离线语音识别芯片从选型到量产：手把手带你走完完整流程

信息摘要：

很多工程师第一次做语音识别项目时，面对一堆芯片型号不知道该选哪颗。选贵了成本扛不住，选便宜了识别距离不够，选错了封装还得改板子。本文以唯创知音7款离线语音识别芯片为线索，从实际产品场景出发，讲清楚每颗芯片适合什么产品、怎么设计硬件、怎么调通串口、怎么避坑量产，帮助开发工程师少走弯路。

一、先搞清楚你的产品需要什么

在选芯片之前，先问自己四个问题。

第一，识别距离要多远？装在台灯上，用户嘴离麦克风也就半米，2米够用。装在客厅吸顶灯上，人可能在3米外喊，5米才踏实。装在智能马桶上，人弯腰靠近，1到2米足够。

第二，词条要多少条？一个智能开关面板，开灯关灯调亮调暗，七八条指令就够了。一个养生壶要煮花茶煮咖啡煲汤保温，十五到二十条。一个高端智能家居中控，要控制多个设备，可能需要几十甚至上百条。

第三，要不要播报语音？有些产品只需要识别后发串口指令控制继电器，不需要说话。有些产品需要语音反馈，比如识别到打开灯光后播报一句灯光已打开，体验更好。

第四，电路板空间有多大？空间紧张的手持设备，8脚封装是刚需。空间充裕的白电产品，16脚或24脚都行。

把这四个问题想清楚，选型就不再纠结了。

二、7颗芯片分别适合什么产品

成本敏感的简单控制产品，选WTK6900P

如果你做的是智能开关面板、小夜灯、晾衣架这类产品，词条不超过15条，识别距离2米以内，WTK6900P是最省心的选择。

这颗芯片只有8个脚，ESOP8封装，比你的指甲盖还小。外围电路极其简洁，内置0.5瓦D类功放，不用再外接功放芯片就能直接推喇叭。工作电压2.4V到5.0V，休眠电流只有5微安，电池供电的产品也能用。

很多工程师担心8脚芯片功能会不会太弱。实际上WTK6900P内置32位CPU处理器和完整的语音识别算法，识别精准度和误判率表现并不差。它的核心优势就是用最少的引脚和最低的物料成本，实现够用的语音控制功能。

一个典型的应用场景是智能开关面板。唤醒词设成小蜂管家，命令词设成打开灯光、关闭灯光、调亮灯光、调暗灯光、调到黄光、调到白光，加上唤醒后播报我在，识别后播报灯光已打开，整个交互体验已经非常完整。

中等复杂度的家电产品，选WTK6900HA

养生壶、饮水机、洗碗机这类厨房家电，功能模式多，词条数量比开关面板多一些，识别距离3米左右就够，WTK6900HA是一个很好的平衡点。

WTK6900HA采用32位内核主频192MHz，支持3米远场识别，内置512KB或1MB SPI FLASH。相比WTK6900P，它的封装选择更多，SOP16、SSOP24、QFN32三种可选，引脚多了，能接的外设也多了。双通道16位DAC信噪比大于等于95dB，音质比WTK6900P更好。工作电压2.8V到5.2V，还支持USB 2.0 OTG。

要远场识别或蓝牙功能，选WTK6900HC

客厅吸顶灯、智能窗帘、智能晾衣架这类产品，用户可能在3到5米外喊，WTK6900HC的5米远场识别能力就派上用场了。

WTK6900HC的32位内核主频提升到240MHz，支持硬件浮点运算，内置1MB、2MB或4MB SPI FLASH三种容量可选。最大的亮点是集成了蓝牙V5.1模块，发射功率正6dBm，接收灵敏度负90dBm。如果你的产品除了语音识别还需要蓝牙连接手机App，一颗芯片搞定两件事，省掉了外挂蓝牙模块的成本。

封装同样是SOP16、SSOP24、QFN32三种。工作电压2.8V到5.2V，双通道16位DAC，音质表现和WTK6900HA同级。

要大量词条和自学习功能，选WTK6900FC

高端智能家居中控、智能音箱、需要语音控制多个设备的场景，WTK6900FC是目前唯创知音离线语音识别芯片中功能最强大的一颗。

它搭载BNPU V3神经网络处理单元，支持DNN、TDNN、RNN、CNN等多种神经网络模型，5到8米远场识别，最多支持300条离线命令词条。更重要的是支持命令词自学习功能，用户可以通过特定流程训练芯片识别新的命令词，不用重新烧录固件。

WTK6900FC采用SSOP24封装，CPU主频220MHz，内置2MB Flash和640KB SRAM，工作电压3.6V到5.5V，提供3路UART和1路IIC接口，接外设的能力很强。

