Konwerter NIST na WAV

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.

WAV (Waveform Audio File Format) to nieskompresowany kontener audio wspolnie opracowany przez Microsoft i IBM, po raz pierwszy opublikowany w sierpniu 1991 roku wraz z Windowsem 3.1. Zbudowany na formacie Resource Interchange File Format (RIFF), WAV przechowuje dane audio — najczesciej jako liniowa modulacje impulsowo-kodowa (LPCM) — wraz z metadanymi opisujacymi czestotliwosc probkowania, glebie bitowa i liczbe kanalow. Ta prosta struktura uczynia WAV de facto standardem nieskompresowanego audio na Windowsie i uniwersalnie akceptowanym formatem wymiany w praktycznie kazdym systemie operacyjnym, edytorze audio i odtwarzaczu multimedialnym. Pliki WAV jakosci CD uzywaja 16-bitowych probek przy 44,1 kHz stereo, natomiast profesjonalne przeplywy pracy rutynowo stosuja 24-bitowe lub 32-bitowe probki zmiennoprzecinkowe przy czestotliwosciach do 192 kHz. Glowna zaleta jest bezstratna wiernosc: poniewaz standardowy WAV nie stosuje kompresji, przechowywane dane sa dokladna cyfrowa reprezentacja oryginalnego nagrania, co czyni go preferowanym wyborem do masteringu i archiwizacji. WAV obsluguje rowniez osadzone metadane przez bloki INFO i BWF, umozliwiajac znaczniki czasowe i notatki produkcyjne. Glownym kompromisem jest rozmiar pliku — minuta stereo jakosci CD zajmuje ok. 10 MB — a 32-bitowa struktura RIFF narzuca limit 4 GB, choc RF64 znosi to ograniczenie.