Konwerter IRCAM na AMR

Pliki dzwiekowe IRCAM wywodza sie z Institut de Recherche et Coordination Acoustique/Musique — jednego z najwazniejszych na swiecie laboratoriow muzyki komputerowej, zalozonego przez kompozytora Pierre'a Bouleza w Paryzu. Format zostal stworzony na poczatku lat 80. na potrzeby badawcze IRCAM i od tego czasu zostal przyjety przez spolecznosci akademickie i artystyczne dzialajace na styku nauki i dzwieku. Plik IRCAM zaczyna sie od 1024-bajtowego naglowka zawierajacego liczbe magiczna, czestotliwosc probkowania, liczbe kanalow i pole typu kodowania, obslugujace liniowe PCM (16/32-bitowe calkowite i 32-bitowe zmiennoprzecinkowe), mu-law i warianty A-law. Blok naglowka miesci tez dowolny tekst adnotacyjny, pozwalajacy badaczom osadzac metadane eksperymentu bezposrednio w pliku audio. Poniewaz domyslna zawartosc jest nieskompresowana, nagrania zachowuja pelna wiernosc podczas kolejnych cykli analizy i resyntezy — niezbedna cecha w eksperymentach psychoakustycznych. Oprogramowanie takie jak Csound, libsndfile i SoX odczytuje i zapisuje ten format natywnie. Kluczowe zalety to dobrze zdefiniowany naglowek eliminujacy niejednoznacznosc parsowania, obsluga probek zmiennoprzecinkowych niezbedna w naukowym przetwarzaniu sygnalow oraz glebokie korzenie w spolecznosci muzyki komputerowej zapewniajace ciagla obsluge narzedzi.

AMR (Adaptive Multi-Rate) to skompresowany format audio zoptymalizowany pod katem mowy, standaryzowany przez Europejski Instytut Norm Telekomunikacyjnych i przyjety jako obowiazkowy kodek w sieciach GSM i 3G. Kodek dynamicznie przelacza sie miedzy osmioma szybkosciami transmisji — od 4,75 do 12,2 kbps — w zaleznosci od warunkow sieciowych i poziomu szumu tla. Gdy jakosc lacza spada, koder przechodzi na nizsza przepustowosc, wymieniaiac nieznaczna czytelnosc na niezawodnosc transmisji. Ten mechanizm adaptacyjny zdefiniowany jest w specyfikacjach 3GPP i reprezentuje jeden z najszerzej wdrozonych kodekow glosowych na swiecie, uzywany w miliardach polaczen telefonii komorkowej. Glowna zaleta jest efektywnosc kompresji: jedna minuta dzwieku AMR przy 12,2 kbps zajmuje ok. 90 KB, co jest praktyczne dla notatek glosowych, poczty glosowej i MMS w sieciach o ograniczonej przepustowosci. Kolejnym atutem jest wbudowana detekcja aktywnosci glosowej i generowanie szumu komfortu, co redukuje transmisje w czasie ciszy. Choc AMR nie nadaje sie do muzyki ze wzgledu na waskie pasmo (300-3400 Hz), doskonale sprawdza sie w dostarczaniu zrozumialej mowy w trudnych warunkach sieciowych.