳市環芯半導體有限公司

（2）采樣率

耐奎斯特抽樣定理：要從抽樣信號中無失真地恢復原信號，抽樣頻率應大于2倍信號最高頻率。抽樣頻率小于2倍頻譜最高頻率時，信號的頻譜有混疊。抽樣頻率大于2倍頻譜最高頻率時，信號的頻譜無混疊。

嗓音的頻帶寬度為20～20K HZ左右，普通的聲音大概在3KHZ以下。所以，一般CD取的音質為44.1K和16bit，如果碰到某些特別的聲音，如樂器，音質也有用48K和24bit的情況，但不是主流。

一般在我們處理針對普通語音IC的時候，采樣率最高達到16K就夠了、說話聲一般取8K（如電話音質）、6K左右。低于6K效果比較差。

在應用單片機的過程中，采樣越高，定時器中斷速度越快，會影響到其他信號的監控和檢測，所以要綜合考慮。

（3）語音壓縮技術。

由于語音數據量龐大，對語音數據進行有效壓縮是很必要的，能夠使我們在有限的ROM空間里錄入更多的語音內容。有以下幾種方式：

語音分段：將語音中可以重復的部分截取出來，通過排列組合將內容完整地回放出來。

語音采樣：一般我們使用的喇叭頻響曲線在中頻部分，較少用到高頻，所以，在喇叭音質可以接受的情況下，適當降低采樣頻率，達到壓縮效果，這種過程是不可逆的，無法恢復原貌，叫有損壓縮。

數學壓縮：主要是針對采樣位數進行壓縮，這種方式也是有損壓縮。例如，我們經常采用的ADPCM壓縮格式，是將語音數據從16bit壓縮到4bit，壓縮率是4倍。MP3是對數據流進行壓縮，涉及到數據預測問題，它的波特率壓縮倍率為10倍左右。

通常，以上幾種壓縮方式都是綜合起來使用的。

（4）常用語音格式

PCM格式： Pulse Code Modulation 脈沖編碼調制，它將聲音模擬信號采樣后得到量化后的語音數據，是最基本最原始的一種語音格式。同它極為類似的還有RAW格式和SND格式。它們都是純語音格式。

WAV格式：Wave Audio Files 是微軟公司開發的一種聲音文件格式，也叫波形聲音文件，被Windows平臺及其應用程序廣泛支持。WAV格式支持許多壓縮算法，支持多種音頻位數、采樣頻率和聲道，但WAV格式對存儲空間需求太大不便于交流和傳播。WAV文件里面存放的每一塊數據都有自己獨立的標識，通過這些標識可以告訴用戶究竟這是什么數據，這些數據包括采樣頻率和位數，單聲道(mono)還是立體聲(stero)等。環芯語音芯片IC

ADPCM格式：是利用對過去的幾個抽樣值來預測當前輸入的樣值，并使其具有自適應的預測功能與實際檢測值進行比較，隨時對測得的差值自動進行量化級差的處理，使之始終保持與信號同步變化。它適用于語音變化率適中的情況，而且聲音回放過程簡短。它的優點是對于人聲的處理比較逼真，一般達到90％以上，已廣泛地應用于電話通信領域。

MP3格式： Moving Picture Experts Group Audio Layer III，簡稱為MP3。它是利用 MPEG Audio Layer 3 的技術，采取了名為“感官編碼技術”的編碼算法：編碼時先對音頻文件進行頻譜分析，然后用過濾器濾掉噪音電平，接著通過量化的方式將剩下的每一位打散排列，最后形成具有較高壓縮比的mp3文件，并使壓縮后的文件在回放時能夠達到較接近原音源的聲音效果。它的實質是vbr（Variant Bitrate 可變波特率）可以根據編碼的內容動態地選擇合適的波特率，因此編碼的結果是在保證了音質的同時又照顧了文件的大小。

mp3壓縮率10倍甚至12倍。是最初出現的一種高壓縮率的語音格式。

Linear Scale格式：根據聲音的變化率大小，把聲音分成若干段，對每段用線性比例進行壓縮，但是它的比例是可變的。SUNLINK公司和ALPHA公司的Linear Scale格式為5bit。

