语音芯片又称：语音IC，又被叫做声音芯片。
（一）、语音基础知识
1、什么是语音芯片？
语音芯片集中在广东省范围生产及研发较多，如，广州九芯电子，
广州唯创电子， 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。 根据语音芯片的输出方式分为两大类，一种是PWM输出方式，一种是DAC输出方式，PWM输出音量不可联系可调，不能接普通功放，目前市面上大多数语音芯片是PWM输出方式。另外一种是DAC经内部EQ放大，该语音芯片声音连续可调，可数字控制调节，可外接功放。 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：WTV020到 WTV340,低从10秒到340秒，WT588D等根据控制方式取决段落多少。
2、语音信号的量化表述：（分类：语音芯片和音乐芯片） (a) “语音芯片”介绍：
（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倍信号高频率。抽样频率小于2倍频谱高频率时，信号的频谱有混叠。抽样频率大于2倍频谱高频率时，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，是基本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，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、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，大采样到22K。 b)录音IC以6K采样率为语音长度计算标准。 即：以6k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 、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. （a）现在市场上常见语音芯片分类： 短时间芯片有10秒，20秒，40秒，80秒,170秒的芯片， 常用的模块有：6分钟，8分钟，16分钟，1小时的等。 通用的芯片有：3秒到340秒 (b)现在市场上常见音乐芯片分类： 单音片：是一种基本的音乐IC,是音乐单通道的,同一时间音符输出的多少,决定了单音片的效果,有70多,100多音符等等. 音乐通道：2通道、3通道、4通道、8通道、12通道等更多。。。 控制方式：按键控制，一线串口控制，二线串口控制，三线串口控制，并口控制，单片机控制，等等 。
8、应用范围
家电行业：电磁炉、电饭煲、冰箱、洗衣机、空调、风扇等等 安防报警：倒车雷达、叉车报警器、家庭防盗等 医疗器械：弱视治疗仪、血压计、臭氧治疗仪等等 广告媒体：语音广告牌、镜子广告机、迎宾器等等 玩具系列：语音识别、小汽车，布娃娃等等 智能交通：一卡通设备、红绿灯提醒等等 汽车电子、娱乐设备、教育用品、消费电子、工业控制等等的运用行业
9.语音芯片在应用中常遇到的问题及怎么解决方法
（1）、问：WT588D不支持64M以上的FLASH，请问有什么可替代的吗？
答：NV020 可支持的FLASH规格可以扩大到128M，采用的是16位的DAC，所以具有很高的音质。
(2)、 问 ： 请问芯片输出的声音有多大 ？ 如果不够响亮怎么办 ？
答 ： WTV WTB WT588D系列语音芯片内部自带功放 ， 可直接驱动 0.5W/8 Ω 的喇叭 。 在普通的房间里面足够清楚 ， 如果对音量要求比较 大 ，
请在喇叭外面接上共鸣腔 ， 要想获得更大的音量 ， 可外接 LM386 、 2822 等 放大电路。