Обязательно ли ставить на выходе ШИМ от AVR многозвенный фильтр (3 операционника и ФНЧ пятого порядка)? Качество звука устраивает как в телефоне, вместо динамика хотелось бы пищалку, может есть схемы попроще? И еще, какую частоту ШИМ брать при кварце 16 МГц (рекомендуют в 4 раза выше, чем максимальная частота спектра, или лучше больше поставить)?

Мы недавно делали метод аналогичный:
исползовали ШИМ в режиме изменения частоты меандра. Диапозон изменения частот перекрывает звуковой. Соответственно каждая нота имеет свою частоту и длительность. Получается реализация практически всего нотного стана. Мелодия записывается набором нот.
У биперов обнаружился один большой недостаток - они средние частоты воспроизводят громче и каждая нота звучит с разной громкостью.
Фильтров никаких не ставили, только буферный транзистор.

достаточно пассивного НЧ первого порядка. А пищалку так и вообще можно просто на ногу AVR повесить. Частоты в четыре раза выше хватит за глаза. Только исходный звук нужно обработать НЧ фильтром, чтобы оверсэмплинга не было.

ставьте усилитель класса "D" тут на форуме их недавно обсуждали
ЗЫ, правда фильтр на выходе усилителя все-же нужен, как правило LC, и к L
предъявляются специфические требования.

Я использовал в таких целях просто RC цепочку и операционник. Про выбор частоты: выбирай максимально возможную, исходя из необходимой битности. В Вашем случае 8 бит хватит => 16000000/256=62кГц частота ШИМ.

Меня тоже устраивало "телефонное".
Я ставил 3-го порядка - довольно низкоомная RC-цепочка (килоомы) и после неё - 2-го порядка на транзисторе-повторителе (гы, разошлась часть из того мешка КТ315-ых, которые в неликвидах завалялись).
О частоте ШИМ вопрос даже не стоял (tiny26, ШИМ был где-то далеко).
Но вот частота семплов (8кГц в моём случае, фильтр был на 3.5кГц частоты среза) на выход пролазила.
Поборолось туопй линейной интерполяцией - передискретизацией семплов в самой АВР-ке на 16кГц.

Лет 12 назад копался с выводом речи через ШИМ (еще на SAB80535 - проце 51-го семейства). С учетом того опыта и последующего изучения ЦОС выводы:
- частота ШИМ должна быть не ниже 16, а лучше 32 кГц.
- при исходной частоте дискретизации 8 кГц перед выводом на ШИМ должен стоять ХОРОШИЙ цифровой фильтр-интерполятор, иначе после вывода потребуется ХОРОШИЙ аналоговый ФНЧ (у меня был цифровой триангулярный+аналоговый 3-го или 4-го порядка). Если этого не сделать, то возникающие при интерполяции отражения спектра (8 кГц+-Fзв) все поганят (слышны как громкое "подзванивание", сопровождающее речь).
- даже при соблюдении этих условий качества "как в телефонии" достичь не удастся (там 8 бит экспандируются в 13 бит, а 13 бит на AVR в ШИМ не выведешь с достаточной частотой). Однако и линейные 8 бит звучат очень даже прилично, особенно при малом диапазоне громкостей выводимой речи.