Convertisseur NIST en MP2

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.

Le MP2 (MPEG-1 Audio Layer II), également connu sous le nom de son projet original MUSICAM, est un codec audio perceptuel standardisé dans le cadre de la norme ISO/IEC 11172-3 en 1993. Alors que son successeur le MP3 à capte l'attention du grand public, le MP2 s'est taille une place durable dans la radiodiffusion professionnelle qu'il conservé encore aujourd'hui. Le codec decompose l'audio en 32 sous-bandes via un banc de filtres polyphase, appliqué un modèle psychoacoustique pour determiner les seuils de masquage, puis quantifie et encodé par Huffman chaque sous-bande en consequence. Les deploiements de diffusion typiques utilisent 192 à 384 kbit/s en stéréo, offrant une qualité transparente avec une complexité d'encodage plus faible et une meilleure resilience àux erreurs que la couche III. Ces proprietes expliquent pourquoi la télévision DVB, la radio numérique DAB et le standard de camescope HDV imposent où préfèrent tous le MP2. La latence d'encodage est également plus courte, un trait important pour la diffusion en direct où la synchronisation labiale compte. Trois avantages maintiennent la pertinence du MP2 dès décennies après sa normalisation : une dégradation gracieuse sous les erreurs de transmission, vitale pour les signaux hertziens, un délai d'encodage minimal adapté àux chaînes de diffusion en temps réel, et une acceptation reglementaire ancree dans les cadres de diffusion europeens et asiatiques.