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 |
||
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
捷通82语音识别模块产品说明书 2003-06-09 |
数字可视复读机方案 2003-04-09 |
语音识别控制电话机方案 2003-04-04 |
智能早教机方案 2003-04-03 |
也谈语音识别技术在玩具领域的低成本应用 2003-01-06 |