WT2605-24SS音頻解碼芯片，實(shí)現(xiàn)寵物（玩具）喂食器遠(yuǎn)程更新語音技術(shù)方案解析

概述：本文主要介紹一種遠(yuǎn)程更新語音技術(shù)的實(shí)現(xiàn)方式，在一些產(chǎn)品應(yīng)用上，常常會(huì)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(jīng)常更換聲音，充電樁設(shè)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(nèi)容，因此會(huì)存在一些無法避免的痛點(diǎn)，有些產(chǎn)品會(huì)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(wǎng)絡(luò)傳輸延遲，播放卡頓等現(xiàn)象，本文介紹的這一技術(shù)可降低對(duì)流量的消耗，下面著重介紹如何實(shí)現(xiàn)遠(yuǎn)程更新語音這一技術(shù)。

一、系統(tǒng)組成

1、音頻芯片參數(shù)介紹

該技術(shù)主要通過WiFi/4G模塊與一款音頻解碼芯片（WT2605-24SS）實(shí)現(xiàn)，音頻解碼芯片能夠?qū)崿F(xiàn)語音的更新以及存儲(chǔ)，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(dá)96dB的SNR。

3）支持音頻均衡器調(diào)整。

4）1個(gè)SPI。

5）1個(gè)IR控制器。

6）1個(gè)SD卡主機(jī)控制器。

7）1個(gè)全速USB2.0 HOST/DEVICE 控制器。

8）一個(gè)全雙工UART，通訊速率高達(dá)1Mbps，主要通過該接口與外部器件進(jìn)行交互。

?1.1、DAC參數(shù)介紹：

DAC對(duì)音頻芯片來說是一個(gè)很重要的參數(shù)，此款芯片具有16bit 的DAC，也就是DAC的轉(zhuǎn)換精度能夠達(dá)到2的16次方，精度越高，音頻播放的還原度也就越高，當(dāng)然也有24bit DAC的音頻芯片，這類芯片的價(jià)格比較高，一般用于高端的消費(fèi)類電子產(chǎn)品，如HIFI音響等。大部分產(chǎn)品使用16bit的DAC已經(jīng)足夠，性價(jià)比高，當(dāng)然市面上的音頻芯片DAC特性參差不齊，有9bit，11bit，13bit的DAC，這類語音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(zhuǎn)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(dá)到好的效果。

對(duì)于SNR，一般能夠達(dá)到90db的信噪比已經(jīng)有不俗的音質(zhì)表現(xiàn)，WT2605音頻芯片高達(dá)96db的SNR，音質(zhì)將會(huì)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(dāng)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(duì)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(duì)于一些應(yīng)用場景，語音合成直接在服務(wù)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(yuǎn)程語音更新的具體實(shí)現(xiàn)方式，主要由4G/WiFi設(shè)備連接到服務(wù)器，通過服務(wù)器把音頻數(shù)據(jù)下發(fā)，經(jīng)過4G/WiFi設(shè)備中轉(zhuǎn)傳輸?shù)?/span>WT2605語音芯片組件進(jìn)行保存，文件由WT2605組件進(jìn)行統(tǒng)一管理，更新完成后可直接控制設(shè)備下發(fā)指令進(jìn)行播放。這樣實(shí)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(shè)計(jì)

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(wù)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(jìn)行保存，傳輸完成后直接發(fā)送相關(guān)指令即可控制播放。電路設(shè)計(jì)非常簡單。

WiFi模塊通過指令，控制WT2605解碼存儲(chǔ)在SPI FLash的音頻數(shù)據(jù)，經(jīng)過LM4890功放后播放。這里以1W的功放作為演示，調(diào)節(jié)R6，R7，R8可調(diào)整功放的增益，其他功放根據(jù)具體的芯片手冊(cè)進(jìn)行設(shè)計(jì)。

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(jìn)行相應(yīng)的處理，WT2605反饋相應(yīng)的處理結(jié)果。通信數(shù)據(jù)主要以命令幀的方式進(jìn)行，一個(gè)有效的命令幀必須包含：幀頭，命令包長，命令包，校驗(yàn)碼，幀尾等五部分。

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(yàn)碼（1字節(jié)）= N+2 字節(jié)。幀頭由1個(gè)固定的十六進(jìn)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）。

命令包是具體的命令，主要包含：命令+參數(shù)。

校驗(yàn)碼，為命令包長+命令包的和。

WT2605-24SS語音芯片典型應(yīng)用場景：

1）寵物喂食器、寵物玩具；

2）掃地機(jī)；

3）充電樁；

4）語音廣告機(jī)；

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(shù)研究的高新技術(shù)企業(yè)，始終堅(jiān)持以“服務(wù)好工程師”為目標(biāo)，以行業(yè)語音交互器件標(biāo)準(zhǔn)化為方向，致力于讓復(fù)雜變簡單，提供快捷的語音、智能物聯(lián)網(wǎng)應(yīng)用解決方案。