芯耀
与非AI
176
报警语音在工业设备里的难题
做工业设备的工程师多半遇到过这种事。设备上要播的语音条数越来越多，正常开机提示、运行状态播报、故障报警、维护提醒、安全警告，加起来几十条甚至上百条。一开始用小容量 OTP 芯片还能应付，条数一多就不够用了。换大容量芯片，成本又上去了。
更大的麻烦在报警优先级上。工业设备运行时，语音芯片可能正在播放一段正常运行状态提示，比如"设备运行中，请勿靠近"。这时候突然检测到故障，需要立刻插播一条紧急报警语音"温度过高，请立即停机检查"。传统语音芯片做不到这件事。它要么得先发停止命令停掉当前播放，再发播放命令播报警语音，报警播完后再手动恢复之前的播放。中间的指令间隔加起来有好几百毫秒，对紧急报警来说太慢了。有些芯片干脆没有插播功能，只能停了再播，之前播到哪一段、播了多少进度，全部丢失。
存储介质也是个问题。很多工业设备出厂时语音内容是固定的，但后续客户可能要更新语音版本，或者不同客户要求不同的语音内容。如果语音存在 OTP 芯片里，改一次内容就得换芯片，量产维护成本很高。用外挂 Flash 可以解决更新问题，但容量上限受制于芯片选型，而且不同应用场景对容量的需求差异很大，一种存储方案不一定能覆盖所有产品线。
还有一个容易被忽略的点。工业设备的语音内容往往涉及客户定制，比如某家设备厂商的报警语音里包含了他们自己的安全规程文案，不希望被随意复制。传统方案把音频文件直接放在 Flash 根目录里，谁拿到设备拆开 Flash 就能读出来，没有保密手段。
WT2003Hx 用多存储介质和插播功能解决这些问题
WT2003H 是唯创知音的高品质语音芯片，这颗芯片有两个功能特别适合工业报警场景，一个是多存储介质支持，一个是插播指令。
先说多存储介质。这颗芯片同时支持四种存储方式。片内内置 Flash 有两个容量版本，WT2003H4 内置 180KByte，WT2003HP8 内置 701KByte。片外 SPI Flash 最大支持 128Mbit。TF 卡最大支持 32G。U盘最大支持 32G。四种存储可以按选型版本灵活组合，A01 版本同时支持外挂 Flash、TF 卡和 U盘，A02 版本支持 TF 卡和 U盘但不支持外挂 Flash，A20 版本只支持片内 Flash，A21 版本支持片内和片外 Flash 但不支持 TF 卡和 U盘。
工业设备里用多存储介质有一个直接好处。可以把不同类别的语音分开放。比如正常提示语音放在片内 Flash 里，出厂时固化好，不轻易改动。客户的定制报警语音放在外挂 SPI Flash 里，需要更新时通过 USB 接口连电脑拖拽替换。如果设备部署在现场后需要远程更新语音，维护人员可以带一张 TF 卡到现场插卡更新，不用拆机。三种存储介质的播放指令各自独立。片内 Flash 用 9D/9E，片外 Flash 用 A0/A1，TF 卡和 U盘也有对应的 A2/A3 和 A6/A7 指令。主控 MCU 可以按需切换播放来源。
再说插播。规格书里有一条 B1 插播指令，专门处理这种"正在播放 A，需要紧急插入 B"的场景。它的工作方式是这样的。芯片正在播放某首曲目时，主控发送 B1 指令，芯片会暂停当前曲目，转去播放 B1 指令指定的那首曲目，等这首插播曲目播完后，自动接着播放原来被暂停的曲目，从暂停位置继续。整个过程主控只需要发一条指令，不需要手动管理暂停、切换、恢复的时序。
B1 指令的标示字区分了插播来源。00 表示从 Flash 里插播指定索引地址的曲目，01 表示从 TF 卡里插播，02 表示从 U盘里插播。这意味着正常提示语音可以放在片内 Flash 里循环播放，紧急报警语音放在 TF 卡或外挂 Flash 里，报警触发时用 B1 指令从对应存储介质里插播，互不干扰。
