SPH から DTS へのコンバーター

SPHは、1990年頃に米国国立標準技術研究所が作成したNIST SPHERE(SPeech HEader REsources)形式で保存されたオーディオのファイル拡張子です。音声研究用に構築されたSPHファイルは、データベース識別子、チャンネル数、サンプルレート、バイトオーダー、圧縮タイプなどのメタデータが詰め込まれた1024バイトのASCIIヘッダーを持ち、すべての録音が自己記述的です。基盤となるオーディオは通常16 kHzで16ビットリニアPCMサンプリングですが、他の構成も許可されています。NIST、DARPA、および世界中の大学の研究者は、現代の自動音声認識システムの基盤となるTIMIT、Switchboard、LDCコレクションなどの音声コーパスの配布にSPHを使用しています。主な利点は、人間が読めるヘッダーにより、スクリプトがバイナリデコーディングなしに録音メタデータを解析できることです。形式の厳格な標準化により、機関やプラットフォーム間でデータセットを共有する際の曖昧さも排除されます。SPHファイルは非圧縮PCMを格納するため、完全なオーディオ忠実度が維持されます — 小さなアーティファクトでさえ結果を歪める可能性がある音響モデルのトレーニングにおいて重要です。

DTS(Digital Theater Systems)は、もともと映画館の音響用に設計されたマルチチャンネルオーディオコーデックで、現在ではホームシアターやBlu-rayリリースの定番です。DTS, Inc.によって考案され、1993年の映画ジュラシック・パークと共に初めて劇場公開されたこの技術は、通常768 kbpsから1.5 Mbpsのビットレートで最大5.1チャンネルのディスクリートサラウンドサウンドを提供します。積極的な心理音響モデリングに依存する競合コーデックとは異なり、DTSは各チャンネルにより高いデータ予算を割り当て、より繊細な空間ディテールと低レベルのダイナミクスを保存します。この形式はサブバンドADPCMとベクトル量子化を組み合わせてオーディオをエンコードし、知覚的に豊かなサウンドフィールドを生成します。拡張バリアントのDTS-HD Master Audioは、24ビット/192 kHzまでのビットパーフェクトな精度のためのロスレス拡張レイヤーを追加します。主な強みには、AVレシーバー、ゲームコンソール、車載インフォテインメントシステム全体での幅広いハードウェア採用と、ディスクやストリームの軽微な不具合をマスクする堅牢なエラー隠蔽が含まれます。物理メディアやハイエンドストリーミング向けのサラウンドサウンドコンテンツを扱う方にとって、DTSはスタジオミックスからリビングルームまでの実績ある経路を提供します。