Convertitore da SPH a AMR

SPH è l'estensione file per l'audio memorizzato nel formato NIST SPHERE (SPeech HEader REsources), uno standard creato dal National Institute of Standards and Technology statunitense intorno al 1990. Progettato per la ricerca vocale, i file SPH portano un'intestazione ASCII di 1024 byte ricca di metadati — identificatori di database, conteggi dei canali, frequenze di campionamento, ordine dei byte e tipo di compressione — rendendo ogni registrazione autodescrittiva. L'audio sottostante è tipicamente PCM lineare a 16 bit campionato a 16 kHz, sebbene siano ammesse altre configurazioni. Ricercatori del NIST, del DARPA e di università in tutto il mondo si affidano a SPH per la distribuzione di corpora vocali come TIMIT, Switchboard e le collezioni LDC che sostengono i moderni sistemi di riconoscimento vocale automatico. Un vantaggio fondamentale è che l'intestazione leggibile dall'uomo consente agli script di analizzare i metadati della registrazione senza decodifica binaria. La rigorosa standardizzazione del formato elimina inoltre l'ambiguità nella condivisione di dataset tra istituzioni e piattaforme diverse. Poichè i file SPH memorizzano PCM non compresso, preservano la piena fedeltà audio — aspetto critico quando si addestrano modelli acustici dove anche piccoli artefatti possono distorcere i risultati.

AMR (Adaptive Multi-Rate) è un formato audio compresso ottimizzato per il parlato, standardizzato dall'European Telecommunications Standards Institute e adottato come codec obbligatorio per le reti mobili GSM e 3G. Il codec commuta dinamicamente tra otto bitrate — da 4,75 a 12,2 kbps — in base alle condizioni della rete e ai livelli di rumore ambientale. Quando la qualità del collegamento peggiora, il codificatore passa a un bitrate inferiore, sacrificando una chiarezza marginale a favore dell'affidabilità di trasmissione. Questo meccanismo adattivo è definito dalle specifiche 3GPP e rappresenta uno dei codec vocali più diffusi al mondo, utilizzato in miliardi di chiamate mobili. Il vantaggio principale è l'efficienza di compressione: un minuto di audio AMR a 12,2 kbps occupa circa 90 KB, risultando pratico per memo vocali, segreteria telefonica e MMS su reti con larghezza di banda limitata. Un ulteriore beneficio è il rilevamento di attività vocale e la generazione di rumore di comfort integrati, che riducono la trasmissione durante i silenzi. Sebbene AMR non sia adatto alla musica a causa della sua banda stretta (300-3400 Hz), eccelle nel fornire parlato intelligibile in condizioni di rete impegnative.