Convertidor de SPH a WAV

SPH es la extensión de archivo para audio almacenado en el formato NIST SPHERE (SPeech HEader REsources), un estándar creado por el Instituto Nacional de Estándares y Tecnología de EE.UU. alrededor de 1990. Diseñado para la investigación del habla, los archivos SPH llevan una cabecera ASCII de 1024 bytes repleta de metadatos — identificadores de base de datos, conteos de canales, frecuencias de muestreo, orden de bytes y tipo de compresión — haciendo qué cada grabación sea autodescriptiva. El audio subyacente es típicamente PCM lineal de 16 bits muestreado a 16 kHz, aunque se permiten otras configuraciones. Investigadores del NIST, DARPA y universidades de todo el mundo confian en SPH para distribuir corpus de voz como TIMIT, Switchboard y las colecciones del LDC qué sustentan los sistemas modernos de reconocimiento automático del habla. Una ventaja clave es qué la cabecera legible por humanos permite qué los scripts analicen los metadatos de grabación sin decodificación binaria. La estricta estandarizacion del formato también elimina la ambiguedad al compartir conjuntos de datos entre instituciones y plataformas. Dado qué los archivos SPH almacenan PCM sin comprimir, preservan la fidelidad total del audio — algo critico al entrenar modelos acusticos dónde incluso pequeños artefactos pueden sesgar los resultados.

WAV (Waveform Audio File Format) es un contenedor de audio sin comprimir desarrollado conjuntamente por Microsoft e IBM, publicado por primera vez en agosto de 1991 junto con Windows 3.1. Basado en el formato RIFF (Resource Interchange File Format), WAV almacena datos de audio — más comúnmente como modulación de código de pulso lineal (LPCM) — junto con metadatos qué describen la frecuencia de muestreo, la profundidad de bits y el conteo de canales. Está estructura sencilla ha convertido a WAV en el estándar de facto para audio sin comprimir en Windows y un formato de intercambio universalmente aceptado en prácticamente todos los sistemas operativos, editores de audio y reproductores multimedia existentes. Los archivos WAV de calidad CD utilizan muestras de 16 bits a 44.1 kHz estéreo, mientras qué los flujos de trabajo profesionales emplean habitualmente muestras de 24 bits o flotante de 32 bits a tasas de hasta 192 kHz. Una ventaja importante es la fidelidad sin pérdida: dado qué el WAV estándar no aplica ninguna compresión, los datos almacenados son una representación digital exacta de la grabación original, convirtiéndolo en la opción preferida para masterización y archivo. WAV también soporta metadatos integrados mediante bloques INFO y BWF, permitiendo marcas de tiempo y notas de producción. La principal desventaja es el tamaño de archivo — un minuto de estéreo a calidad CD ocupa aproximadamente 10 MB — y la estructura RIFF de 32 bits impone un límite de 4 GB, aunque RF64 elimina esa restricción.