聲音訊號是一種力學波，因此在傳播過程中是一種類比連續的訊號，然而由於人耳是天然的傅立葉轉換器，因此音訊經過人耳後會變成數位訊號。在這些訊號中，有三個特徵是處理時經常考慮的部分，可以參考下圖：

• 音量：從訊號來看，音量代表的是訊號的振幅，訊號振幅越大，所發出的音量也越大。
• 音訊：訊號的頻率，就是所謂的音訊，也就是聲音震動的頻率。其代表的是音調的高低，頻率越高，音調就越高。除此之外，樂器所產生的聲音訊號，並非是單一頻率的訊號，而是有基頻和泛音（倍頻）的存在。
• 音色：每一個人或樂器所發出的音色都不一樣，從訊號上來看，音色就是訊號的波形，因此只要利用波形分析，就可以判斷出聲音的來源，從下圖可以看到小提琴跟鋼琴的音色差異非常大。

• 取樣率：一秒鐘有多少個取樣點，常見的有8K，16K、32K、44.1K等，可以說取樣率越高，音質越高。
• 採樣位深：一個採樣點的音頻深度，常見的有8bit或16bit，震動引起聲音，同樣是3.3V的電壓變化，8bit的解析度是255，16bit的解析度是65535，解析度越高，能表達的音頻變化細。
• 單雙聲道：一段音頻包含幾個聲道，常見的有單聲道、雙聲道，在某些對音頻要求更高的場景下可以達到5.1甚至7.1聲道，簡單來講，幾個聲道就是有幾個發聲單元，單聲道無法體現出聲源的位置信息，但是多聲道就可以模擬出聲源的位置信息
• 幅值：通常標示音訊的音量等級，振幅越大，訊號強度越高，聲音越大

• 語音合成是將人類語音用人工的方式所產生。若是將電腦系統用在語音合成上，則稱為語音合成器，而語音合成器可以用軟/硬體所實現。文字轉語音（Text-To-Speech，TTS）系統則是將一般語言的文字轉換為語音。而合成後的語音則是利用在資料庫內的許多已錄好的語音連接起來。
• 語音ic可將語音類比信號通過採樣轉化為數位資料並存在MCU的ROM，再通過電路將ROM中的數位資料還原成語音信號。
• 根據輸出方式分為兩大類，一種是PWM輸出方式，一種是DAC輸出方式，PWM輸出音量不可連續調整，不能接功率放大器，目前市面上大多數語音IC是PWM輸出方式。另外一種是DAC經內部EQ放大，該語音IC聲音連續可調，可外接功率放大器。

S1V3G340 透過串列介面由主機發送的命令控制，同時內部解碼和處理SPI flash memory或串流的音頻資料。

• Seiko Epson Corporation (2025)。S1V3G340。檢自 https://global.epson.com/products_and_drivers/semicon/pdf/id002004.pdf (Apr 21, 2025)
• ROHM Co., Ltd. (2025)。ML22530。檢自https://fscdn.rohm.com/lapis/en/products/databook/datasheet/ic/speech/FEDL22530.pdf (Apr 21, 2025)
• NUVOTON。NSP2.0 Data Sheet 。檢自https://www.nuvoton.com.cn/export/resource-files/en-us--NSP2.0_Flash_Data_Sheet_EN_Rev_2.1.pdf (Apr 21, 2025)
• NUVOTON。NSP (Flash) Data Sheet 。檢自https://www.nuvoton.com.cn/export/resource-files/en-us--NSP_Flash_Data_Sheet_Rev_11.1.pdf (Apr 21, 2025)
• 广州唯创电子有限公司 (2020)。WT588S 语音芯片使用资料。檢自https://www.w1999c.com/uploadfile/2022/0426/20220426090332765.pdf (Apr 21, 2025)
• Wikipedia (2025)。https://zh.wikipedia.org/zh-tw/數位音訊 (Apr 21, 2025)
• Wikipedia (2025)。https://zh.wikipedia.org/zh-tw/音频信号处理 (Apr 21, 2025)
• 博客园 (2025)。”低成本使用MCU播放提示音方式” 。https://www.cnblogs.com/shumei52/p/18605067 (Apr 21, 2025)