Konwerter NIST na FLAC

NIST SPHERE (SPeech HEader REsources) to specjalistyczny format plikow audio stworzony przez National Institute of Standards and Technology na potrzeby badan nad mowa, w szczegolnosci projektow finansowanych przez DARPA. Format opakowuje surowe probki audio w strukturalny naglowek ASCII kodujacy metadane, takie jak czestotliwosc probkowania, liczba kanalow, typ kodowania, dane demograficzne mowcy i adnotacje transkrypcyjne — co czyni go idealnym do dystrybucji korpusow mowy. Pliki NIST zwykle przechowuja nieskompresowane PCM lub audio mu-law przy czestotliwosciach probkowania klasy telefonicznej (8 kHz lub 16 kHz), choc kontener jest na tyle elastyczny, by pomiescic rozne kodowania. Kluczowa zaleta jest bogaty, samoopisujoacy sie naglowek, pozwalajacy badaczom osadzac szczegolowe metadane korpusowe bezposrednio w pliku, eliminujac potrzebe osobnych plikow towarzyszacych. SPHERE stal sie rowniez de facto standardem dla glownych baz danych mowy, takich jak TIMIT, Switchboard i korpus Fisher, zapewniajac szerokie uznanie w laboratoriach akademickich i rzadowych. Otwarta specyfikacja i dostepnosc narzedzi wiersza polecen (sphere, h_strip, w_decode) umozliwiaja latwa konwersje, inspekcje i przetwarzanie tych plikow programistycznie w potokach przetwarzania mowy.

FLAC (Free Lossless Audio Codec) zapewnia matematycznie doskonala reprodukcje audio przy mniej wiecej polowie rozmiaru nieskompresowanego pliku WAV. Utrzymywany przez Xiph.Org Foundation i wydany w 2001 roku, szybko stal sie de facto otwartym standardem bezstratnej archiwizacji muzyki. Koder stosuje predykcje liniowa do modelowania kazdego bloku audio, a nastepnie koduje reszty za pomoca partycjonowania Rice'a — wykorzystujac rozklad statystyczny bledow predykcji do silnej kompresji bez odrzucania danych. Obslugiwane sa glebie bitowe do 32 i czestotliwosci probkowania do 655 kHz, przekraczajac wymagania nagran w wysokiej rozdzielczosci. Obsluga sprzetowa jest rozlegla: smartfony, samochodowe odtwarzacze, odtwarzacze Blu-ray i praktycznie kazda desktopowa aplikacja multimedialna dekoduje FLAC natywnie. Serwisy streamingowe takie jak Tidal i Amazon Music uzywaja FLAC w warstwach bezstratnych, co podkresla zaufanie branzy do tego kodeka. Trzy wyrozniajace sie zalety czynia FLAC atrakcyjnym. Po pierwsze, pelne odtwarzanie sygnalu bit-po-bicie przy dekodowaniu. Po drugie, osadzone metadane poprzez komentarze Vorbis i okladki albumow utrzymuja porzadek w bibliotece bez dodatkowych plikow. Po trzecie, licencja open-source oznacza brak patentow i tantiem, co eliminuje bariery prawne dla deweloperow i producentow sprzetu.