在WTK6900FC的基础上，还有两个专用版本值得提一下。WTK6900FC鼾声识别版内置鼾声识别算法，经过千万级样本训练，抗干扰能力强，适合智能床垫、智能枕头等睡眠健康产品。WTK6900HD4则是专为婴儿哭声检测设计的芯片，支持0到3岁婴儿哭声识别，65dB环境下识别率大于95%，采用SOP16封装，工作电压2.4V到5.2V。它不需要串口指令交互，15脚直接输出高低电平信号，识别到哭声输出300毫秒高电平脉冲，MCU读取GPIO就行，开发极其简单。

对音质有极高要求，选WT2606A3

如果你做的是智能音箱、高端音响这类对音质要求很高的产品，WT2606A3是唯一的选择。

这颗芯片的双通道24位DAC信噪比达到105dB，双通道24位ADC信噪比达到95dB，在7颗芯片中音频性能最强。支持MP2、MP3、WMA、APE、FLAC、AAC、M4A、WAV、OPUS等多种音频解码格式，连无损格式都支持。还支持多麦克风环境噪音消除、打断唤醒和连续识别。

采用QFN42封装，32位内核主频160MHz，内置2MB或4MB SPI FLASH，3米远场识别。需要注意的是工作电压2.2V到4.5V，最高不能超过4.5V，和5V系统对接时要做降压处理。

三、词条定制其实很简单

选定芯片后，下一步是定制语音词条。唯创知音提供了在线语音平台，开发者可以自己创建工程、设置唤醒词和命令词、编辑播报语音、生成固件，全程不需要写代码。

操作流程是这样的。第一步登录平台创建新工程，第二步设置唤醒词，第三步设置命令词，第四步编辑播报内容，第五步生成固件并下载，第六步用离线下载器烧录到芯片。

几个实操经验分享给你。

唤醒词建议选3到4个音节的词，避免用日常高频用语。比如小蜂管家就比小宝好，因为小宝在日常对话中太容易出现了，会导致误唤醒。

命令词之间不要有包含关系。比如打开灯光和打开灯光调亮，后者包含前者，识别时容易混乱。另外相似发音的词也要避开，打开和关上发音太接近，改成打开和关闭就清晰多了。

命令词长度建议3到5个字。太短容易误识别，太长用户记不住也说不利索。

支持中文、英文、中英文混合识别，具体词条内容可以根据产品需求灵活定制。

四、硬件设计这几个坑要避开

MIC电路别马虎

语音识别的第一道关就是麦克风，MIC电路做不好，芯片再好也白搭。

VCC和VOUT管脚必须靠近芯片1厘米以内接106电容到地，回路不能过长。这句话听起来简单，但很多工程师在实际画板时为了走线好看，把电容放得离芯片远远的，结果电源噪声直接耦合到MIC信号里，识别率断崖式下降。

MIC供电走线要短，避免引入电源噪声。差分MIC设计和单端MIC设计的电路不同，无单片机发码控制方案用差分MIC，单片机发码控制方案用单端MIC。画原理图之前先确认好方案，别画到一半发现MIC接法不对。

串口电平要匹配

语音芯片和上位机MCU通过UART串口通信，接口电平是3.3V TTL。语音芯片的TX接MCU的RX，语音芯片的RX接MCU的TX。

如果你的MCU是5V系统，必须加电平转换电路。以WTK6900P为例，第8脚耐压值3.3V，直接接5V MCU的串口脚，轻则通信不稳，重则烧引脚。加一个三极管转换电路就能解决，成本几分钱。

电源电压别搞错

7颗芯片的工作电压范围不完全一样，设计前一定要确认。

WTK6900P是2.4V到5.0V，WTK6900HA和WTK6900HC是2.8V到5.2V，WTK6900FC是3.6V到5.5V，WTK6900HD4是2.4V到5.2V，WT2606A3是2.2V到4.5V。

特别要注意WT2606A3，最高电压4.5V，不能直接接5V电源。如果你的系统是5V供电，WT2606A3这边要加一个LDO降压到3.3V或4.2V。

音频输出看需求选方案

WTK6900P内置0.5W D类功放，直接推喇叭就行，最省事。WTK6900HA和WTK6900HC的DAC支持直推式输出，也能外接功放获得更大功率。WT2606A3的双通道24位DAC音质最好，适合对音质有要求的产品。

五、串口开发掌握了规律就很简单

先理解数据帧结构

全系列芯片的UART协议格式是统一的。标准UART异步串口，3.3V TTL电平，起始位1位，数据位8位，无校验位，停止位1位。

数据帧的结构是：起始码7E加长度加扩展码加命令码加词条ID加校验和加结束码EF。长度是指从长度字节到校验和的总字节数。校验和是长度加扩展码加命令码加词条ID的累加和取低字节。

六条核心指令够用了

实际开发中，掌握以下六条指令就能完成大部分功能。

查询软件版本，发送7E 03 C0 C3 EF，芯片返回7E 1C C0加版本号字符串加校验和EF。版本号是16进制转字符串，比如WTC250820-A9-K6-S001V1.01。量产时用这条指令确认固件版本，建立追溯台账。

