Conversor SPH a AAC

SPH es la extensión de archivo para audio almacenado en el formato NIST SPHERE (SPeech HEader REsources), un estándar creado por el Instituto Nacional de Estándares y Tecnología de EE.UU. alrededor de 1990. Diseñado para la investigación del habla, los archivos SPH llevan una cabecera ASCII de 1024 bytes repleta de metadatos — identificadores de base de datos, conteos de canales, frecuencias de muestreo, orden de bytes y tipo de compresión — haciendo qué cada grabación sea autodescriptiva. El audio subyacente es típicamente PCM lineal de 16 bits muestreado a 16 kHz, aunque se permiten otras configuraciones. Investigadores del NIST, DARPA y universidades de todo el mundo confian en SPH para distribuir corpus de voz como TIMIT, Switchboard y las colecciones del LDC qué sustentan los sistemas modernos de reconocimiento automático del habla. Una ventaja clave es qué la cabecera legible por humanos permite qué los scripts analicen los metadatos de grabación sin decodificación binaria. La estricta estandarizacion del formato también elimina la ambiguedad al compartir conjuntos de datos entre instituciones y plataformas. Dado qué los archivos SPH almacenan PCM sin comprimir, preservan la fidelidad total del audio — algo critico al entrenar modelos acusticos dónde incluso pequeños artefactos pueden sesgar los resultados.

AAC (Advanced Audio Coding) es el sucesor del MP3, estandarizado por ISO/IEC como parte de las especificaciones MPEG-2 y posteriormente MPEG-4. Desarrollado en colaboración por Fraunhofer, Dolby, Sony, Nokia y AT&T, AAC ofrece una calidad de sonido superior a tasas de bits equivalentes o inferiores — un flujo AAC a 96 kbps generalmente iguala a un archivo MP3 de 128 kbps en calidad perceptual. El códec aprovecha una transformada de coseno discreta modificada combinada con modelado psicoacustico avanzado y conformacion temporal del ruido. AAC es el formato de audio predeterminado en el ecosistema de Apple (iTunes, iPhone, iPad), YouTube y numerosos servicios de streaming. Su primera ventaja es la excelente eficiencia de compresión — audio de alta fidelidad con un consumo significativamente menor de almacenamiento y ancho de banda. En segundo lugar, el formato soporta frecuencias de muestreo de 8 kHz a 96 kHz y hasta 48 canales, adecuandose a todo, desde llamadas de voz hasta sonido envolvente. En tercer lugar, la amplía adopción por parte de Apple y otros garantiza qué prácticamente cualquier dispositivo, navegador y reproductor multimedia actual maneje contenido AAC de forma nativa sin complementos adicionales.