NIST in AAC Converter

NIST SPHERE (SPeech HEader REsources) ist ein spezialisiertes Audiodateiformat, das vom National Institute of Standards and Technology für die Sprachforschung entwickelt wurde, insbesondere für DARPA-geförderte Projekte. Das Format umhüllt rohe Audiosamples mit einem strukturierten ASCII-Header, der Metadaten wie Abtastrate, Kanalanzahl, Kodierungstyp, Sprecherdemografie und Transkriptionsannotationen enthält — ideal für die Verteilung von Sprachkorpora. NIST-Dateien speichern typischerweise unkomprimiertes PCM oder Mu-Law-Audio bei Telefonie-Abtastraten (8 kHz oder 16 kHz), obwohl der Container flexibel genug für verschiedene Kodierungen ist. Ein wesentlicher Vorteil ist der reichhaltige, selbstbeschreibende Header, der es Forschern ermöglicht, detaillierte Korpus-Metadaten direkt in die Datei einzubetten und so Begleitdateien überflüssig zu machen. SPHERE hat sich zudem als De-facto-Standard für bedeutende Sprachdatenbanken wie TIMIT, Switchboard und das Fisher-Korpus etabliert und genießt breite Anerkennung in akademischen und staatlichen Laboren. Die offene Spezifikation und die Verfügbarkeit von Kommandozeilentools (sphere, h_strip, w_decode) machen es unkompliziert, diese Dateien in Sprachverarbeitungspipelines programmatisch zu konvertieren, zu inspizieren und zu verarbeiten.

AAC (Advanced Audio Coding) gilt als Nachfolger von MP3 und wurde von ISO/IEC als Teil der MPEG-2- und später der MPEG-4-Spezifikation standardisiert. Entwickelt in Zusammenarbeit von Fraunhofer, Dolby, Sony, Nokia und AT&T, liefert AAC bei gleichen oder niedrigeren Bitraten eine überlegene Klangqualität — ein 96-kbps-AAC-Stream entspricht in der wahrgenommenen Qualität in der Regel einer 128-kbps-MP3-Datei. Der Codec nutzt eine modifizierte diskrete Kosinustransformation in Kombination mit fortschrittlicher psychoakustischer Modellierung und zeitlicher Rauschformung. AAC dient als Standard-Audioformat für Apples Ökosystem (iTunes, iPhone, iPad), YouTube und zahlreiche Streaming-Dienste. Der erste Vorteil liegt in der hervorragenden Kompressionseffizienz — hochwertige Audiowiedergabe bei deutlich geringerem Speicher- und Bandbreitenbedarf. Zweitens unterstützt das Format Abtastraten von 8 kHz bis 96 kHz und bis zu 48 Kanäle, geeignet für alles von Sprachanrufen bis hin zu Surround-Sound. Drittens sorgt die breite Akzeptanz durch Apple und andere dafür, dass praktisch jedes moderne Gerät, jeder Browser und jeder Mediaplayer AAC-Inhalte nativ wiedergeben kann.