有一点需要注意。B1 指令只在播放状态下有效，停止状态下发送插播指令不会执行。而且第一次插播还没播完时，发第二次插播指令会被忽略，必须等第一次插播曲目播完才能再次插播。不支持在内置固定语音（9F 指令播放的出厂固化语音）播放过程中插播。工业设备软件设计时要考虑这些限制，如果报警优先级有多级，高优先级报警需要在低优先级插播完成后才能发出，可以在主控端做一个简单的排队逻辑。
文件包加密保护客户定制内容
规格书 V2.00 版本新增了一组文件包指令（90~95），V2.02 版本又增加了 96 和 97 指令。文件包是把单个或多个音频文件打包成一个类似文件夹的包，包里面的音频文件不可见也不可更改，具有保密性。文件包支持三种存储介质，片内 Flash 用 95/92 指令，片外 Flash 用 94/91 指令，TF 卡用 93/90 指令，片外 Flash 文件夹用 96/97 指令。
这个功能对工业设备客户定制场景很有用。设备厂商可以把定制的报警语音打包成文件包烧录到芯片里，终端用户或者竞争对手拿到设备后，即使通过 USB 接口连上电脑，也只能看到文件包的存在，看不到包里面的具体音频文件，无法提取和复制。文件包名固定 5 字节，支持大小写字母和数字，文件名最多 8 字节。文件包需要联系唯创业务制作，不是用户自己能打包的，这也保证了内容管理的规范性。
BUSY 引脚和外设状态检测
工业设备的报警系统对同步精度有要求。主控 MCU 需要知道语音芯片当前是否在播放，来判断报警语音是否已经播完，是否可以发送下一条指令。WT2003Hx 的 BUSY 引脚提供了这个功能。平时 BUSY 输出低电平，播放时输出高电平，播放结束后自动拉低。主控 GPIO 配置为输入模式直接读取 BUSY 电平，就能知道播放状态，不需要通过串口查询。
除了 BUSY 被动检测，芯片还有一个 CA 指令可以主动查询外设连接状态。返回值的低 4 位分别表示 PC 连接、U盘、SD 卡和 SPI Flash 的存在状态，0 表示不存在，1 表示存在。当 SD 卡或 U盘插入或拔出时，芯片会主动返回一个状态码通知主控，不需要主控轮询查询。工业设备如果在运行过程中需要支持插卡更新语音，主控可以靠这个中断式通知来触发更新流程，平时不用花精力轮询。
语音内容更新方式
工业设备部署到现场后，语音内容的更新方式直接影响维护成本。WT2003Hx 通过 USB 接口连接电脑后，电脑上会直接显示 Flash 或 TF 卡的盘符，跟插了一个 U盘一样。直接从电脑拖拽音频文件到盘符里就完成了更新，不需要专用烧录器，不需要拆机，也不需要安装配套软件。拷贝完成后拔掉 USB 线，芯片就恢复到串口控制模式，可以正常播放了。
有一点要注意。USB 连接到电脑期间，串口发码无响应。也就是说 PC 模式和串口控制模式不能同时工作。更新语音时设备需要暂停正常运行，拔掉 USB 线后再恢复。对于不停机的工业设备，更新语音的窗口期需要提前规划好。
音频文件在 Flash 或 TF 卡里的索引顺序是按拷贝先后排列的，不是按文件名排序。这点在更新语音时要特别注意。如果只想替换某一条语音而不打乱其他语音的顺序，建议用文件名播放指令（9E/A1/A3/A7 等），而不是索引播放指令。文件名播放指令直接按文件名查找，不受拷贝顺序影响。
FAT 格式盘符根目录最多支持 255 个音频文件索引，FAT32 格式根目录最多支持 65000 个。工业设备的报警语音条数通常在几十条到一两百条之间，FAT 格式基本够用。如果需要多语言版本或者大量提示音，建议用 FAT32 格式，或者把音频分类放进文件夹里。
芯片关键参数
