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
对于嵌入式系统而言，语音识别硬件组成要考虑很多其它因素，首先由于成本的限制，一般使用定点DSP，这意味着算法的复杂度受到限制；其次，对产品化有各种严格的限制，这就需要一个高度集成的硬件DSP，因此最理想的硬件组成是系统级的芯片。
一般采用的是一个16位结构的微控制器，将MCU、A/D、D/A、RAM、ROM集成在一块芯片上，具有很高的集成度。同时具有较高运算速度的16×16位的乘法语音和内积运算指令，CPU最高可达时钟49MHz，因此在复杂的数字信号处理方面既非常便利又比专用的DSP芯片便宜得多。并具有12位ADC，和14位DAC保证音频精度，配置带自动增益控制（AGC）的麦克风输入方式，为语音处理带来了极大的方便。既具有体积小、集成度高、可靠性好的特点，又具有较强的中断处理能力、高性能的价格比和功能强、效率高的指令系统及低功耗、低电压的特点，所以非常适合用于嵌入式语音识别系统。
以SR160X为核心的嵌入式语音识别系统硬件的电路系统，主要包括麦克风输入电路、ADC、DAC、功放输出电路、键盘电路和各种通信电路等，语音保存到SPI Flash存储器中。 非特定人语音识别要经过语音训练后才能识别，将语音训练过程中建立的参考模式库和从待识别语音信号中提取的特征参数都存放在外扩的SPI Flash中，这样就可以保证掉电后重新开机继续识别。语音识别系统软件主程序由语音训练程序、语音识别程序、语音播放程序、中断程序、初始化程序等子程序组成。由于嵌入式平台存储资源少、实时性要求高的特点，因此算法在保证识别效果的前提下要尽可能优化。
软件包括A/D变换、预加重、分帧和加窗、端点检测、特征参数提取、放宽端点限制的DTW算法，最后识别结果输出。
在应用层软件考虑到用户的实际需求，增加了能快速开发的虚拟软件开发技术，能快速完成产品。
