まずハードウェアの基本構成は図1のようになります。

図1. 音声鳴動ハードウェア基本構成

図1のとおり、CPUから出力するのは音声の波ではなく、デジタルデータです。そのデジタルデータをオーディオ用D/Aコンバータ(※1)がアナログ値に変換し、音声の波を作り出します。D/Aコンバータの先には、電気信号を変換するトランスデューサー（ここではスピーカ）が接続されており、このスピーカに音声の波を入力することで鳴動する、という仕組みです。
この波の元になるデジタルデータを転送することが、ソフトウェアの役割となります。
ソフトウェアから出力したデジタルデータは、D/Aコンバータにより、図2のようなアナログデータに変換されて、音声データになります。

図2. デジタル⇒アナログ変換イメージ

今回紹介する手法では、CPUからD/Aコンバータへの音声データの転送にシリアル通信を使用しますが、転送周期は厳密に守らなければなりません。規定したサンプリング周波数に対して転送周期が遅いと、間延びしたような音声に聞こえ、逆に転送周期が早いと詰められた（早送りのような）音声に聞こえてしまいます。また、転送周期が遅い場合や早い場合が混ざってしまうと、ノイズの乗ったような音声になってしまいます。

今回の場合には、サンプリング周波数を8kHzと決めていますので、1秒間に8000回、つまり125μ秒毎に1回分の音声データを転送する必要があります。また、この1回分の音声データを、ビット数16、チャンネル数2（L（左）チャンネルとR（右）チャンネル）としていますので、1秒間に16000ワード（32000バイト）のデータを、均等な間隔で転送する必要があります。

1回分のデータ転送は図3のようになります。

図3. シリアル通信イメージ（1回分）

今回はこの転送周期を守るために、125μ秒毎にタイマ割り込みを発生させ、その割り込み処理の中で、音声データの転送を開始するようにしました。しかし、その方法だけでは「ある程度」時間を守ることは出来ますが、厳密に転送周期を守るためには、さらに次のようなことに注意する必要がありました。

1. 割り込み処理実行のタイミングを確実に125μ秒周期とする
2. 割り込み処理が実行されてから音声データの転送開始までの時間を均等にする
3. 音声データの転送時間を均等にする

1〜3は図4のようになります。

図4. 割り込み処理とデータ出力のタイミング

＜1.割り込み処理実行のタイミングを確実に125μ秒周期とする＞


＜2.割り込み処理が実行されてから音声データの転送開始までの時間を均等にする＞

このように、割り込みで1回分毎にデータを転送する場合にはいろいろと注意することがありますが、DMA(Direct Memory Access)という機能を使用して、1回分毎ではなく、ある程度まとまった単位でデータ転送する方法もあります。
DMAを使用してデータ転送する場合、ソフトウェアの介在を必要最小限に抑えられるため、比較的容易に転送周期を守ることが出来ます。
これらの転送方法には、それぞれメリットとデメリットが存在します。

＜割り込みで1回分毎にデータ転送する場合＞

＜DMAを用いてデータ転送する場合＞


※2　これはソフトウェアの設計によるところですが、1回分毎にデータ転送をする場合には、途中で別の音声を鳴動させたい時に、比較的容易に変更可能ですが、DMAではまとまった単位で転送するため、工夫が必要になる場合があります。

音声データの転送方法は、システムの要求やハードウェアの制約により決定します。

ちなみに現在開発中のシステムではDMAを使用して音声データを転送していますが、やはり転送周期の乱れを（1回分毎に転送する場合に比べ）意識しなくて良い点が便利です。転送用の音声データを生成する際に、一時的に処理負荷が上がってしまうという点は調整が必要でしたが、それを考慮してもDMAを使用したほうが便利と感じています。

組み込みソフトウェアで音声を鳴動する場合、もうひとつ工夫する点として、メモリ使用量の節約があります。
近年メモリ容量が大容量化してきたとはいえ、無限に存在するわけではありません。さらに、メモリ容量を小さくできれば、ハードコストを抑えることが可能なため、できるだけメモリ使用量を節約することが望まれます。
しかしもともと音声データは大量のメモリ容量を必要とします。データビット数16ビット、サンプリング周波数8kHzとした場合、1秒間あたり16000バイトのメモリ容量が必要になります。

このメモリ容量の問題は、音声データを圧縮することで、ある程度解決できます。
現在のシステムでは、音声信号をパルス符号変調（PCM：pulse code modulation）方式を用いてデジタルデータに変換します。しかしこの方式では、前述の通り1秒間のデータだけで16000バイトものデータ量になってしまうため、非効率です。そこで、音質を出来るだけ維持しながらデータ圧縮を可能にする、適応的差分パルス符号変調（ADPCM：Adaptive Differential Pulse Code Modulation）方式と呼ばれる圧縮方式を使用します。
この方式で、1データあたりに必要なビット数を、4ビットまで減らすことが出来ます。（1秒間あたり16000バイトあったデータは、4000バイトまで減ります。）

この圧縮方式は、自然界の音は連続的に変化するという性質に注目し、過去のデータから予測値を算出し、それとの差分をデータとして保持するため、音質の低下を最小限にとどめながらデータ量を大幅に減らすことができます。この圧縮方式を使えば、音声データのメモリ使用量は当初の25%にまで節約することができますので、非常に魅力的です。

ただし、ここで注意しなければならないのは、圧縮されたデータを転送する前に、伸張する必要があるという点です。伸張するための復調アルゴリズムは多少複雑になっているため、そこそこのCPUパワーを必要とします。
もともと音声データ転送では高速な処理を行う必要がありますが、この復調処理で音声データ転送が間に合わなくなってしまっては、元も子もありません。この点もソフトウェア設計時に注意すべき内容です。