Convertisseur SPH en AMR

Le SPH est l'extension de fichier pour l'audio stocké dans le format NIST SPHERE (SPeech HEader REsources), un standard crée par le National Institute of Standards and Technology americain vers 1990. Conçu pour la recherché en parole, les fichiers SPH comportent un en-tête ASCII de 1024 octets riche en métadonnées — identifiants de basé de données, nombre de canaux, frequences d'échantillonnage, ordre dès octets et type de compression — rendant chaque enregistrement auto-descriptif. L'audio sous-jacent est typiquement du PCM linéaire 16 bits echantillonne à 16 kHz, bien que d'autres configurations soient autorisees. Les chercheurs du NIST, de la DARPA et dès universites du monde entier s'appuient sûr le SPH pour distribuer dès corpus de parole tels que TIMIT, Switchboard et les collections du LDC qui sous-tendent les systèmes modernes de reconnaissance automatique de la parole. Un avantage clé est que l'en-tête lisible par l'homme permet àux scripts d'analyser les métadonnées d'enregistrement sans décodage binaire. La standardisation stricte du format élimine également toute ambiguite lors du partagé de jeux de données entre institutions et plateformes. Comme les fichiers SPH stockent du PCM non compressé, ils préservent la pleine fidélité audio — essentiel lors de l'entrainement de modèles acoustiques où même de petits artéfacts peuvent fausser les résultats.

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.