Convertitore da NIST a WAV

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.

WAV (Waveform Audio File Format) è un contenitore audio non compresso sviluppato congiuntamente da Microsoft e IBM, pubblicato per la prima volta nell'agosto 1991 insieme a Windows 3.1. Basato sul Resource Interchange File Format (RIFF), WAV memorizza i dati audio — più comunemente come modulazione di codice a impulsi lineare (LPCM) — insieme a metadati che descrivono frequenza di campionamento, profondità di bit e numero di canali. Questa struttura lineare ha reso WAV lo standard de facto per l'audio non compresso su Windows e un formato di interscambio universalmente accettato praticamente su ogni sistema operativo, editor audio e lettore multimediale esistente. I file WAV in qualità CD utilizzano campioni a 16 bit a 44,1 kHz stereo, mentre i flussi di lavoro professionali impiegano abitualmente campioni a 24 o 32 bit float a frequenze fino a 192 kHz. Un vantaggio fondamentale è la fedeltà senza perdite: poichè il WAV standard non applica compressione, i dati memorizzati sono una rappresentazione digitale esatta della registrazione originale, rendendolo la scelta preferita per mastering e archiviazione. WAV supporta anche metadati integrati attraverso chunk INFO e BWF, consentendo timestamp e note di produzione. Il compromesso principale è la dimensione dei file — un minuto di stereo in qualità CD occupa circa 10 MB — e la struttura RIFF a 32 bit impone un limite di 4 GB, sebbene RF64 rimuova tale vincolo.