Konwerter NIST do WV

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.

WavPack to otwartorodlowy kodek audio stworzony przez Davida Bryanta, z wersja 1.0 wydana 15 sierpnia 1998 roku. Tym, co wyróznia WavPack, jest unikalny tryb hybrydowy: koder moze jednoczesnie generowac kompaktowy plik stratny i oddzielny plik korekcyjny, ktore w polaczeniu rekonstruuja oryginalny strumien PCM bit-po-bicie. Uzytkownicy potrzebujacy przenosnosci zabieraja tylko plik stratny; ci, ktorzy chca jakosci archiwalnej, zachowuja oba. Kodek obsluguje audio PCM od 8-bitowego do 32-bitowego calkowitego i 32-bitowego zmiennoprzecinkowego, z czestotliwosciami probkowania do 768 kHz — specyfikacje wystarczajaco szerokie dla tresci DSD, ktore WavPack 5 dodal do obslugi. Wspolczynniki kompresji w trybie czysto bezstratnym zwykle osiagaja 40 do 55 procent oryginalnego rozmiaru, co jest konkurencyjne z FLAC i czesto nieco lepsze na pewnych materialach. Wielordzeniowe kodowanie w pozniejszych wersjach dramatycznie przyspiesza przetwarzanie na wspolczesnym sprzecie. Otwartorodlowa biblioteka jest dostarczana na licencji BSD i zostala zintegrowana z foobar2000, VLC, FFmpeg i wieloma innymi narzedziami. WavPack obsluguje rowniez bogate metadane przez tagi APEv2, osadzone arkusze cue i wartosci ReplayGain, pokrywajac potrzeby organizacyjne nawet najbardziej skrupulatnych bibliotek muzycznych.