Convertitore da NIST a MP2

NIST SPHERE (SPeech HEader REsources) è un formato audio specializzato creato dal National Institute of Standards and Technology per la ricerca vocale, in particolare per progetti finanziati dal DARPA. Il formato avvolge i campioni audio grezzi con un'intestazione ASCII strutturata che codifica metadati come frequenza di campionamento, numero di canali, tipo di codifica, dati demografici degli speaker e annotazioni di trascrizione — rendendolo ideale per la distribuzione di corpora vocali. I file NIST memorizzano tipicamente PCM non compresso o audio mu-law a frequenze di campionamento di qualità telefonica (8 kHz o 16 kHz), sebbene il contenitore sia sufficientemente flessibile da ospitare diverse codifiche. Un vantaggio fondamentale è la ricca intestazione auto-descrittiva che consente ai ricercatori di incorporare metadati dettagliati del corpus direttamente nel file, eliminando la necessità di file separati. SPHERE è inoltre diventato lo standard de facto per importanti database vocali come TIMIT, Switchboard e il corpus Fisher, garantendo un ampio riconoscimento nei laboratori accademici e governativi. La specifica aperta e la disponibilità di strumenti a riga di comando (sphere, h_strip, w_decode) rendono semplice convertire, ispezionare e elaborare questi file a livello programmatico nelle pipeline di elaborazione del parlato.

MP2 (MPEG-1 Audio Layer II), conosciuto anche con il nome originale del progetto MUSICAM, è un codec audio percettivo standardizzato come parte di ISO/IEC 11172-3 nel 1993. Mentre il suo successore MP3 ha catturato l'attenzione del mondo consumer, MP2 si è ritagliato una nicchia duratura nella radiodiffusione professionale che mantiene ancora oggi. Il codec suddivide l'audio in 32 sottobande tramite un banco di filtri polifase, applica un modello psicoacustico per determinare le soglie di mascheramento, quindi quantizza e codifica con Huffman ogni sottobanda di conseguenza. Le implementazioni broadcast tipiche utilizzano 192-384 kbps per lo stereo, ottenendo qualità trasparente con minore complessità del codificatore e migliore resilienza agli errori rispetto al Layer III. Queste proprietà spiegano perchè la televisione DVB, la radio digitale DAB e lo standard per videocamere HDV adottano o preferiscono tutti l'MP2. Anche la latenza del codificatore è più breve, un aspetto importante per la radiodiffusione dal vivo dove la sincronia labiale conta. Tre vantaggi mantengono l'MP2 rilevante a decenni dalla standardizzazione: il degrado graduale in caso di errori di trasmissione, vitale per i segnali via etere, il ritardo minimo di codifica adatto alle catene broadcast in tempo reale e l'accettazione normativa consolidata nei framework broadcast europei e asiatici.