特点

• 支持任意中文文本、英文文本的合成，并且支持中英文混读;
• 支持语音编解码功能，用户可以使用芯片直接进行录音和播放;
• 集成简单的语音识别功能，可以支持30个命令词的识别并可定制;
• 芯片内部集成80种常用提示音效，可适用于不同场合的信息提示、铃声、警报等功能；
• 支持UART、I2C 、SPI三种通讯方式；UART串口支持4种通讯波特率：4800 bps、9600 bps、57600 bps、115200 bps 。
• 可采用GB2312、GBK、BIG5和UNICODE四种编码方式;
• 每次合成的文本量最多可达4K字节;
• 能对文本进行智能分析，对常见的数字、号码、时间、日期、度量衡符号等格式的文本，芯片能够根据内置的文本匹配规则进行正确的识别和处理;
• 对一般多音字也可以依据其语境正确判断读法;
• 可通过“文本控制标记”，实现对语音合成中复杂多变需求的参数设置，可满足用户对语音合成发音人、音量、语速、语调等的变化调节。
• 男女发音人各2人。

详细描述

芯片系统结构图

一般应用中语音合成系统最小系统需要包括：控制器模块、XFS5152CE 芯片、功放模块、喇叭。如果需要使用语音识别功能、或者语音编解码功能，系统中还需要增加麦克风。
语音合成系统中，主控制器和 XFS5152CE 芯片之间可以通过 UART 接口、或者 I2C 接口、或者 SPI 接口连接，控制器可通过上述通讯接口向 XFS5152CE 芯片发送控制命令和文本，XFS5152CE 芯片接收到文本后合成为语音信号输出，输出的信号经功率放大器进行放大后连接到喇叭进行播放。
用户在使用语音识别功能时，上位机发送启动语音识别功能的命令给语音芯片，芯片把从麦克风采集到的语音数据，通过内部的识别模块进行转换成相应的识别结果，通过通讯接口回传给控制器。
用户在使用语音编解码功能时（通讯接口必须选择 UART 接口，并且波特率设置为115200bps），上位机发送启动编解码的命令给语音芯片，芯片内部的语音编解码模块把采集到的音频数据进行编码并通过 UART 接口实时传送给上位机，或者对上位机传送来的音频数据进行解码并实时播放出来。

封装信息

功能描述

• 支持任意中文文本、英文文本的合成，并且支持中英文混读

  芯片支持任意中文、英文文本的合成，可以采用 GB2312、GBK、BIG5 和 UNICODE 四种编码方式。每次合成的文本量最多可达 4K 字节。

  芯片对文本进行分析，对常见的数字、号码、时间、日期、度量衡符号等格式的文本，能够根据内置的文本匹配规则进行正确的识别和处理；对一般多音字也可以依据其语境正确判断读法；另外针对同时有中文和英文的文本，可实现中英文混读。

• 支持语音编解码功能，用户可以使用芯片直接进行录音和播放

  芯片内部集成了语音编码单元和解码单元，可以进行语音的编码和解码，实现录音和播放功能。芯片的语音编解码具备高压缩率、低失真率、低延时的特点，并且可以支持多种语音编码解码速率。这些特性使它非常适合于数字语音通信、语音存储以及其它需要对语音进行数字处理的场合。如：车载微信、指挥中心等。

• 支持语音识别功能

  可支持 30 个命令词的识别。芯片出默认设置的是 30 个车载、预警等行业常用识别命令词。客户如需要更改成其他的识别命令词，可进行命令词定制（这个定制是指找科大讯飞定制芯片，这一般人可承受不起）。

• 芯片内部集成 80 种常用提示音效

  适合用于不同场合的信息提示、铃声、警报等功能

• 支持 UART、I2C 、SPI 三种通讯方式

  UART 串口支持 4 种通讯波特率可设：4800 bps、9600 bps、57600 bps、115200 bps, 用户可以依据情况通过硬件配置选择自己所需的波特率。

• 支持多种控制命令

  如合成文本、停止合成、暂停合成、恢复合成、状态查询、进入省电模式、唤醒等。

  控制器通过通讯接口发送控制命令可以对芯片进行相应的控制。芯片的控制命令非常简单易用，例如：芯片可通过统一的“合成命令”接口播放提示音和中文文本，还可以通过标记文本实现对合成的参数设置。

