語音合成芯片情況介紹和產(chǎn)品設(shè)想
2003/05/06
我們這里討論的語音合成（Speech Synthesis）是指將壓縮編碼后的語音文件解碼還原成原聲的技術(shù)，至于更高級的如TTS技術(shù)等，不在此次討論范圍。目前主要的語音壓縮編碼技術(shù)有ADPCM、LPC、CELP、MELP、SACM等等。
目前在消費性電子產(chǎn)品中應(yīng)用最廣泛的語音合成芯片是Sensory的SC6xx系列，包含601、604、605、614、691等型號，此產(chǎn)品線是從TI收購來的。TI對應(yīng)的型號是MSP50C601/604/605/614、MSP53C691。其中691其實是一種掩膜后的614，掩膜程序是一個包含了解碼算法子程序及其調(diào)用接口，因此用戶可以不用關(guān)心解碼算法的細節(jié)，用任意的MCU來調(diào)用它。因為其易用性，SC691相對用量最大。
因為用的是TI的DSP技術(shù)，所以SC6xx從性能上來說，比同類其它芯片要好很多，支持LPC、CELP、MELP等多種格式，最低編碼速率達到1Kbps。
在MSP50C6xx之前，TI還推出過MSP50C3x系列芯片，該系列芯片只支持LPC算法，但從音質(zhì)上來說還是非常好的。我們現(xiàn)在正在以自有品牌推廣的JT-10芯片其實就是MSP50C30的改進版。
相對來說，臺灣產(chǎn)的芯片價格便宜一些，功能也不錯，但不知道是不是因為知識產(chǎn)權(quán)的問題，臺灣芯片基本上都不采用LPC、CELP、MELP算法。比如Sonix SNC745就采用自己的算法，而Sunplus SPDS107采用SACM算法，所以在相同碼率時，音質(zhì)就要差一些。一般臺灣芯片最低碼率可以做到2.4K左右。
附表是主要語音合成芯片的特性比較。
表中所列芯片都是長時間（超過10分鐘）、大容量的芯片，主要應(yīng)用領(lǐng)域是早教機、外語學習機、語音電子書、旅游介紹產(chǎn)品等等。單以早教機而言，據(jù)行內(nèi)人士估計，今年出貨量（含出口）將達到100萬以上，而且在飛速增長之中，成為第二個"復讀機"行業(yè)，也不是不可能的事。所以，我們覺得國內(nèi)的IC公司，瞄準這個行業(yè)，應(yīng)該是大有可為的。
下面是我推薦的三個芯片規(guī)格，供參考。
1、SC-614的兼容芯片。外接存儲器用于存放客戶應(yīng)用程序、語音數(shù)據(jù)，而片內(nèi)則保留部分固化ROM，內(nèi)容包括：（1）LPC、CELP、MELP解碼例程，供客戶應(yīng)用程序調(diào)用，降低編程復雜度；（2）In-System-Program程序，用于從串口接收應(yīng)用程序代碼和語音數(shù)據(jù)并寫入片外存儲器（如果片外存儲器是Flash的話）。
此芯片特點是成本適中（比全掩膜方式成本高），客戶靈活度大，但缺點是SC-6xx指令系統(tǒng)復雜，匯編語言編程不易。
2、SC-691全兼容芯片，或者和第一種合在一起，成為三模式芯片。模式一：下載模式；模式二：主控模式，運行片外存儲器中的程序；模式三：從模式，也就是標準SC-691的應(yīng)用模式，需要外加MCU
此芯片運行于主控模式時，成本適中，客戶靈活度大。如果客戶需要快速開發(fā)，則可以運行于從模式，雖然系統(tǒng)成本要高一些。
3、做一顆SOC，片上集成高速MCS51核 + SC-691內(nèi)核。MCS51核要盡可能標準，以充分利用現(xiàn)有的開發(fā)平臺（C51平臺及仿真器）。
此規(guī)格成本要高于主控模式，但要低于MCU+SC691模式。最大的好處在于開發(fā)容易。
當然如果能用自己的高速8051實現(xiàn)LPC、CELP、MELP的算法，那就最好，能做到成本最低、應(yīng)用速度最快。
所有的規(guī)格都要注意：
（1）Melody音樂合成功能（所謂的多少多少和弦）必不可少。
（2）ISP功能很有用。
（3）小量時外部存儲器到大量時的內(nèi)部掩膜ROM方案的平滑過渡能力很重要。
|
廠商 芯片系列 |
Sensory SC-6xx |
Sonix SNC745 |
Sunplus SPDS107A |
JT-10 |
|
內(nèi)核 |
16 bit MCU+DSP |
16 bit MCU+DSP |
8bit MCU+16bit DSP |
8bit MCU+16bit DSP |
|
處理能力 |
12Mips@12.32MHz |
9Mips@18MHz |
12Mips@16Mhz |
|
|
RAM |
640*16bit |
2K*16bit |
128*8bit |
922*8bit |
|
PROGRAM ROM |
32Kx 17bit |
32K*16bit |
31K*8bit |
32K*16bit |
|
DATA ROM |
Upto 288KBt |
960KB |
990KB |
Upto 16MB |
|
DAC/PWM |
DAC/PDM |
DAC/PWM |
PWM |
PWM |
|
DAC/PWM精度 |
10bit |
10bit |
10bit |
|
|
喇叭驅(qū)動 |
直接 |
直接 |
直接 |
直接 |
|
壓縮格式 |
CX,MX,ADPCM |
自有格式 |
SACM |
LPC |
|
DataRate |
1.0kbps~11.2kbps |
2kbps/12kbps /24kbps |
2.4kbps~ |
1.2kbps~ |
|
Speech Channels |
? |
2 |
3 |
2 |
|
Melody Channels |
14 |
4 |
||
|
最大回放時間 |
2220S(內(nèi)部ROM) 外接ROM最大可達18小時 |
3840S |
1650S |
外接ROM最大16小時 |
|
I/O |
16 24 32 64 |
16 |
23 |
32 |
|
定時器 |
2個17bit定時器 |
3個8bit定時器 |
2個12bit定時器 |
|
|
中斷 |
15 |
9 |
7 |
|
|
RTC |
軟件RTC |
軟件RTC |
軟件RTC |
|
|
Watch Dog |
Yes |
Yes |
No |
|
|
時鐘源 |
32.768KHz晶振/ 內(nèi)部RC振蕩 |
16MHz晶振/RC振蕩 |
20MHz晶振/ 內(nèi)部RC振蕩 |
16MHz晶振 |
|
工作頻率 |
64KHz~12.32MHz |
16MHz |
MCU<5M DSP=20M |
16MHz晶振 |
|
供電電壓 |
3V~5.2V |
3.6~5.1V 2.4~3.6V |
2.4V~3.6V |
2.7V~5.5V |
|
休眠電流 |
<10uA |
2.0uA |
RTC Stop:2uA RTC with Rosc:3uA RTC with Xtal:100uA |
100uA |
|
開發(fā)工具 |
匯編 C語言 |
匯編,Easy Format |
? |
匯編 |
|
其它 |
1bit比較器 (可用作電壓監(jiān)測) |
|||
|
參考價格 |
15 |
11．2 |
￥11.50 |
￥12 |
深圳捷通供稿 CTI論壇編輯
| 捷通82語音識別模塊產(chǎn)品說明書 2003-06-09 |
| 數(shù)字可視復讀機方案 2003-04-09 |
| 語音識別控制電話機方案 2003-04-04 |
| 智能早教機方案 2003-04-03 |
| 也談?wù)Z音識別技術(shù)在玩具領(lǐng)域的低成本應(yīng)用 2003-01-06 |