SPHからOGG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。

OGG Vorbisは、Xiph.Org Foundationが開発したOggコンテナ形式内のオープンでロイヤリティフリーの非可逆オーディオコーデックです。VorbisはMP3やAACの特許フリーの代替として設計され、フレームごとに信号の複雑さに適応する可変ビットレートエンコーディングと改良型離散コサイン変換(MDCT)コーディングを使用します。ブラインドリスニングテストでは、特に96-192 kbpsの範囲でVorbisがMP3に匹敵またはそれを超える知覚品質を提供することが一貫して示されています。形式は8 kHzから192 kHzのサンプルレートと1から255チャンネルをサポートし、モノ音声からサラウンドミックスまで網羅します。際立った利点はライセンス料の完全な不在です — ゲーム開発者、ストリーミングプラットフォーム、ハードウェアメーカーはロイヤリティの懸念なくVorbisを実装できます。Spotifyはまさにこの理由で長年Vorbisをプライマリストリーミングコーデックとして使用していました。この形式はまた低ビットレートでの品質劣化を多くの競合よりも優雅に処理するため、ストレージが限られ数千のサウンドエフェクトがスペースを競うビデオゲームで依然として人気があります。VLC、Firefox、Chrome、AndroidはすべてネイティブVorbisデコーディングを提供しています。