语音芯片基础了解

（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。

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。

（b）“音乐芯片”介绍：

（1）音乐的通道与音色：

包络（envelope）方波(patch) 通道（channel）

包络：合成音色的一部分，单位时间内音符输出的变化，常见

有“ADSR”

方波：合成音色的一部分，单位时间内音符方波电流的变化。（另见三角波等）

通道：在同一时间内，芯片输出的音符个数，即“单音乐器”的个数。

PCT：模拟音色的一种，通过采样256个点的乐器声音来模拟出各个音符的音高。(音色柔和，占空间小，但不够真实)

FULL WAVE：通过采集一种乐器声音来模拟各个音符音高。（乐器声真实，但占用空间大，且采集音色音质要求高）

（2）音乐的压缩：

由于音乐数据量庞大，对音乐数据进行有效压缩是很必要的，能够使我们在有限的ROM空间里录入更多的音乐内容。有以下几种方式：

音乐分段：将音乐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。

音色：根据音乐的丰满程度、需求程度，来确定Full wave，PCT、dual tone的选择，各个音色占用空间不懂，音色质量也不同。。

数学压缩：主要是针对采样的音色（Full wave）进行压缩，这种方式也是有损压缩，对于要采集的音色进行降采样、处理等减小采

集音色的大小（同语音类的修音）。

（3）常用音乐格式：

MID格式：MIDI(Musical Instrument Digital Interface)乐器数字接口 ，是20 世纪80 年代初为解决电声乐器之间的通信问题而提出的。MIDI 传输的不是声音信号, 而是音符、控制参数等指令。 NV系列是市面上唯一一种同时支持WAV和MIDI格式的语音芯片） WAV格式：（相见语音IC类介绍）采集音色的格式。

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。

即：以6k（4k）采样率芯片可以播放的长度。

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

NV系列语音芯片容量与音质（采样率）之间的关系表如下：

NV020 512Kbit @6K采样 20秒

NV040 1Mbit @6K采样 40秒

NV080 2Mbit @6K采样 80秒

NV170 4Mbit @6K采样 170秒

NV340 8Mbit @6K采样 340秒

5、声音处理软件介绍

1）SoundForge

2）Cooledit

3）goldwave

4）Calewalk

6、语音芯片分类：

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.