NIST から TTA 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。

TTA(True Audio)は、Aleksander Djourikが開発したリアルタイムロスレスオーディオ圧縮コーデックで、その起源は2000年代初頭に遡ります。この形式はデコード時に元のPCMストリームをビット単位で完全に復元し、保存や転送中に音のディテールが失われないことを保証します。TTAは標準的なCD品質のオーディオだけでなく、最大32ビット整数サンプルのハイレゾコンテンツも処理でき、日常のリスニングとプロフェッショナルなアーカイブの両方に適しています。処理速度はTTAの特徴的な強みの一つで、コーデックは高いCPU負荷をかけずに高速なエンコーディングとデコーディングを実現し、古いハードウェアでも軽量に動作します。ファイル構造はID3v1、ID3v2、APEv2メタデータタグをサポートしているため、トラック情報やアルバムアートがオーディオとともに移動します。いくつかのポータブルプレーヤーにハードウェアサポートが組み込まれ、TTAに競合するロスレス形式に対する実用的な優位性を与えました。オープンソースのリファレンス実装はGNU GPLの下で提供され、コミュニティの採用とサードパーティ統合を促進しています。FLACなどの新しいコーデックがロスレスオーディオの市場でより大きなシェアを獲得しましたが、TTAはそのシンプルさと透過的な圧縮を評価するユーザーに使い続けられています。