NIST から W64 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。

W64(Wave64)は、Sound Forgeの開発元であるSonic Foundryがもともと設計した64ビットオーディオコンテナで、2003年にSonic Foundryのデスクトップソフトウェア部門を買収した後、Sonyが管理を引き継ぎました。この形式は、長時間の録音セッション、マルチチャンネルキャプチャ、高サンプルレートプロダクションで問題となるMicrosoftの32ビットRIFF/WAV仕様が課す4 GBのファイルサイズ制限に直接対応しています。W64はチャンク識別子とサイズフィールドを64ビットに拡張し、4文字コードの代わりにGUIDを使用することでこれを達成しています。この構造的変更により、ファイルはエクサバイト単位のサイズに達することが可能で、実質的にいかなる実用的なストレージ制約も排除します。形式は任意のサンプルレート、ビット深度、チャンネル構成をサポートし、映画音楽のスコアリング、ライブコンサート録音、科学データ取得に適しています。Sound Forge、Audacity、およびその他のプロフェッショナルデジタルオーディオワークステーションがシームレスなインポートとエクスポートのためにW64をネイティブサポートしています。長時間の高忠実度素材を日常的に扱うエンジニアやプロデューサーにとって、W64はWAVの信頼性とシンプルさを、煩わしいサイズ制限なしに提供します。