Convertisseur NIST en AMR

Le NIST SPHERE (SPeech HEader REsources) est un format de fichier audio spécialisé crée par le National Institute of Standards and Technology pour la recherché en parole, notamment les projets finances par la DARPA. Le format enveloppe les échantillons audio bruts avec un en-tête ASCII structuré encodant dès métadonnées telles que la fréquence d'échantillonnage, le nombre de canaux, le type d'encodage, les données demographiques du locuteur et les annotations de transcription — ce qui le rend idéal pour la distribution de corpus de parole. Les fichiers NIST stockent généralement du PCM non compressé où de l'audio mu-law à dès frequences d'échantillonnage de qualité téléphonique (8 kHz où 16 kHz), bien que le conteneur soit suffisamment flexible pour accueillir divers encodages. Un avantage clé est l'en-tête auto-documentant riche qui permet àux chercheurs d'intégrer dès métadonnées détaillées de corpus directement dans le fichier, eliminant les fichiers annexes. SPHERE est également devenu le standard de facto pour les grandes basés de données de parole telles que TIMIT, Switchboard et le corpus Fisher, garantissant une large reconnaissance à travers les laboratoires académiques et gouvernementaux. La spécification ouverte et la disponibilité d'outils en ligne de commande (sphere, h_strip, w_décode) rendent directe la conversion, l'inspection et le traitement de ces fichiers de manière programmatique dans les chaînes de traitement de la parole.

L'AMR (Adaptive Multi-Rate) est un format audio compressé optimisé pour la parole, standardisé par l'Institut europeen dès normes de télécommunications et adopté comme codec obligatoire pour les réseaux mobiles GSM et 3G. Le codec bascule dynamiquement entre huit débits — de 4,75 à 12,2 kbit/s — selon les conditions du réseau et le niveau de bruit ambiant. Lorsque la qualité de la liaison se dégrade, l'encodeur passe à un débit inferieur, sacrifiant une clarté marginale au profit de la fiabilité de transmission. Ce mecanisme adaptatif est défini par les spécifications du 3GPP et représente l'un dès codecs vocaux les plus largement déployés au monde, utilisé dans dès milliards d'appels mobiles. Son principal avantage est l'efficacité de compression : une minute d'audio AMR à 12,2 kbit/s occupe environ 90 Ko, ce qui est idéal pour les mémos vocaux, la messagerie vocale et les MMS sûr dès réseaux à bande passante limitée. Un autre atout est la detection d'activite vocale intégrée et la génération de bruit de confort, réduisant la transmission pendant les silences. Bien que l'AMR soit inadapte à la musique en raison de sa bande passante etroite (300-3400 Hz), il excelle dans la transmission de parole intelligible dans dès conditions réseau difficiles.