概述：本文主要介绍一种远程更新语音技术的实现方式，在一些产品应用上，常常会遇到一些需要不停更换语音的场景（如宠物喂食器、宠物玩具需要经常更换声音，充电桩设备需要更换提示语等等），市面上常用的一些语音芯片大多都无法直接更换语音内容，因此会存在一些无法避免的痛点，有些产品会使用流媒体功能的芯片去播放，但是往往也伴随着巨大的流量消耗以及网络传输延迟，播放卡顿等现象，本文介绍的这一技术可降低对流量的消耗，下面着重介绍如何实现远程更新语音这一技术。
一、系统组成
1、音频芯片参数介绍
该技术主要通过WiFi/4G模块与一款音频解码芯片（WT2605-24SS）实现，音频解码芯片能够实现语音的更新以及存储，WT2605-24SS这款音频解码芯片的参数如下：
1）带有DSP指令的32-bit高性能CPU。
2）16 bit DAC音频解码器,高达96dB的SNR。
3）支持音频均衡器调整。
4）1个SPI。
5）1个IR控制器。
6）1个SD卡主机控制器。
7）1个全速USB2.0 HOST/DEVICE 控制器。
8）一个全双工UART，通讯速率高达1Mbps，主要通过该接口与外部器件进行交互。
- 1 DAC参数介绍：
DAC对音频芯片来说是一个很重要的参数，此款芯片具有16bit 的DAC，也就是DAC的转换精度能够达到2的16次方，精度越高，音频播放的还原度也就越高，当然也有24bit DAC的音频芯片，这类芯片的价格比较高，一般用于高端的消费类电子产品，如HIFI音响等。大部分产品使用16bit的DAC已经足够，性价比较高，当然市面上的音频芯片DAC特性参差不齐，有9bit，11bit，13bit的DAC，这类芯片的解码通常都依靠软件解码的方式去处理，一般音频文件大部分都是16bit，将16bit的音频文件通过软解码的方式转为9bit，11bit或13bit的音频播放，效果可想而知。16bit的DAC直接通过硬件解码16bit的音频才能够达到最好的效果。
对于SNR，一般能够达到90db的信噪比已经有不俗的音质表现，此款IC高达96db的SNR，音质将会表现更加出色。
- 2 音频格式介绍：
此款芯片主要支持mp3格式，当然也支持WAV，flac，ape等音频格式播放，一般主要推荐使用mp3格式音频，这类音频资源较多，文件容量较小，大部分场景都能够满足，比较通用，WAV，flac，ape等都是无损音频格式，文件容量都比较大，不太适用于语音更新的场景。
- 3 语音合成介绍：
对于提示语音，一般可以通过文字合成语音的方式处理，如下：
我们将语音下载下来，用Adobe audition软件打开音频看下音频文件信息：
?
可以看到合成出来的是16k，16bit的mp3音频文件，对于一些应用场景，语音合成直接在服务器端处理即可，这里不做过多介绍。
2、系统框图介绍：
上图介绍了远程语音更新的具体实现方式，主要由4G/WiFi设备连接到服务器，通过服务器把音频数据下发，经过4G/WiFi设备中转传输到WT2605组件进行保存，文件由WT2605组件进行统一管理，更新完成后可直接控制设备下发指令进行播放。这样实现了语音的更新操作，流量也只消耗在音频数据的传输上，相比流媒体播放的方式减少了流量消耗，播放卡顿等现象。
二、电路设计
1、WT2605与WiFi模块电路
2.上述电路以WiFi模块作为主控，WiFi模块获取服务器端下发的音频数据，再通过UART串口传输到WT2605芯片进行保存，传输完成后直接发送相关指令即可控制播放。电路设计非常简单。
WiFi模块通过指令，控制WT2605解码存储在SPI FLash的音频数据，经过LM4890功放后播放。这里以1W的功放作为演示，调节R6，R7，R8可调整功放的增益，其他功放根据具体的芯片手册进行设计。
三、通讯命令格式介绍
通信协议主要定义主控和 WT2605之间的交互规则，处理器如何将数据推送给WT2605进行相应的处理，WT2605反馈相应的处理结果。通信数据主要以命令帧的方式进行，一个有效的命令帧必须包含：帧头，命令包长，命令包，校验码，帧尾等五部分。
?
| 帧头 | 命令包长 | 命令包 | 校验码 | 帧尾 |
| 0x7E (1字节) | 0xXX (1字节) | 数据 (N字节) | 0xXX (1字节) | 0xEF (1字节) |
?
帧头由1个固定的十六进制数据表示，帧类型包含下传命令帧（模组接收的命令帧）以及上传命令帧（模组接收数据后反馈的命令帧，即ACK或NAK）。
命令包长表示命令帧除帧头和帧尾外的字节数，即命令包长（1字节）+命令包（N字节）+校验码（1字节）= N+2 字节。
命令包是具体的命令，主要包含：命令+参数。
校验码，为命令包长+命令包的和。
| 名称 | 长度 | 说明 |
| 帧头 | 1字节 | 定义为十六进制的“0x7E” |
| 命令包长 | 1字节 | 命令帧去除帧头和帧尾的字节数，N + 2字节 |
| 命令包 | N字节 | 命令字 + 参数，详情参考每条命令的说明 |
| 校验码 | 1字节 | 校验和 = [∑(命令包长+命令包)]?& 0xFF |
| 帧尾 | 1字节 | 定义为十六进制的“0xEF” |
?
WT2605-24SS芯片典型应用场景：
- 宠物喂食器、宠物玩具；
- 扫地机；
- 充电桩；
- 语音广告机；
- 共享自行车、充电宝等。
唯创知音作为一家专注于语音技术研究的高新技术企业，始终坚持以“服务好工程师”
为目标，以行业语音交互器件标准化为方向，致力于让复杂变简单，提供快捷的语音、智能
物联网应用解决方案。