VOX-zu-SPH-Konverter
Wandeln Sie Ihre vox-Dateien online & kostenlos in sph um
vox
sph
Wie man VOX in SPH konvertiert
Wählen Sie Dateien vom Computer, Google Drive, Dropbox, einer URL oder durch Ziehen auf die Seite.
Wählen Sie sph oder irgendein anderes Format, das Sie als Ergebnis haben wollen (mehr als 200 Formate unterstützt)
Lassen Sie die Datei konvertieren und Sie können Ihre sph-Datei direkt danach herunterladen
Über die Formate
VOX ist ein headerloses Audioformat, das auf der Dialogic ADPCM-Kodierung basiert und seit den 1980er Jahren in Telefonie-, IVR-Systemen (Interactive Voice Response) und Voicemail-Plattformen weit verbreitet ist. Jedes Audiosample wird mit einem von Oki Electric entwickelten Algorithmus auf 4 Bit komprimiert, der in Hardware auf Dialogic Corporations Telefonie-Schnittstellenkarten implementiert wurde. VOX-Dateien verwenden typischerweise eine Abtastrate von 6000 oder 8000 Hz und erzeugen extrem kompakte Aufnahmen, die auf Sprachverständlichkeit statt musikalische Klangtreue optimiert sind. Da das Format keinen Header enthält, muss die Wiedergabesoftware die Abtastrate und Kodierungsparameter im Voraus kennen — ein Kompromiss, der Overhead reduziert, aber sorgfältiges Dateimanagement erfordert. Der Hauptvorteil von VOX ist die Speichereffizienz: Eine einminütige Sprachaufnahme bei 8 kHz belegt rund 240 KB, praktisch für Systeme mit Tausenden von Ansagen. Dialogic ADPCM entspricht dem ITU-T G.726-Standard und gewährleistet Interoperabilität zwischen Telefoniegeräten verschiedener Hersteller. Auch wenn moderne Callcenter auf IP-basierte Systeme mit Codecs wie Opus) migrieren, bestehen umfangreiche Bibliotheken von VOX-Aufnahmen in Legacy-IVR-Installationen und Compliance-Archiven weltweit.
SPH ist die Dateierweiterung für Audio im NIST SPHERE-Format (SPeech HEader REsources), einem Standard, der um 1990 vom U.S. National Institute of Standards and Technology entwickelt wurde. Für die Sprachforschung konzipiert, enthalten SPH-Dateien einen 1024-Byte-ASCII-Header mit umfangreichen Metadaten — Datenbankkennungen, Kanalzahlen, Abtastraten, Bytereihenfolge und Kompressionstyp — sodass jede Aufnahme sich selbst beschreibt. Das zugrunde liegende Audio ist typischerweise 16-Bit-lineares PCM mit 16 kHz Abtastrate, obwohl andere Konfigurationen zulässig sind. Forscher am NIST, bei der DARPA und an Universitäten weltweit setzen auf SPH für die Verteilung von Sprachkorpora wie TIMIT, Switchboard und den LDC-Sammlungen, die modernen Spracherkennungssystemen zugrunde liegen. Ein wesentlicher Vorteil ist, dass der menschenlesbare Header es Skripten ermöglicht, Aufnahme-Metadaten ohne binäre Dekodierung zu parsen. Die strikte Standardisierung eliminiert zudem Mehrdeutigkeiten beim Austausch von Datensätzen zwischen Institutionen und Plattformen. Da SPH-Dateien unkomprimiertes PCM speichern, bewahren sie die volle Audioklangtreü — entscheidend beim Training akustischer Modelle, bei denen selbst kleine Artefakte die Ergebnisse verfälschen können.