語音芯片的應(yīng)用廣泛，應(yīng)用場景和產(chǎn)品也比較復(fù)雜，所以語音芯片的種類比較豐富，除了語音內(nèi)容的燒寫以及音質(zhì)的不同之外，語音芯片為了更好地適應(yīng)各類產(chǎn)品，它的發(fā)聲方式也是有不同的。

　　一、TTS

　　TTS發(fā)聲就是數(shù)字語音合成發(fā)聲，數(shù)字語音合成是一種人工生成語音的技術(shù)，根據(jù)設(shè)定的文字轉(zhuǎn)成符號所對應(yīng)的語音，然后再通過聲音輸出設(shè)備進行播放。它可以通過一些聲學(xué)參考模型、語言模型等技術(shù)來模擬人類的語音發(fā)聲方式，從而生成逼真的語音效果。

　　二、混合

　　綜合利用數(shù)字語音合成和錄音技術(shù)的發(fā)聲方式。通過將數(shù)字語音合成和錄音技術(shù)相結(jié)合，可以在保證語音效果的同時，兼顧節(jié)省存儲空間和實時性的要求。

　　三、錄音

　　通過錄制人類的語音，然后將其存儲在芯片內(nèi)部的存儲器中，當設(shè)備需要發(fā)聲時，直接從存儲器中讀取相應(yīng)的語音數(shù)據(jù)進行播放。這種方式有較高的語音還原度，但需要大量的存儲器空間，并且不適合實時語音交互的場景。