SPH in AAC Converter

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.

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.