語音芯片的生產方式

掩膜生產：掩膜生產通俗的說就是先將聲音燒到芯片里，然后再進行封裝，一般有量的要求。

otp生產：所謂otp的意思是指的一次性燒錄。先把芯片封裝好，再借用軟件燒進去聲音。

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,WTN和DKA010動物叫聲是最典型的單通道語音芯片；

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),顧名思義,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。

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。

(a)“語音芯片”介紹：

（1）語音信號的量化

采樣率（f）、位數（n）、波特率（T）

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。

（2）采樣率

奈奎斯特抽樣定理（Nyquist Law）：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。而DKC系列語音芯片采樣可以做到22K。

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。

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。

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。

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。mid格式。mid格式的語音所占的空間比較狹小，有時短短20幾秒的芯片就能裝進去十多首mid格式的音樂。

（b）“音樂芯片”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，芯片輸出的音符個數，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懂，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?。ㄍZ音類的修音）。