NIST から WV 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。

WavPackは、David Bryantが作成したオープンソースオーディオコーデックで、バージョン1.0は1998年8月15日にリリースされました。WavPackを際立たせるのはそのユニークなハイブリッドモードです — エンコーダーはコンパクトな非可逆ファイルと、組み合わせると元のPCMストリームをビット単位で完全に再構築する別の補正ファイルを同時に生成できます。ポータビリティが必要なユーザーは非可逆ファイルだけを持ち歩き、アーカイブ品質が必要な場合は両方を保持します。コーデックは8ビットから32ビット整数および32ビット浮動小数点のPCMオーディオを処理し、サンプルレートは最大768 kHzまで対応 — DSDコンテンツにも十分な仕様で、WavPack 5でDSDサポートが追加されました。純粋なロスレスモードでの圧縮率は通常元のサイズの40から55%に達し、FLACと競合し、特定の素材ではわずかに上回ることもあります。後のバージョンでのマルチコアエンコーディングにより、最新ハードウェアでの処理が大幅に高速化されました。オープンソースライブラリはBSDライセンスの下で提供され、foobar2000、VLC、FFmpegなど多数のツールに統合されています。WavPackはまたAPEv2タグ、埋め込みキューシート、ReplayGain値によるリッチなメタデータをサポートし、最も几帳面な音楽ライブラリの整理ニーズにも対応します。