中文/英文/小语种
使用前无需训练
承芯卓越可提供具备扩展性的命令模型库
最大支持28词条
每词条语音在0.4～2.5秒
识别率>96%
平稳噪声环境下仍能保持较高的识别率
根据放音内容，配合2M～64M位SPI Flash使用
内定义按键输入、LED显示、红外发射驱动及马达驱动等多种控制动作
http://helios-adsp.com.cn/newEbiz1/EbizPortalFG/portal/html/ProgramShow.html?ProgramShow_ProgramID=c373e915dd5e5a6d8fefd71422c31522
应用于消费类电子产品上的交互式语音集成芯片（RSC-100/164T，RSC-300/364，RSC4XX）是一种高性能、低成本的8位MCU，所有这类芯片内部集成有ADC、DAC、ROM（除了RSC-100/300）、RAM和麦克风的预放大电路，并拥有以下多种功能：与说话者无关/有关的语音识别、语音确认（PASSWORD）、语音和音乐合成，录音和回放、快速数字拨号（只有RSC-300/364）、持续监听。
产品线有两种通用目的的微处理器（RSC系列）
1. RSC-100/164T—低成本的版本（只支持4.0版本技术）
2. RSC-300/364（支持最新版本的6.0版本技术），它有更快的响应时间、先进和附加的技术（包括数字拨号，固定单词触发，同时产生数字记录和识别模板）
3. RSC-164/364产品的特性
a) 有64k内置ROM的8位微处理器；
b) 集成有A/D和D/A转换器；
c) DAC或PWM（Pulse Width Modulation）；
d) 可实现DTMF 拨号；
e) 音源的AGC功能；
f) 16个通用I/O端口；
g) 片上有输出放大器；
h) 省电模式-最小的功耗（小于5UA）。
RSC-300/364产品特性
RSC-300/364是专门为消费类电子产品应用而设计的，拥有高度集成和高识别率的系统化芯片。RSC-300/364有额外的SDAM和硬件加速去支持SENSORY的最新技术（5.0以上）。这种特别设计的8位微处理器在拥有灵活的编程时支持一系列语音技术：与说话者无关/有关的识别、语音和音乐的合成、语音确认、语音提示、持续监听、快速数字拨号、录音和回放。RSC-300/364允许在片上存储最多6个与说话者有关的短句。RSC-300与RSC-364的区别就是少一个64K的ROM，根据封装和版本的不同，RSC-300/364的价格在2.2～3.9美元之间。
RSC-4x产品特性
RSC-4x是Sensory INC.第4代的语音识别产品，它具有所有RSC-300/364的所有特性之外，还增加了不少功能。RSC－4x支持Sensory Speech™ 7技术，改进的算法使识别准确率得到提高。新增的T2SI技术使得制作SI模版节省了时间和资金投入。在语音合成算法上也作了改进，“SX™”压缩技术使得语音的压缩率可以达到3K－8K bps（bits-per-second），是原来的1/10-1/4，大大减少了存储空间，节约了成本。RSC-4x有三种型号，RSC-4000不含程序存储空间，RSC-4128 内部含128K程序存储空间，RSC-4256内部含256K程序存储空间，供用户灵活选用。
VOICE DAILER特性（ASSP）
VOICE DAILER364是为了增加语音拨号而设计的，它可应用在非手持的车载电话、手持电话、PDA、答录机和其它个人电子设备。使用者只需说出名字便可拨出相关的电话；VOICE DAILER-364芯片可管理一整套电话目录，包括名字、电话号码和语音识别模板。
SENSORY技术
与说话者有关的语音识别 (Speaker Dependent, SD)
在识别时，每个识别词语需要使用者训练两次来创建语音模板，一个模板需要占用128个字节的存储量。由于练习的原因，一般把需识别的词汇量限制在60个以内，但超过100个也是完全可以的。通过正常设计， SENSORY的SD技术能达到99%的准确率。
与说话者无关的语音识别 (Speaker Independent, SI)
http://hi.baidu.com/amwdnvfku/blog/item/4ada7807b6fb697d0308812c.html
NVB 系列语音芯片是广州九芯电子科技最新推出的一款适合工厂量产型的 工业级 OTP 语音芯片。它具有成本低，性能稳定，音质高，控制方便，电路简单等诸多显著优点。NVB 的推出，以近似于当前业界掩膜的价格，但
无最小量的限制，弥补了目前产业界的一个不足，适合低成本快速投产，最快仅需一天即可出货。
NVB 是一款性能稳定的语音芯片，无需任何外围电路，在极其恶劣的噪声环境下都可正常工作，它具有宽泛
的耐温和耐压范围，正常工作范围宽达 1.6V~4.5V，弥补了目前市面上语音芯片抗干扰能力较差的缺陷。
NVB 系列语音芯片有一组 PWM 输出口，可以直推 0.5w 喇叭，音质清晰。内置 LVR 复位，无需外加复位电
路。内置精确的内阻频率振动器（最大仅+-1%的误差），无需外接电阻。NVB 一个很明显的优势是 OTP 烧录程式
可以和 MASK 掩膜无缝对接，也就是说，产品前期试产阶段用户可以 OTP 试产，试产成功后进入大规模生产
时，可以直接按 OTP 样品投产 MASK 掩膜以降低成本，客户无需二次确认样品。
广州市九芯电子科技有限公司 NVB 系列语音芯片
GUANGZHOU NINE CHIP ELECTRON TECHNOLOGY CO,. LTD.
3
NVB 系列语音芯片具有多种按键触发方式，且可以输出多种形式的电平信号，可以设定按语音的起伏节奏变化。
另外 NVB 支持主控 MCU 二线串口控制，可以任意控制多段语音触发，是市面上唯一 8 脚芯片支持 128 段声音
的语音芯片。
NVB 系列语音芯片具有多种实用的封装形式：DIP8、SOP8 等，外围电路仅需一电源耦合电容即可，工作稳定，
宽泛的工作电压，超低的待机功耗以及宽耐温性能都使 NVB 系列语音芯片在广泛的应用领域中拥有一流的性价
比优势。
2 功能特点
OTP 存储格式，生产周期快，最快仅需一天，下单无最小量限制；
灵活的多种按键 *** 作模式以及电平输出方式供选择（边沿按键触发、电平触发、随机按键播放、顺序按键播
放）； 简单方便的两线 MCU 串口控制方式，用户主控 MCU 可控制任意段语音的触发播放及停止； 支持 4 个
按键触发。
语音时长 20 秒、40 秒、65 秒、80 秒、115 秒；
内置一组 PWM 输出器可直推 0.5W 喇叭； 灵活的放音 *** 作，通过组合可节省语音空
间，单个数据口最多可播放 128 个语音组合； 音质优美，性能稳定，物美价廉； 内
置 LVR 自复位电路，保证芯片正常工作；
DIP8，SOP8 以及 COB 三种封装可供选择，使用方便，应用灵活； 外围电路简单，仅需一耦合电
容；
工作电压范围：1.6V～4.5V（5V 供电的话 VDD 需串接二极管 4148 降压）； 静态电流：2uA；
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.
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）