WT2605-24SS音頻解碼語音芯片，實現(xiàn)寵物（玩具）喂食器遠程更新語音技術方案解析
本文主要介紹一種遠程更新語音技術的實現(xiàn)方式，在一些產品應用上，常常會遇到一些需要不停更換語音的場景（如寵物喂食器、寵物玩具需要經常更換聲音，充電樁設備需要更換提示語等等），市面上常用的一些語音芯片大多都無法直接更換語音內容，因此會存在一些無法避免的痛點，有些產品會使用流媒體功能的芯片去播放，但是往往也伴隨著巨大的流量消耗以及網絡傳輸延遲，播放卡頓等現(xiàn)象，本文介紹的這一技術可降低對流量的消耗，下面著重介紹如何實現(xiàn)遠程更新語音這一技術。
一、系統(tǒng)組成
1、音頻語音芯片參數(shù)介紹
該技術主要通過WiFi/4G模塊與一款音頻解碼芯片（WT2605-24SS）實現(xiàn)，音頻解碼芯片能夠實現(xiàn)語音的更新以及存儲，WT2605-24SS這款音頻解碼芯片的參數(shù)如下：
1）帶有DSP指令的32-bit高性能CPU。
2）16 bit DAC音頻解碼器,高達96dB的SNR。
3）支持音頻均衡器調整。
4）1個SPI。
5）1個IR控制器。
6）1個SD卡主機控制器。
7）1個全速USB2.0 HOST/DEVICE 控制器。
8）一個全雙工UART，通訊速率高達1Mbps，主要通過該接口與外部器件進行交互。
1.1、DAC參數(shù)介紹：
DAC對音頻芯片來說是一個很重要的參數(shù)，此款語音芯片具有16bit 的DAC，也就是DAC的轉換精度能夠達到2的16次方，精度越高，音頻播放的還原度也就越高，當然也有24bit DAC的音頻芯片，這類芯片的價格比較高，一般用于高端的消費類電子產品，如HIFI音響等。大部分產品使用16bit的DAC已經足夠，性價比較高，當然市面上的音頻芯片DAC特性參差不齊，有9bit，11bit，13bit的DAC，這類芯片的解碼通常都依靠軟件解碼的方式去處理，一般音頻文件大部分都是16bit，將16bit的音頻文件通過軟解碼的方式轉為9bit，11bit或13bit的音頻播放，效果可想而知。16bit的DAC直接通過硬件解碼16bit的音頻才能夠達到最好的效果。
對于SNR，一般能夠達到90db的信噪比已經有不俗的音質表現(xiàn)，此款IC高達96db的SNR，音質將會表現(xiàn)更加出色。
1.2、音頻格式介紹：
此款芯片主要支持mp3格式，當然也支持WAV，flac，ape等音頻格式播放，一般主要推薦使用mp3格式音頻，這類音頻資源較多，文件容量較小，大部分場景都能夠滿足，比較通用，WAV，flac，ape等都是無損音頻格式，文件容量都比較大，不太適用于語音更新的場景。
1.3、語音合成介紹：
對于提示語音，一般可以通過文字合成語音的方式處理，如下：
?
我們將語音下載下來，用Adobe audition軟件打開音頻看下音頻文件信息：
?
可以看到合成出來的是16k，16bit的mp3音頻文件，對于一些應用場景，語音合成直接在服務器端處理即可，這里不做過多介紹。
?2、系統(tǒng)框圖介紹：
?
上圖介紹了遠程語音更新的具體實現(xiàn)方式，主要由4G/WiFi設備連接到服務器，通過服務器把音頻數(shù)據(jù)下發(fā)，經過4G/WiFi設備中轉傳輸?shù)絎T2605組件進行保存，文件由WT2605語音芯片組件進行統(tǒng)一管理，更新完成后可直接控制設備下發(fā)指令進行播放。這樣實現(xiàn)了語音的更新操作，流量也只消耗在音頻數(shù)據(jù)的傳輸上，相比流媒體播放的方式減少了流量消耗，播放卡頓等現(xiàn)象。
?
二、電路設計
1、WT2605與WiFi模塊電路
2、上述電路以WiFi模塊作為主控，WiFi模塊獲取服務器端下發(fā)的音頻數(shù)據(jù)，再通過UART串口傳輸?shù)絎T2605芯片進行保存，傳輸完成后直接發(fā)送相關指令即可控制播放。電路設計非常簡單。
?
WiFi模塊通過指令，控制WT2605解碼存儲在SPI FLash的音頻數(shù)據(jù)，經過LM4890功放后播放。這里以1W的功放作為演示，調節(jié)R6，R7，R8可調整功放的增益，其他功放根據(jù)具體的芯片手冊進行設計。
三、通訊命令格式介紹
通信協(xié)議主要定義主控和?WT2605之間的交互規(guī)則，處理器如何將數(shù)據(jù)推送給WT2605進行相應的處理，WT2605反饋相應的處理結果。通信數(shù)據(jù)主要以命令幀的方式進行，一個有效的命令幀必須包含：幀頭，命令包長，命令包，校驗碼，幀尾等五部分。
幀頭由1個固定的十六進制數(shù)據(jù)表示，幀類型包含下傳命令幀（模組接收的命令幀）以及上傳命令幀（模組接收數(shù)據(jù)后反饋的命令幀，即ACK或NAK）。
命令包長表示命令幀除幀頭和幀尾外的字節(jié)數(shù)，即命令包長（1字節(jié)）+命令包（N字節(jié)）+校驗碼（1字節(jié)）= N+2?字節(jié)。
命令包是具體的命令，主要包含：命令+參數(shù)。
校驗碼，為命令包長+命令包的和。
WT2605-24SS語音芯片典型應用場景：
1）寵物喂食器、寵物玩具；
2）掃地機；
3）充電樁；
4）語音廣告機；
5）共享自行車、充電寶等。
?唯創(chuàng)知音作為一家專注于語音技術研究的高新技術企業(yè)，始終堅持以“服務好工程師”
為目標，以行業(yè)語音交互器件標準化為方向，致力于讓復雜變簡單，提供快捷的語音、智能
物聯(lián)網應用解決方案。