語音芯片的生產(chǎn)方式

掩膜生產(chǎn)：掩膜生產(chǎn)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(chǎn)：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(jù)IC本身的物理結(jié)構(gòu)的多個通道(同時發(fā)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(nèi)只能發(fā)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(nèi)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(jié)構(gòu)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(guī)定固定在某一通道內(nèi)進行聲音的播放(等同于單通道),但是這類產(chǎn)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(chǎn)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(jié)構(gòu)也許是因為產(chǎn)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(chǎn)品很少, 要高端一些的產(chǎn)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(nèi)二個通道都可以發(fā)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(jié)構(gòu)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(shù)（n）、波特率（T）

采樣率：每秒采樣的個數(shù)（byte）。

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

采樣位數(shù)指在二進制條件下的位數(shù)。一般在沒有特別說明的情況下，聲音的采樣位數(shù)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(zhì)為44.1K和16bit，如果碰到某些特別的聲音，如樂器，音質(zhì)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(zhì)）、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(jiān)控和檢測，所以要綜合考慮。

（3）語音壓縮技術(shù)

由于語音數(shù)據(jù)量龐大，對語音數(shù)據(jù)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(nèi)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(nèi)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(zhì)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(shù)學壓縮：主要是針對采樣位數(shù)進行壓縮，這種方式也是有損壓縮。例如，我們經(jīng)常采用的ADPCM壓縮格式，是將語音數(shù)據(jù)從16bit壓縮到4bit，壓縮率是4倍。MP3是對數(shù)據(jù)流進行壓縮，涉及到數(shù)據(jù)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(diào)制，它將聲音模擬信號采樣后得到量化后的語音數(shù)據(jù)，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(fā)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(shù)、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(shù)據(jù)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(shù)據(jù)，這些數(shù)據(jù)包括采樣頻率和位數(shù)，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(yōu)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(shù)，采取了名為“感官編碼技術(shù)”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(zhì)是vbr（Variant Bitrate 可變波特率）可以根據(jù)編碼的內(nèi)容動態(tài)地選擇合適的波特率，因此編碼的結(jié)果是在保證了音質(zhì)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(xiàn)的一種高壓縮率的語音格式。

Linear Scale格式：根據(jù)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(xiàn)，但音質(zhì)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(nèi)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(nèi)音符方波電流的變化。（另見三角波等）

通道：在同一時間內(nèi)，芯片輸出的音符個數(shù)，即“單音樂器”的個數(shù)。

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(zhì)要求高）

（2）音樂的壓縮：

由于音樂數(shù)據(jù)量龐大，對音樂數(shù)據(jù)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(nèi)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(nèi)容完整地回放出來。

音色：根據(jù)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(zhì)量也不同。

數(shù)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）。