语音合成芯片情况介绍和产品设想_语音合成

语音合成芯片情况介绍和产品设想

2003/05/06

　　我们这里讨论的语音合成（Speech Synthesis）是指将压缩编码后的语音文件解码还原成原声的技术，至于更高级的如TTS技术等，不在此次讨论范围。

　　目前主要的语音压缩编码技术有ADPCM、LPC、CELP、MELP、SACM等等。

　　目前在消费性电子产品中应用最广泛的语音合成芯片是Sensory的SC6xx系列，包含601、604、605、614、691等型号，此产品线是从TI收购来的。TI对应的型号是MSP50C601/604/605/614、MSP53C691。其中691其实是一种掩膜后的614，掩膜程序是一个包含了解码算法子程序及其调用接口，因此用户可以不用关心解码算法的细节，用任意的MCU来调用它。因为其易用性，SC691相对用量最大。

　　因为用的是TI的DSP技术，所以SC6xx从性能上来说，比同类其它芯片要好很多，支持LPC、CELP、MELP等多种格式，最低编码速率达到1Kbps。

　　在MSP50C6xx之前，TI还推出过MSP50C3x系列芯片，该系列芯片只支持LPC算法，但从音质上来说还是非常好的。我们现在正在以自有品牌推广的JT-10芯片其实就是MSP50C30的改进版。

　　相对来说，台湾产的芯片价格便宜一些，功能也不错，但不知道是不是因为知识产权的问题，台湾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，所以在相同码率时，音质就要差一些。一般台湾芯片最低码率可以做到2.4K左右。

　　附表是主要语音合成芯片的特性比较。

　　表中所列芯片都是长时间（超过10分钟）、大容量的芯片，主要应用领域是早教机、外语学习机、语音电子书、旅游介绍产品等等。单以早教机而言，据行内人士估计，今年出货量（含出口）将达到100万以上，而且在飞速增长之中，成为第二个"复读机"行业，也不是不可能的事。所以，我们觉得国内的IC公司，瞄准这个行业，应该是大有可为的。
下面是我推荐的三个芯片规格，供参考。

　　1、SC-614的兼容芯片。外接存储器用于存放客户应用程序、语音数据，而片内则保留部分固化ROM，内容包括：（1）LPC、CELP、MELP解码例程，供客户应用程序调用，降低编程复杂度；（2）In-System-Program程序，用于从串口接收应用程序代码和语音数据并写入片外存储器（如果片外存储器是Flash的话）。

　　此芯片特点是成本适中（比全掩膜方式成本高），客户灵活度大，但缺点是SC-6xx指令系统复杂，汇编语言编程不易。

　　2、SC-691全兼容芯片，或者和第一种合在一起，成为三模式芯片。模式一：下载模式；模式二：主控模式，运行片外存储器中的程序；模式三：从模式，也就是标准SC-691的应用模式，需要外加MCU

　　此芯片运行于主控模式时，成本适中，客户灵活度大。如果客户需要快速开发，则可以运行于从模式，虽然系统成本要高一些。

3、做一颗SOC，片上集成高速MCS51核 + SC-691内核。MCS51核要尽可能标准，以充分利用现有的开发平台（C51平台及仿真器）。

　　此规格成本要高于主控模式，但要低于MCU+SC691模式。最大的好处在于开发容易。
当然如果能用自己的高速8051实现LPC、CELP、MELP的算法，那就最好，能做到成本最低、应用速度最快。

　　所有的规格都要注意：
（1）Melody音乐合成功能（所谓的多少多少和弦）必不可少。
（2）ISP功能很有用。
（3）小量时外部存储器到大量时的内部掩膜ROM方案的平滑过渡能力很重要。

厂商芯片系列	Sensory SC-6xx	Sonix SNC745	Sunplus SPDS107A	JT-10
内核	16 bit MCU+DSP	16 bit MCU+DSP	8bit MCU+16bit DSP	8bit MCU+16bit DSP
处理能力	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
喇叭驱动	直接	直接	直接	直接
压缩格式	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	3
最大回放时间	2220S(内部ROM) 外接ROM最大可达18小时	3840S	1650S	外接ROM最大16小时
I/O	16 24 32 64	16	23	32
定时器	2个17bit定时器	3个8bit定时器	2个12bit定时器
中断	15	9	7
RTC	软件RTC	软件RTC	软件RTC
Watch Dog	Yes	Yes	No
时钟源	32.768KHz晶振/ 内部RC振荡	16MHz晶振/RC振荡	20MHz晶振/ 内部RC振荡	16MHz晶振
工作频率	64KHz~12.32MHz	16MHz	MCU<5M DSP=20M	16MHz晶振
供电电压	3V~5.2V	3.6~5.1V 2.4~3.6V	2.4V~3.6V	2.7V~5.5V
休眠电流	<10uA	2.0uA	RTC Stop:2uA RTC with Rosc:3uA RTC with Xtal:100uA	100uA
开发工具	汇编 C语言	汇编,Easy Format	?	汇编
其它	1bit比较器 (可用作电压监测)
参考价格	15	11．2	￥11.50	￥12

深圳捷通供稿 CTI论坛编辑