Konwerter NIST na M4A

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.

M4A to preferowane przez Apple rozszerzenie pliku dla tresci czysto audio wewnatrz kontenera MPEG-4 Part 14, szeroko przyjete po uruchomieniu iTunes Music Store w 2003 roku. Rozszerzenie odróznia czyste strumienie audio od plikow MP4 z obsluga wideo, sygnalizujac odtwarzaczom, ze nie zawieraja sciezki wideo. Pod maska plik M4A najczesciej opakowuje strumien bitow AAC-LC (Advanced Audio Coding, Low Complexity), choc rozszerzenie jest rowniez uzywane dla Apple Lossless (ALAC). Pliki M4A zakodowane w AAC oferuja lepsza jakosc dzwieku niz MP3 przy rownowaznych szybkosciach transmisji dzieki ulepszonej replikacji pasma spektralnego, ksztaltowaniu szumu czasowego i udoskonalonemu modelowi psychoakustycznemu. Obslugiwane sa czestotliwosci probkowania do 96 kHz i glebie bitowe do 24 bitow. Integracja z ekosystemem Apple jest bezproblemowa — iTunes, Apple Music, iPhone, iPad i macOS obsluguja M4A natywnie — a wsparcie ze strony producentow obejmuje VLC, foobar2000, Androida i wiekszsc systemow informacyjno-rozrywkowych w samochodach. Trzy wymierne korzysci definiuja format: wyzsza efektywnosc kodowania niz starsze stratne kodeki, bogate metadane dzieki strukturze atomow MP4 (grafika, rozdzialy, teksty piosenek) oraz dwutrybowosc obslugujaca zarowno przeplywy stratne, jak i bezstratne.