设置音量，音量分1到5级，带掉电记忆。设1级发送7E 07 FF 06 A1 00 01 AE EF。

发码控制唤醒，发送7E 06 FF 06 A7 00 B2 EF，芯片返回7E 06 FF 06 A7 05 B7 EF表示唤醒成功。

发码控制退出唤醒，发送7E 06 FF 06 A7 FF B1 EF，芯片返回7E 06 FF 06 00 FF 0A EF表示退出成功。

进入低功耗，发送7E 06 FF 06 02 00 0D EF，芯片返回7E 06 FF 06 02 01 0E EF表示已进入低功耗。任意发码即可退出，适合电池供电产品。

应答指令，MCU发码7E 07 FF 06 A0 00 01 AD EF让芯片播报语音，芯片播报完成后返回7E 06 FF 06 A0 05 B0 EF告诉MCU执行成功。这条指令在MCU需要确认播报状态时很有用。

两个特殊芯片的开发方式不一样

WTK6900HD4哭声检测芯片不需要串口指令，15脚直接输出电平信号。没检测到哭声输出低电平，检测到哭声输出300毫秒高电平脉冲。MCU配一个GPIO中断就行了，开发非常简单。

WTK6900FC支持命令词自学习功能，用户可以训练芯片识别新词，不用重新烧固件。具体训练流程参考WTK6900FC芯片资料中的说明。

六、测试阶段这几件事一定要做

识别率要在真实环境测

不要只在实验室安静环境里测。把产品放到真实使用场景中，开背景噪声测。WTK6900系列内置语音降噪算法，能过滤稳态噪声，对动态噪声也有抑制，但实际效果和产品结构、MIC安装位置、噪声类型都有关系，必须在真实环境下验证。

各芯片的远场能力不同，WTK6900P是2米，WTK6900HA是3米，WTK6900HC是5米，WTK6900FC是5到8米。在芯片标称的最远距离处多测几轮，看唤醒和识别成功率是否达标。

误唤醒测试至少跑24小时

误唤醒是用户投诉最多的问题。测试时播放日常对话、电视声音、音乐等非唤醒词音频，统计24小时内的误唤醒次数。如果误唤醒率高，考虑调整唤醒词音节或联系厂商优化词条模型。

功耗测试分三个状态

休眠状态、待机状态、工作状态分别测电流。WTK6900P休眠电流仅5微安，工作电流14毫安。电池供电的产品特别关注休眠电流，直接影响待机时间。

串口通信要测长时间稳定性

不光要测指令能不能正确响应，还要跑长时间通信测试，看会不会出现丢包或卡死。不同波特率下都测一遍，确保在各种条件下都稳定。

七、量产这些细节不能忽略

固件版本要管好

量产前用C0指令逐板查询固件版本，确保同一批次烧的是同一版本。建立固件版本台账，记录每个批次对应的固件版本号，后续出问题可以快速定位。

焊接温度要控制

回流焊温度曲线参考数据手册推荐参数。手工焊接样品时，热风枪温度不超过350摄氏度，时间不超过15秒，加热平台温度不超过260摄氏度，时间不超过15秒。温度过高或时间过长会损伤芯片内部FLASH。

MIC一致性直接影响识别率

批量生产中MIC的一致性是识别率波动的最大来源。选用同一批次同一型号的驻极体麦克风，来料检验时抽测灵敏度和频响曲线。不同批次MIC混用是产线识别率问题的常见原因。

芯片丝印要核对

WTK6900FC不同后缀对应不同存储容量，WTK6900FC-24SS对应16MB flash，WTK6900FC3-24SS对应32MB flash。来料检验时核对丝印与订单型号是否一致，引脚有无变形或氧化。

烧录后要抽检

使用离线语音识别下载器批量烧录，烧录后抽检成品，验证固件是否烧录成功、词条识别是否正常。抽检比例建议不低于百分之三。

八、选对了芯片项目就成功了一半

离线语音识别项目能不能顺利落地，百分之八十取决于选型阶段有没有选对芯片。

8脚的WTK6900P解决的是有没有的问题，用最低成本最小封装实现够用的语音控制。WTK6900HA和WTK6900HC解决的是好不好的问题，更远的识别距离、更好的音质、蓝牙集成，满足进阶需求。WTK6900FC解决的是强不强的问题，300条词条加自学习功能，面向高端智能产品。WTK6900HD4和WTK6900FC鼾声版解决的是专不专的问题，针对特定场景深度优化。WT2606A3解决的是高不高的问题，24位DAC加无损解码，音质天花板。

把产品需求想清楚，对应到这7颗芯片上，选型其实没那么难。选对之后，词条定制用在线平台、硬件设计注意MIC和电平匹配、串口开发掌握六条核心指令、测试验证在真实环境做、量产管控好固件和MIC一致性，整个流程就能顺利走完。

本文标签：离线语音识别、芯片选型、WTK6900、WT2606A3、智能家电、量产方案