淺析語音芯片與語音合成芯片的異同

??????? 語音合成技術是引領信息社會的重要組成部分，是廣大生產廠商提升其產品價值的重要手段。讓客戶更好的使用產品，莫過于直接與機器進行交流。實現機器說話的手段莫過于硬件與軟件兩大方案，而硬件方案主要包括語音芯片和語音合成芯片兩大方案。自2003年北京宇音天下科技有限公司的OSYNO6188國內首款中文語音合成芯片（也稱中文TTS芯片）問世以來，市場上的可發聲芯片就正式分成兩大類：語音芯片與語音合成芯片。但是在現實開發語音終端產品工作中，有很多的研發人員對于這兩類芯片的認知，經常出現概念上混淆，常常將語音合成芯片，誤認為語音芯片，加之一些制作銷售語音芯片的公司，為了更好的銷售，以突出語音芯片的比較價格優勢，也對外宣稱他們的語音IC，是語音合成芯片，有意識地誤導開發人員，其實這兩者是有本質上是完全不同的。
??? 舉例而言，當用戶需要最終開發的語音終端，進行大量的不同語音實時提示時--比如檢測油量車速等功能的車載儀表，需要對當前的油量，車速進行實時的報告；或者類似GPS導航，提示現在是位于XX街道，當前路面上規定的車速是什么時，也許語音芯片的研制企業宣稱沒有問題，但對不同省市的不同街道，它就沒轍了，這就必須使用語音合成芯片。語音芯片的使用，是在比較固定和較少的語音信息提示時使用的，例如說：這個芯片是用在某路公交車手動報個站，或者說火災來的時候發出報警聲音，這時候使用語音芯片很合適的。這樣您就能知道，您到底需要什么類型的芯片了。
???? 接下來可以對它們做比較正式的定義了。所謂語音芯片，是指將語音信號通過采樣轉化為數字，存儲在IC的ROM中，再通過電路將ROM中的數字還原成語音信號。所謂語音合成芯片，又稱中文TTS芯片，是指一種專業的語音芯片，它可以通過串行通信接口如UART和SPI等方式，與主控CPU進行數據通信，接收CPU傳送的文本信息，并將文本信息，轉化成合成語音的方式，驅動發聲器發聲，其特點是：高集成度，內置中文TTS功能，帶串行通信接口以及需要一定的外圍電路的支持。
???? 從使用方法來看，語音芯片的主要使用方式是先對其進行錄音，錄音完成燒錄后再來對其使用。而語音合成芯片只需要上位機通過串行通信對其發送一段文本信息，再將文本信息轉化為語音信號。從使用上來看，由于語音芯片所記錄的提示語音段長度受限，在只需要少量提示語音、并且可以大規模應用的場合下，則適合使用語音芯片，因其成本不高；缺點則是需預錄制語音、需重新燒錄、需校驗，這對于許多研發企業而言，其實是十分煩難的—尤其是當這些研制出的語音終端，賣到不同的用戶，就需要使用不同的語音錄制文件時，將消耗研發人員大量的寶貴成本。語音合成芯片，則可以靈活的使用上位機提供的文本信息，就可自動的轉化為輸出聲音，從而在智能化人機交互方面產生大量的應用，缺點是智能分析能力不能達到100%的正確語音發聲（自然度跟人聲相比還是略有差別）且成本較普通的語音芯片略高。
???? 從語音合成芯片的定義上就能知道，它屬于一種高端的語音芯片，是一種采取了語音合成技術的、截然不同的智能芯片，它內置了中文TTS軟件或語音合成軟件核心。從未來的市場發展和用戶體驗要求上來看，也許將有一天語音合成芯片終將取代語音芯片如今的地位，當然需要很長的時間，或者最終二者合二為一也不一定。現在只能說，未來的語音合成芯片合成效果自然度將更高，成本將更低廉，控制更方便以及面向多語種化。