Logpcm格式：基本上對整個聲音進行線性壓縮，將最后若干位去掉。這種壓縮方式在硬件上很容易實現，但音質比Linear Scale差一些，特別是音量較小聲音比較細膩的情況下效果較差。主要用于pure speech方面。

（b）“音樂IC”介紹：

（1）音樂的通道與音色：

包絡（envelope）方波(patch) 通道（channel）

包絡：合成音色的一部分，單位時間內音符輸出的變化，常見有“ADSR”

方波：合成音色的一部分，單位時間內音符方波電流的變化。（另見三角波等）

通道：在同一時間內，IC輸出的最多音符個數，即“單音樂器”的個數。

PCT：模擬音色的一種，通過采樣256個點的樂器聲音來模擬出各個音符的音高。(音色柔和，占空間小，但不夠真實)

FULL WAVE：通過采集一種樂器聲音來模擬各個音符音高。（樂器聲真實，但占用空間大，且采集音色音質要求高）

（2）音樂的壓縮：

由于音樂數據量龐大，對音樂數據進行有效壓縮是很必要的，能夠使我們在有限的ROM空間里錄入更多的音樂內容。有以下幾種方式：

音樂分段：將音樂中可以重復的部分截取出來，通過排列組合將內容完整地回放出來。

音色：根據音樂的豐滿程度、需求程度，來確定Full wave，PCT、dual tone的選擇，各個音色占用空間不同，音色質量也不同。。

數學壓縮：主要是針對采樣的音色（Full wave）進行壓縮，這種方式也是有損壓縮，對于要采集的音色進行降采樣、處理等減小采集音色的大小（同語音類的修音）。

（3）常用音樂格式：

MID格式：MIDI(Musical Instrument Digital Interface)樂器數字接口 ，是20 世紀80 年代初為解決電聲樂器之間的通信問題而提出的。MIDI 傳輸的不是聲音信號, 而是音符、控制參數等指令。

WAV格式：（相見語音IC類介紹）采集音色的格式。

3、語音ROM空間的表述

語音芯片為表述的形象化，由語音長度來表示

a)普通語音芯片以6K采樣率為語音長度計算標準。

b)錄音IC以4K采樣率為語音長度計算標準(以AC6006,AC6009,AC6012為例)。

即：以6k（4k）采樣率芯片可以播放的長度。

4、語音芯片的要素

相同品種的芯片成本與芯片的大小成正比。

a)I/O口的分配和ROM的大小（語音秒數）決定芯片成本。低秒數語音芯片其I/O口較少。

b)音質提高，采樣提高，語音秒數縮短。

音質降低，采樣降低，語音秒數變長

c) 語音秒數的計算方法：M/(n*f)

M---ROM大小（bit） n*f---波特率

實用的計算語音芯片傻瓜計算方式, 音樂IC和語音IC是不同的哦 : -_-

語音IC的秒數=ROM(bit)除以/10(工業算法標準)＝Byte(理論上是除以8)/再除以3＝語音芯片的秒數，比如512kbitROM/8/3＝21秒左右,芯片的內部壓縮比不同，秒數長短稍有偏差，以上算法是以6K采樣率為基準的。

音樂IC的秒數=ROM(bit)除以/除以3＝音樂IC的秒數，比如512kbitROM/3＝210秒左右,芯片的內部壓縮比不同，秒數長短稍有偏差。

5、常見聲音處理軟件:

1）SoundForge , 功能強大的聲音處理軟件，上手稍難一些

2）Cooledit，功能強大的畫圖聲音處理軟件，上手容易

3）goldwave，功能強大的聲音處理軟件

4）Cakewalk，用于MID音樂文件圖形化編輯的處理軟件

以上資料有環芯公司整理提供，轉載請注明出處

語音芯片 / Voice IC定義

語音IC / Speech IC定義

音樂IC / Music IC定義

錄音IC / Record IC定義

語音芯片/語音IC相關常用術語

語音芯片存儲與時間長度的關聯

語音芯片時間長度和采樣率

OTP(一次性可編程)的定義

MASK（掩膜）的定義及優勢

語音芯片系列下單流程

上述資料都是個人經驗總結,屬原創,轉載請注明出處.

如有錯誤的地方,還請各路朋友不吝指教,先行謝過.