NIST in VOC 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.

VOC (Creative Voice) ist ein digitaler Audio-Container, der von Creative Technology entwickelt und 1989 zusammen mit der originalen Sound-Blaster-Karte eingeführt wurde. Es diente während der DOS-Ära als natives Audioformat für die Sound-Blaster-Familie, als Creatives Hardware die PC-Audiowelt dominierte. VOC-Dateien sind blockbasiert: Jede Datei besteht aus typisierten Datenblöcken, die 8-Bit-vorzeichenloses PCM, 4-Bit- und 2,6-Bit-Creative-ADPCM, 16-Bit-vorzeichenbehaftetes PCM sowie A-Law- und Mu-Law-kodiertes Audio aufnehmen können. Diese Blockstruktur unterstützt auch Stille-Intervalle, Wiederholungsschleifen und Markerpunkte und gab Spieleentwicklern feinkörnige Kontrolle über die Klangwiedergabe. Ein bemerkenswerter Vorteil war die hardwareseitige Dekodierung — Sound-Blaster-Karten konnten VOC-Daten direkt per DMA-Transfer abspielen und so die CPU für andere Aufgaben freimachen, in einer Zeit, als Prozessortakte kostbar waren. Das Format fand breite Verwendung in DOS-Spielen von id Software, Sierra und LucasArts. Mit dem Aufstieg von Windows und dem WAV-Format ging die VOC-Nutzung zurück, doch für die Bewahrung von Retro-Gaming und für alle, die mit Vintage-PC-Audioarchiven arbeiten, bleibt es von Bedeutung.