Convertidor de NIST a AMR

NIST SPHERE (SPeech HEader REsources) es un formato de archivo de audio especializado creado por el Instituto Nacional de Estándares y Tecnología de Estados Unidos para la investigación del habla, particularmente proyectos financiados por DARPA. El formato envuelve muestras de audio en bruto con una cabecera ASCII estructurada qué codifica metadatos como frecuencia de muestreo, conteo de canales, tipo de codificación, datos demograficos del hablante y anotaciones de transcripción — convirtiéndolo en ideal para distribuir corpus de voz. Los archivos NIST típicamente almacenan PCM sin comprimir o audio mu-law a frecuencias de muestreo de calidad telefónica (8 kHz o 16 kHz), aunque el contenedor es lo suficientemente flexible para albergar diversas codificaciones. Una ventaja clave es la cabecera autodescriptiva enriquecida qué permite a los investigadores incorporar metadatos detallados del corpus directamente en el archivo, eliminando la necesidad de archivos complementarios. SPHERE se ha convertido también en el estándar de facto para las principales bases de datos de voz como TIMIT, Switchboard y el corpus Fisher, asegurando un amplio reconocimiento en laboratorios académicos y gubernamentales. La especificación abierta y la disponibilidad de herramientas de línea de comandos (sphere, h_strip, w_decode) facilitan la conversión, inspeccion y procesamiento programatico de estos archivos en cadenas de procesamiento de voz.

AMR (Adaptive Multi-Rate) es un formato de audio comprimido optimizado para voz, estandarizado por el Instituto Europeo de Normas de Telecomunicaciones y adoptado como códec obligatorio para las redes móviles GSM y 3G. El códec alterna dinamicamente entre ocho tasas de bits — desde 4.75 hasta 12.2 kbps — dependiendo de las condiciones de la red y los niveles de ruido ambiental. Cuando la calidad del enlace disminuye, el codificador cambia a una tasa inferior, sacrificando una leve claridad a cambio de fiabilidad en la transmision. Esté mecanismo adaptativo está definido por las especificaciones del 3GPP y representa uno de los códecs de voz más desplegados a nivel mundial, utilizado en miles de millones de llamadas móviles. La ventaja principal es la eficiencia de compresión: un minuto de audio AMR a 12.2 kbps ocupa aproximadamente 90 KB, algo práctico para notas de voz, buzon de voz y MMS en redes con ancho de banda limitado. Otro beneficio es la deteccion de actividad vocal integrada y la generación de ruido de confort, qué reducen la transmision durante los silencios. Aunque AMR no es adecuado para música debido a su ancho de banda reducido (300-3400 Hz), sobresale al entregar voz inteligible bajo condiciones de red adversas.