Convertidor de NIST a SPX

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.

Speex es un códec de audio de código abierto diseñado específicamente para la compresión de voz, desarrollado por Jean-Marc Valin bajo la Xiph.Org Foundation. Lanzado por primera vez en octubre de 2002, se enfoca en voz sobre IP, videoconferencias y cualquier escenario dónde la palabra hablada necesite transmitirse eficientemente a través de una red. Los archivos SPX envuelven audio codificado con Speex dentro de un contenedor Ogg, combinando la optimizacion del códec para voz con las capacidades de streaming de Ogg. Se admiten tres frecuencias de muestreo — banda estrecha a 8 kHz, banda ancha a 16 kHz y banda ultra ancha a 32 kHz — junto con codificación de tasa de bits variable qué se adapta en tiempo real a la complejidad del habla. Una ventaja sobresaliente es su naturaleza libre de patentes y licenciada bajo BSD, lo qué permitio a los desarrolladores incorporarlo libremente en productos tanto comerciales como de código abierto. Speex también incluye cancelacion de eco acustico, supresion de ruido y control automático de ganancia, funciones qué los códecs rivales típicamente delegan a bibliotecas externas. Aunque sus creadores recomiendan oficialmente Opus como sucesor desde 2012, Speex permanece desplegado en sistemas VoIP heredados, grabaciones archivadas y dispositivos embebidos dónde su decodificador ligero sigue siendo valorado.