SPH in MP2 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.

MP2 (MPEG-1 Audio Layer II), auch unter dem ursprünglichen Projektnamen MUSICAM bekannt, ist ein perzeptüller Audiocodec, der 1993 als Teil von ISO/IEC 11172-3 standardisiert wurde. Während sein Nachfolger MP3 die Aufmerksamkeit der Verbraucher auf sich zog, eroberte MP2 eine daürhafte Nische im professionellen Rundfunk, die es bis heute hält. Der Codec teilt Audio in 32 Subbänder mithilfe einer Polyphasen-Filterbank auf, wendet ein psychoakustisches Modell zur Bestimmung von Maskierungsschwellen an und quantisiert sowie Huffman-kodiert jedes Subband entsprechend. Typische Rundfunkeinsätze verwenden 192-384 kbps für Stereo und erzielen transparente Qualität bei geringerer Encoder-Komplexität und besserer Fehlerresistenz als Layer III. Diese Eigenschaften erklären, warum DVB-Fernsehen, DAB-Digitalradio und der HDV-Camcorder-Standard MP2 vorschreiben oder bevorzugen. Die Encoder-Latenz ist ebenfalls kürzer — ein wichtiges Merkmal für Live-Sendungen, bei denen Lippensynchronisation entscheidend ist. Drei Vorteile halten MP2 auch Jahrzehnte nach der Standardisierung relevant: graceful Degradation bei Uebertragungsfehlern, unverzichtbar für terrestrische Signale, minimale Kodierungsverzögerung für Echtzeit-Sendeketten und fest verankerte regulatorische Akzeptanz in europäischen und asiatischen Rundfunkrahmen.