Konwerter NIST na AAC

NIST SPHERE (SPeech HEader REsources) to specjalistyczny format plikow audio stworzony przez National Institute of Standards and Technology na potrzeby badan nad mowa, w szczegolnosci projektow finansowanych przez DARPA. Format opakowuje surowe probki audio w strukturalny naglowek ASCII kodujacy metadane, takie jak czestotliwosc probkowania, liczba kanalow, typ kodowania, dane demograficzne mowcy i adnotacje transkrypcyjne — co czyni go idealnym do dystrybucji korpusow mowy. Pliki NIST zwykle przechowuja nieskompresowane PCM lub audio mu-law przy czestotliwosciach probkowania klasy telefonicznej (8 kHz lub 16 kHz), choc kontener jest na tyle elastyczny, by pomiescic rozne kodowania. Kluczowa zaleta jest bogaty, samoopisujoacy sie naglowek, pozwalajacy badaczom osadzac szczegolowe metadane korpusowe bezposrednio w pliku, eliminujac potrzebe osobnych plikow towarzyszacych. SPHERE stal sie rowniez de facto standardem dla glownych baz danych mowy, takich jak TIMIT, Switchboard i korpus Fisher, zapewniajac szerokie uznanie w laboratoriach akademickich i rzadowych. Otwarta specyfikacja i dostepnosc narzedzi wiersza polecen (sphere, h_strip, w_decode) umozliwiaja latwa konwersje, inspekcje i przetwarzanie tych plikow programistycznie w potokach przetwarzania mowy.

AAC (Advanced Audio Coding) to nastepca formatu MP3, standaryzowany przez ISO/IEC jako czesc specyfikacji MPEG-2, a pozniej rowniez MPEG-4. Opracowany wspolnie przez Fraunhofer, Dolby, Sony, Nokie i AT&T, AAC zapewnia wyzsza jakosc dzwieku przy rownowaznyn lub nizszym bitrate — strumien AAC o przepustowosci 96 kbps zwykle dorownuje jakoscia plikowi MP3 przy 128 kbps. Kodek wykorzystuje zmodyfikowana dyskretna transformate kosinusowa w polaczeniu z zaawansowanym modelowaniem psychoakustycznym i ksztaltowaniem szumu czasowego. AAC sluzy jako domyslny format audio w ekosystemie Apple (iTunes, iPhone, iPad), na YouTube oraz w wielu serwisach streamingowych. Pierwsza zaleta jest doskonala efektywnosc kompresji — wysoka wiernosc dzwieku przy znacznie mniejszym zuzyciu pamieci i przepustowosci. Po drugie, format obsluguje czestotliwosci probkowania od 8 kHz do 96 kHz oraz do 48 kanalow, co pozwala na zastosowania od rozmow glosowych po dzwiek przestrzenny surround. Po trzecie, szerokie wdrozenie przez Apple i innych producentow gwarantuje, ze praktycznie kazde wspolczesne urzadzenie, przegladarka i odtwarzacz multimedialny obsluguje AAC natywnie, bez dodatkowych wtyczek.