[具身智能-634]：语音全链路：通道 → PCM 编码 → 传输格式 → 存储格式 → WAV 文件
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）
- 采样率：8000Hz / 16000Hz（人声标准）
- 位深：16bit（每个采样点占 2 字节）
- 通道：单声道 1 通道
- 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）
- 语音通道：固定 单声道 1 通道
- 编码：16k 16bit 单声道 PCM
- 传输：近场 I2S、多麦阵列 PDM、省事用 USB
- 中间处理 / 算法输入：存PCM 裸流
- 调试 / 给人播放 / 归档：存WAV
- 网络传输 / 省空间：转OPUS