NIST에서 MP2로 변환기

NIST SPHERE(SPeech HEader REsources)는 DARPA 지원 프로젝트를 중심으로 음성 연구를 위해 미국 국립표준기술연구소가 만든 전문 오디오 파일 포맷입니다. 이 포맷은 샘플레이트, 채널 수, 인코딩 유형, 화자 인구통계, 전사 주석 등의 메타데이터를 인코딩하는 구조화된 ASCII 헤더로 원시 오디오 샘플을 감싸, 음성 코퍼스 배포에 이상적입니다. NIST 파일은 일반적으로 전화 품질 샘플레이트(8 kHz 또는 16 kHz)의 비압축 PCM 또는 mu-law 오디오를 저장하지만, 컨테이너는 다양한 인코딩을 수용할 만큼 유연합니다. 핵심 장점은 연구자가 상세한 코퍼스 메타데이터를 파일에 직접 임베딩하여 사이드카 파일을 불필요하게 만드는 풍부한 자기 설명형 헤더입니다. SPHERE는 또한 TIMIT, Switchboard, Fisher 코퍼스와 같은 주요 음성 데이터베이스의 사실상 표준이 되어, 학술 및 정부 연구실 전반에서 광범위한 인지도를 확보했습니다. 공개 사양과 명령행 도구(sphere, h_strip, w_decode)의 가용성으로 음성 처리 파이프라인에서 이러한 파일을 프로그래밍 방식으로 변환, 검사, 처리하는 것이 간편합니다.

MP2(MPEG-1 Audio Layer II)는 원래 프로젝트 이름인 MUSICAM으로도 알려진 지각 오디오 코덱으로, 1993년 ISO/IEC 11172-3의 일부로 표준화되었습니다. 후속 포맷인 MP3가 소비자 시장의 주목을 받은 반면, MP2는 전문 방송 분야에서 견고한 지위를 확보하여 오늘날까지 유지하고 있습니다. 코덱은 다상 필터 뱅크를 통해 오디오를 32개의 서브밴드로 분할하고, 심리음향 모델을 적용하여 마스킹 임계값을 결정한 다음, 각 서브밴드를 양자화하고 허프만 코딩합니다. 일반적인 방송 배포에서는 스테레오에 192~384 kbps를 사용하여, Layer III보다 낮은 인코더 복잡도와 더 나은 오류 내성으로 투명한 품질을 제공합니다. 이러한 특성이 DVB 텔레비전, DAB 디지털 라디오, HDV 캠코더 표준이 모두 MP2를 의무화하거나 선호하는 이유입니다. 인코더 지연도 더 짧아 립싱크가 중요한 라이브 방송에서 중요한 특성입니다. 세 가지 장점이 표준화 후 수십 년이 지나도 MP2의 관련성을 유지합니다: 지상파 신호에 필수적인 전송 오류 하에서의 우아한 성능 저하, 실시간 방송 체인에 적합한 최소 인코딩 지연, 유럽 및 아시아 방송 프레임워크에서의 확고한 규제적 수용입니다.