浅析语音芯片与语音合成芯片的异同

浅析语音芯片与语音合成芯片的异同

        语音合成技术是引领信息社会的重要组成部分，是广大生产厂商提升其产品价值的重要手段。让客户更好的使用产品，莫过于直接与机器进行交流。实现机器说话的手段莫过于硬件与软件两大方案，而硬件方案主要包括语音芯片和语音合成芯片两大方案。自2003年北京宇音天下科技有限公司的OSYNO6188国内首款中文语音合成芯片（也称中文TTS芯片）问世以来，市场上的可发声芯片就正式分成两大类：语音芯片与语音合成芯片。但是在现实开发语音终端产品工作中，有很多的研发人员对于这两类芯片的认知，经常出现概念上混淆，常常将语音合成芯片，误认为语音芯片，加之一些制作销售语音芯片的公司，为了更好的销售，以突出语音芯片的比较价格优势，也对外宣称他们的语音IC，是语音合成芯片，有意识地误导开发人员，其实这两者是有本质上是完全不同的。
    举例而言，当用户需要最终开发的语音终端，进行大量的不同语音实时提示时--比如检测油量车速等功能的车载仪表，需要对当前的油量，车速进行实时的报告；或者类似GPS导航，提示现在是位于XX街道，当前路面上规定的车速是什么时，也许语音芯片的研制企业宣称没有问题，但对不同省市的不同街道，它就没辙了，这就必须使用语音合成芯片。语音芯片的使用，是在比较固定和较少的语音信息提示时使用的，例如说：这个芯片是用在某路公交车手动报个站，或者说火灾来的时候发出报警声音，这时候使用语音芯片很合适的。这样您就能知道，您到底需要什么类型的芯片了。
     接下来可以对它们做比较正式的定义了。所谓语音芯片，是指将语音信号通过采样转化为数字，存储在IC的ROM中，再通过电路将ROM中的数字还原成语音信号。所谓语音合成芯片，又称中文TTS芯片，是指一种专业的语音芯片，它可以通过串行通信接口如UART和SPI等方式，与主控CPU进行数据通信，接收CPU传送的文本信息，并将文本信息，转化成合成语音的方式，驱动发声器发声，其特点是：高集成度，内置中文TTS功能，带串行通信接口以及需要一定的外围电路的支持。
     从使用方法来看，语音芯片的主要使用方式是先对其进行录音，录音完成烧录后再来对其使用。而语音合成芯片只需要上位机通过串行通信对其发送一段文本信息，再将文本信息转化为语音信号。从使用上来看，由于语音芯片所记录的提示语音段长度受限，在只需要少量提示语音、并且可以大规模应用的场合下，则适合使用语音芯片，因其成本不高；缺点则是需预录制语音、需重新烧录、需校验，这对于许多研发企业而言，其实是十分烦难的—尤其是当这些研制出的语音终端，卖到不同的用户，就需要使用不同的语音录制文件时，将消耗研发人员大量的宝贵成本。语音合成芯片，则可以灵活的使用上位机提供的文本信息，就可自动的转化为输出声音，从而在智能化人机交互方面产生大量的应用，缺点是智能分析能力不能达到100%的正确语音发声（自然度跟人声相比还是略有差别）且成本较普通的语音芯片略高。
     从语音合成芯片的定义上就能知道，它属于一种高端的语音芯片，是一种采取了语音合成技术的、截然不同的智能芯片，它内置了中文TTS软件或语音合成软件核心。从未来的市场发展和用户体验要求上来看，也许将有一天语音合成芯片终将取代语音芯片如今的地位，当然需要很长的时间，或者最终二者合二为一也不一定。现在只能说，未来的语音合成芯片合成效果自然度将更高，成本将更低廉，控制更方便以及面向多语种化。