SPH in VOC 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.

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.