NISTからM4Aへのコンバーター

NIST SPHERE(SPeech HEader REsources)は、アメリカ国立標準技術研究所がDARPA資金の音声研究プロジェクト向けに作成した特殊なオーディオファイル形式です。この形式は、サンプルレート、チャンネル数、エンコーディングタイプ、話者の属性、書き起こしアノテーションなどのメタデータをエンコードする構造化されたASCIIヘッダーで生のオーディオサンプルをラップし、音声コーパスの配布に最適です。NISTファイルは通常、電話品質のサンプルレート(8 kHzまたは16 kHz)で非圧縮PCMまたはmu-lawオーディオを格納しますが、コンテナはさまざまなエンコーディングを保持できる柔軟性があります。重要な利点は、研究者が詳細なコーパスメタデータをファイルに直接埋め込める豊富な自己文書化ヘッダーで、サイドカーファイルが不要になります。SPHEREはまた、TIMIT、Switchboard、Fisherコーパスなどの主要な音声データベースのデファクトスタンダードとなり、学術および政府の研究室全体で広く認知されています。オープンな仕様とコマンドラインツール(sphere、h_strip、w_decode)の利用可能性により、音声処理パイプラインでのファイルの変換、検査、処理が容易です。

M4Aは、2003年のiTunes Music Storeの発売後に広く採用された、MPEG-4 Part 14コンテナ内のオーディオ専用コンテンツに対するAppleの推奨ファイル拡張子です。この拡張子は純粋なオーディオストリームをビデオ対応のMP4ファイルと区別し、ビデオトラックが存在しないことをプレーヤーに示します。内部的には、M4AファイルはAAC-LC(Advanced Audio Coding, Low Complexity)ビットストリームを最も一般的にラップしていますが、Apple Lossless(ALAC)ペイロードも同じ拡張子を使用します。AACエンコードのM4Aファイルは、改善されたスペクトル帯域複製、時間的ノイズシェーピング、洗練された心理音響モデルのおかげで、同等のビットレートでMP3よりも優れた音質を提供します。最大96 kHzのサンプルレートと最大24ビットのビット深度をサポートしています。Appleエコシステムとの統合はシームレスで、iTunes、Apple Music、iPhone、iPad、macOSがすべてM4Aをネイティブに処理します。一方、VLC、foobar2000、Android、ほとんどの車載インフォテインメントシステムもサードパーティサポートを提供しています。3つの明確な利点がこの形式を定義します — 旧来の非可逆コーデックに対する優れた符号化効率、MP4アトム構造によるリッチなメタデータ(アートワーク、チャプター、歌詞)、そして非可逆とロスレス両方のワークフローに対応するデュアルモードの柔軟性です。