NISTからRA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。

RealAudioは、RealNetworksが開発し、1995年にインターネット上でのリアルタイムオーディオストリーミングを可能にする最初期の技術の一つとして初めてリリースされた独自のオーディオ形式です。ダイヤルアップ時代において、RealAudioは真に革命的でした — ファイル全体のダウンロードを待つことなく、ダウンロードしながらオーディオを聴くことができました。3分の曲の転送に30分かかることもあった時代のパラダイムシフトでした。この形式は複数のコーデック世代を経て進化しました — 初期のバージョンは14.4 kbpsモデム用の低ビットレート音声コーデックを使用し、後のバージョン(AACベースのRealAudio 10)はCD品質に近い音質を提供しました。RAファイルは固定ビットレートと可変ビットレートのエンコーディング、アダプティブマルチビットレートストリーミング、および不安定な接続での再生中断を最小限に抑えるバッファリングアルゴリズムをサポートしています。ピーク時にはRealPlayerが数億台のPCにインストールされ、BBCやNPRなどの放送局がオンラインストリームにRealAudioを使用していました。アダプティブビットレートストリーミングのコンセプトは、後のHLSやDASHなどの標準に影響を与えた永続的な技術的貢献です。最新のコーデックに取って代わられましたが、初期のWebラジオからの膨大なRAコンテンツアーカイブが存在し、現在のデバイスでの再生には変換が必要です。