SPHからW64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。

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。