WT2003Hx 采用 32 位处理器，最高主频 120MHz。工作电压 2.6V 到 5.0V，电源纹波需控制在 5% 以内，电源峰值不能超过 5.5V。用在高压工业产品上时，建议降压到 5V 供电，并增加 5V 单向 TVS 管，结电容选 10pF 左右，触发电压小于 7V，IPP 电流大于 25A。
芯片内置 0.5W D 类功放，默认 SPK 输出，可通过 B6 指令切换为 DAC 输出外接更大功率的功放，切换功能具备掉电记忆。音量支持 0 到 31 共 32 级数字调节，也具备掉电记忆。音频格式支持 MP3 和 WAV，采样率 8K 到 44.1KHz，码率 8 到 320kbps。
低功耗方面，深度休眠功耗在 5μA 以内，原地休眠功耗在 30μA 以内，测试条件是 3.3V 供电、单芯片或单芯片加外挂 Flash。对于电池供电的工业传感器和无线报警设备，这个待机功耗可以接受。唤醒方式是发送 00 或任意指令，深度休眠唤醒后会重新挂载盘。
通信接口是标准 UART 异步串口，默认波特率 9600bps，可通过 FB 指令在 4800 到 921600 范围内调整，误差在 5% 左右。通信高电平不超过 3.3V，属于 TTL 电平。如果主控 MCU 的电平与语音芯片不匹配，需要加电平转换电路。
上电初始化时间 500ms 到 1s。因为 WT2003Hx 采用 PC 模式架构，上电后需要挂载文件系统，初始化时间比普通语音 IC 要长。建议上电 1s 后再与语音芯片建立通信连接，开始发码控制。发送每条指令后建议间隔 200 到 300ms 再发下一条，并通过返回码确认上一条指令的执行结果。
封装有三种。SOP16 适合空间充裕的产品，TSSOP24 引脚更多可以扩展更多 IO 功能，QFN32 封装尺寸只有 4mm 乘 4mm，适合 PCB 面积受限的小型工业模块。IO 口最大可直接驱动 64mA。
电路设计几个要点
电源去耦必须到位。VCC 和 VOUT 两个引脚必须在距离芯片管脚 1cm 以内各接一个 10μF 电容到地，回路要短。规格书特别强调，不接电容芯片工作不稳定，会导致无法播放或播放中断。没有外挂 Flash 时 VOUT 也需要接电容。DAC 输出模式下，可以在 VCC 原有 10μF 电容基础上再并联一个 0.1μF 电容进一步滤波，降低电源纹波造成的底噪。
AGND 和 GND 在外接功放时需要用 0Ω 电阻隔离。语音芯片的 GND 和功放的 GND 应该分开走线，最后单点汇接到电源地，避免共地回路引入噪声。这条规则在工业设备里尤其重要，因为工业环境电磁干扰多，地线处理不好会直接影响报警语音的清晰度。
建议画板时预留 USB 接口，并把语音芯片的烧录口作为测试点全部引出在 PCB 板上。这样做有两个好处。一是用户可以通过 USB 接口更换 Flash 或 TF 卡内的音频文件，如果出现异常或混料，不用拆芯片，可以在线刷写。二是备货之后如果客户突然要新增功能，可以通过 U盘升级程序。
规格书有一条重点注意。外挂 Flash 建议使用唯创提供的 Flash，其他厂商的 Flash 在音频播放过程中可能出现杂音、爆音、无法播放等异常。原因是不同品牌 Flash 芯片在电气特性、时序参数、数据读写机制上存在差异。建议在 PCB 设计时将 150mil 和 208mil 两种尺寸兼容画上，方便备货。
结语
工业设备报警语音设计的核心难点不在音质，在于报警优先级管理和语音内容维护。WT2003Hx 的插播指令解决了报警打断正常播放的问题，多存储介质支持解决了语音分类和容量扩展的问题，文件包加密解决了客户定制内容保护的问题，USB 模拟 U盘更新解决了现场维护的问题。这几个功能组合在一起，覆盖了工业报警场景的主要需求。
