淺析語音芯片與語音合成芯片的異同

        語音合成技術(shù)是引領(lǐng)信息社會的重要組成部分，是廣大生產(chǎn)廠商提升其產(chǎn)品價值的重要手段。讓客戶更好的使用產(chǎn)品，莫過于直接與機(jī)器進(jìn)行交流。實(shí)現(xiàn)機(jī)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(nèi)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(fā)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(xiàn)實(shí)開發(fā)語音終端產(chǎn)品工作中，有很多的研發(fā)人員對于這兩類芯片的認(rèn)知，經(jīng)常出現(xiàn)概念上混淆，常常將語音合成芯片，誤認(rèn)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(yōu)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(dǎo)開發(fā)人員，其實(shí)這兩者是有本質(zhì)上是完全不同的。
    舉例而言，當(dāng)用戶需要最終開發(fā)的語音終端，進(jìn)行大量的不同語音實(shí)時提示時--比如檢測油量車速等功能的車載儀表，需要對當(dāng)前的油量，車速進(jìn)行實(shí)時的報告；或者類似GPS導(dǎo)航，提示現(xiàn)在是位于XX街道，當(dāng)前路面上規(guī)定的車速是什么時，也許語音芯片的研制企業(yè)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(zāi)來的時候發(fā)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(zhuǎn)化為數(shù)字，存儲在IC的ROM中，再通過電路將ROM中的數(shù)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(yè)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(jìn)行數(shù)據(jù)通信，接收CPU傳送的文本信息，并將文本信息，轉(zhuǎn)化成合成語音的方式，驅(qū)動發(fā)聲器發(fā)聲，其特點(diǎn)是：高集成度，內(nèi)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(jìn)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(jī)通過串行通信對其發(fā)送一段文本信息，再將文本信息轉(zhuǎn)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(guī)模應(yīng)用的場合下，則適合使用語音芯片，因其成本不高；缺點(diǎn)則是需預(yù)錄制語音、需重新燒錄、需校驗，這對于許多研發(fā)企業(yè)而言，其實(shí)是十分煩難的—尤其是當(dāng)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(fā)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(jī)提供的文本信息，就可自動的轉(zhuǎn)化為輸出聲音，從而在智能化人機(jī)交互方面產(chǎn)生大量的應(yīng)用，缺點(diǎn)是智能分析能力不能達(dá)到100%的正確語音發(fā)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(shù)的、截然不同的智能芯片，它內(nèi)置了中文TTS軟件或語音合成軟件核心。從未來的市場發(fā)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(dāng)然需要很長的時間，或者最終二者合二為一也不一定?，F(xiàn)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。