Konwerter NIST na MP2

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.

MP2 (MPEG-1 Audio Layer II), znany rowniez pod oryginalna nazwa projektu MUSICAM, to percepcyjny kodek audio standaryzowany jako czesc ISO/IEC 11172-3 w 1993 roku. Podczas gdy jego nastepca MP3 zyskal popularnosc wsrod konsumentow, MP2 wyrzezbil sobie trwala nisze w profesjonalnej emisji, ktora utrzymuje do dzis. Kodek dzieli audio na 32 podpasma za pomoca polifazowego banku filtrow, stosuje model psychoakustyczny do okreslenia progow maskowania, a nastepnie kwantyzuje i koduje Huffmanem kazde podpasmo. Typowe wdrozenia emisyjne uzywaja 192-384 kbps dla stereo, osiagajac transparentna jakosc przy nizszej zlozonosci kodera i lepszej odpornosci na bledy niz Layer III. Te wlasciwosci tlumaacza, dlaczego telewizja DVB, radio cyfrowe DAB i standard kamer HDV nakazuja lub preferuja MP2. Opoznienie kodera jest rowniez krotsze, co jest wazna cecha w przypadku nadawania na zywo, gdzie liczy sie synchronizacja dzwieku z obrazem. Trzy zalety utrzymuja MP2 na rynku dziesieciolecia po standaryzacji: lagodna degradacja w warunkach bledow transmisji, kluczowa dla sygnalow nadawanych drogami radiowymi, minimalne opoznienie kodowania odpowiednie dla lancuchow emisji na zywo oraz ugruntowana akceptacja regulacyjna w europejskich i azjatyckich systemach nadawczych.