Konwerter NIST na SPX

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.

Speex to otwartorodlowy kodek audio celowo zaprojektowany do kompresji mowy, opracowany przez Jean-Marc Valina pod auspicjami Xiph.Org Foundation. Po raz pierwszy wydany w pazdzierniku 2002, celuje w VoIP, wideokonferencje i wszelkie scenariusze, w ktorych mowa musi byc efektywnie przesylana przez siec. Pliki SPX opakowujoa audio zakodowane w Speex wewnatrz kontenera Ogg, laczac optymalizacje mowy kodeka z mozliwosciami strumieniowania Ogg. Obslugiwane sa trzy czestotliwosci probkowania — waskie pasmo przy 8 kHz, szerokie pasmo przy 16 kHz i ultra-szerokie pasmo przy 32 kHz — wraz z kodowaniem o zmiennej szybkosci transmisji, ktore adaptuje sie w czasie rzeczywistym do zlozonosci mowy. Wyrozniajaca zaleta jest wolna od patentow, licencjonowana na BSD natura, pozwalajaca deweloperom swobodnie osadzac kodek zarowno w komercyjnych, jak i otwartorodlowych produktach. Speex laczy tez w sobie kasowanie echa akustycznego, tlumienie szumu i automatyczna regulacje wzmocnienia — funkcje, ktore rywalizujace kodeki zwykle deleguja do zewnetrznych bibliotek. Chociaz tworcy oficjalnie rekomenduja Opus jako nastepce od 2012 roku, Speex pozostaje wdrozony w starszych systemach VoIP, archiwalnych nagraniach i urzadzeniach wbudowanych, gdzie jego lekki dekoder nadal jest ceniony.