Вполне внятную речь выводит даже однобитный динамик, если качественно модулировать через ШИМ.
Если же просто гнать поток уровней - четырехбитный ЦАП справляется на сносном уровне.
В отечественных телефонах с АОНом ставили AY, насколько помню. Там как раз 4 бита на канал.