SPH in WAV 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.

WAV (Waveform Audio File Format) ist ein unkomprimierter Audio-Container, der gemeinsam von Microsoft und IBM entwickelt und im August 1991 zusammen mit Windows 3.1 veröffentlicht wurde. Basierend auf dem Resource Interchange File Format (RIFF) speichert WAV Audiodaten — am häufigsten als lineare Pulscodemodulation (LPCM) — zusammen mit Metadaten, die Abtastrate, Bittiefe und Kanalanzahl beschreiben. Diese unkomplizierte Struktur hat WAV zum De-facto-Standard für unkomprimiertes Audio unter Windows und zu einem universell akzeptierten Austauschformat gemacht, das von praktisch jedem Betriebssystem, Audio-Editor und Mediaplayer unterstützt wird. WAV-Dateien in CD-Qualität verwenden 16-Bit-Samples bei 44,1 kHz Stereo, während professionelle Workflows routinemässig 24-Bit- oder 32-Bit-Float-Samples bei Raten bis 192 kHz einsetzen. Ein wesentlicher Vorteil ist die verlustfreie Klangtreue: Da Standard-WAV keine Kompression anwendet, sind die gespeicherten Daten eine exakte digitale Abbildung der Originalaufnahme — die bevorzugte Wahl für Mastering und Archivierung. WAV unterstützt auch eingebettete Metadaten über INFO- und BWF-Chunks, die Zeitstempel und Produktionsnotizen ermöglichen. Der wichtigste Kompromiss ist die Dateigröße — eine Minute CD-Qualität in Stereo belegt etwa 10 MB — und die 32-Bit-RIFF-Struktur setzt ein 4-GB-Limit, das RF64 jedoch aufhebt.