一、语音通道（声道 Channel）

定义

同一时刻同时采集几路语音信号。

• 单声道 Mono：1 路麦克风，语音 AI、嵌入式、机器人默认只用这个
• 立体声 Stereo：2 路左右声道，听歌用，语音识别不用
• 多通道阵列：4 麦 / 6 麦 / 8 麦阵列（PDM/TDM），用于声源定位、降噪、远场唤醒

工程约定：做人机语音、离线识别、传感器采集 → 固定 单声道 1 通道

---

二、PCM 编码（语音原始编码方式）

是什么

麦克风模拟声波 → ADC 采样 → 量化成数字采样点，这种编码就是 PCM。PCM 是所有语音的底层原始编码。

PCM 四大关键参数（绑定死）

1. 采样率：8000Hz / 16000Hz（人声标准）
2. 位深：16bit（每个采样点占 2 字节）
3. 通道：单声道 1 通道
4. 字节序：小端序（ARM 树莓派 / RK3568/3588 都是）

PCM 数据长什么样

纯二进制裸流，无表头、无任何描述信息连续排列：采样点1(2B) 采样点2(2B) 采样点3(2B)...

特点

• 无压缩、原始无损
• 体积固定、计算简单
• 必须外部记住参数，否则无法解析

---

三、语音数据传输格式（线路 / 接口上怎么传）

指开发板和麦克风之间、板内芯片之间用什么协议传 PCM 语音。

1. 模拟传输

电压波形直接传，易干扰，只适合简单板载麦。

2. 数字传输格式（主流）

• I2S：传立体声 / 高保真 PCM，收发分离，适合 Codec、喇叭 + 录音
• PDM：单线时钟 + 数据，一串可挂多麦，专用麦克风阵列
• PCM (串行 PCM)：窄带语音、对讲机、低带宽传输
• TDM：时分复用，一条线传 8~16 路多通道麦阵列
• USB 音频：封装好的 PCM 流式传输，即插即用

一句话：传输格式 = 物理接口协议，负责把 PCM 数据从麦克风送到主控芯片

---

四、语音数据存储格式（存到文件 / Flash 怎么放）

分两类：裸流存储、封装存储

1. 裸流存储（无压缩、无文件头）

• 格式：PCM / RAW
• 后缀：.pcm .raw .bin
• 内容：直接存原始 PCM 二进制
• 用途：嵌入式缓存、AI 模型输入、中间数据流、低开销存储
• 缺点：不自带采样率 / 通道信息，程序里要硬编码约定

2. 封装存储（带文件头，自带参数）

• WAV：无损封装，头信息 + PCM 数据，通用可直接播放
• FLAC：无损压缩
• OPUS/AMR：语音专用有损压缩，体积小适合网络 / 闪存
• MP3/AAC：音乐压缩，不适合 AI 语音原始数据

---

五、WAV 文件本质拆解

公式

WAV 文件 = WAV 文件头 (44 字节) + PCM 原始裸数据

• 头部：记录采样率、位深、通道、时长等参数
• 后面主体：就是纯 16k/16bit / 单声道 PCM

特点

• 有头信息，不用人工记参数
• 无压缩、无损
• 电脑、播放器、Python 都能直接打开
• 开发调试、语音数据集首选 WAV

操作小技巧

把 WAV 前 44 字节删掉，剩下的就是标准 PCM 裸流；给 PCM 加上标准 44 字节头，就能变成 WAV 直接播放。

---

六、整条语音全链路串起来

麦克风 →语音通道 (1 通道单麦) →传输格式 (I2S/PDM/USB) →ADC 采样生成 PCM 编码 →程序可存为：

• 裸存储：.pcm/.raw
• 封装存储：.wav/.opus/.amr

---

七、工程选型总结（树莓派 4B/5、RK3568/RK3588）

1. 语音通道：固定 单声道 1 通道
2. 编码：16k 16bit 单声道 PCM
3. 传输：近场 I2S、多麦阵列 PDM、省事用 USB
4. 中间处理 / 算法输入：存 PCM 裸流
5. 调试 / 给人播放 / 归档：存 WAV
6. 网络传输 / 省空间：转 OPUS