• 支持多种方式查询芯片的工作状态

  包括：查询状态管脚电平、通过读芯片自动返回的工作状态字、发送查询命令获得芯片工作状态的回传数据。

引脚定义

芯片供64个引脚，每个引脚的定义这里没必要赘述，详见资料下载中的芯片数据手册的第9页。

通讯接口

XFS5152CE 芯片支持 UART 接口、I2C 接口、SPI 接口三种通讯方式，可通过 UART 接口、I2C 或 SPI 接口接收上位机发送的命令和数据，允许发送数据的最大长度为 4k 字节。

UART通讯模式

UART 通讯接口支持 4 种通讯波特率：4800bps、9600bps、57600bps、115200bps，可以通过 XFS5152CE 芯片上的两个管脚 BAUD1（56 引脚）、BAUD2（55 引脚）上的电平来进行硬件配置。

I2C 通讯模式

XFS5152CE 采用标准 I2C 总线接口，作为 Slave 身份, 设备地址为: 0x80。

为保证通讯的稳定性，XFS5152CE 的 I2C 接口通信速度要求不高于 15KHz。详见数据手册。

SPI 通讯模式

XFS5152CE芯片的SPI接口是4线全双工同步串行通讯接口，上位机作为SPI通讯中的Master身份，XFS5152CE 在 SPI 通讯中设为 Slave 身份，SPI 通讯所需的时钟信号由上位机提供。

为保证通讯的稳定性，XFS5152CE 的 SPI 接口通信速度要求不高于 25KHz。上位机在和 XFS5152CE 的通讯中，由上位机提供同步时钟信号，在同步时钟的上升沿XFS5152CE锁存1bit数据，每传输8bits数据完成一个字节数据的传输。详见数据手册。

芯片空控制方式

控制命令

XFS5152CE 支持多种控制命令，列表如下：

芯片回传
 
上电初始化成功时或者收到上位机的控制命令帧时，XFS5152CE 芯片都会向上位机发送 1个字节的回传数据，上位机可根据这个回传来判断芯片目前的状态。

另，详细的通讯协议，还是请参见 芯片数据手册。

文本控制标记

XFS5152CE 芯片的语音合成功能支持多种文本控制标记，可以满足用户对语音合成发音人、音量、语速、语调等的设置。

文本控制标记的格式一般是半角中括号（即“[]”）内一个小写字母、一个阿拉伯数字，如：[m3]，标记的使用方法和合成文本完全一致。通讯协议详见本开发指南的“8.2.1 语音合成命令”章节。

用户可以把标记作为文本单独发送到芯片上，如：只发送“[v3]”到芯片上设置合成音量为3 级，或者把标记和其他要合成的文本放在一起发送给芯片上,如：“[v3]我在小声说话，[v10]我在大声说话”。

标记只是作为控制标记实现设置功能，不会合成为声音输出。如：“[s1]我慢条斯理。[s8]我快言快语”中，经过标记的设置，前一句合成语速会很慢，后一句合成语速会很快，但不会读出“s1”和“s8”。

文本控制标记列表

注意：

1. 所有的控制标识均为半角字符。
2. 控制标识需要按照语音合成命令的格式发送，控制标记作为文本进行合成，即合成命令是“帧头 + 数据区长度 + 合成命令字 + 文本编码格式 + 控制标记文本”的格式。
3. 控制标识为全局控制标识，也就是只要用了一次，在不对芯片 进行 复位 、或 断电 、或使用[d]恢复默认设置 的条件下，其后发送给芯片的所有文本都 会处于它的控制之下。
4. 当芯片掉电或是复位后 ，原来的设置过的标识会失去作用 ，芯片将恢复到所有的默认值。

语音识别命令词

XFS5152CE 芯片可支持 30 个命令词的识别。芯片出默认设置的是 30 个车载、预警等行业常用识别命令词。

典型应用电路

同系列介绍

XFS3031CNP

科大讯飞在语音合成方面，只出品了2款芯片，除了XFS5152CE，另一款是XFS3031CNP，功能就要逊色很多，是个简易版本的中英文语音合成芯片。

• 文本合成量仅199字节
• 仅支持音量调节
• 发音人只有一个 女声
• 封装也是LQFP64