SPHからOPUS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。

Opusは、2012年にIETFによってRFC 6716として標準化された、多用途でオープンなオーディオコーデックです。音声用のSILKと音楽用のCELTという2つのコーディングアプローチを1つのアルゴリズムに融合し、コンテンツタイプとビットレートに基づいてそれらの間をブレンドします。このハイブリッド設計により、Opusは幅広い用途でほぼすべての他のコーデックを凌駕します — 6 kbpsでの低遅延音声、128 kbpsでの高忠実度音楽、そしてその間のすべてに対応します。6から510 kbpsのビットレート、最大48 kHzのサンプルレート、2.5 msまでの小さなフレームサイズをサポートし、主流のオーディオコーデックの中で最も低いアルゴリズム遅延を実現しています。3つの利点がOpusを特に魅力的にしています。完全にロイヤリティフリーかつオープンソースで、プロプライエタリコーデックを妨げるライセンス障壁を排除しています。MP3の約半分のビットレートで透明な品質を達成し、同等のレートではAACを上回ります。そして、その低遅延によりWebRTCの必須コーデックとなり、すべての最新ブラウザにOpusデコーダーが搭載されています。WhatsApp、Discord、Zoom、YouTubeはすべてリアルタイムオーディオにOpusを使用しています。