Konwerter PVF na AMR

PVF (Portable Voice Format) to prosty format plikow audio zaprojektowany do przechowywania wiadomosci glosowych w systemach telefonicznych opartych na Linuksie, przede wszystkim ISDN4Linux i jego aplikacji poczty glosowej vbox. Format wylonil sie z europejskiego ekosystemu ISDN konca lat 90., gdy serwery Linux coraz czesciej obslugiwaly centralki PBX i automatyczne sekretarki na cyfrowych liniach telefonicznych. Pliki PVF przechowuja surowe 16-bitowe probki PCM ze znakiem przy czestotliwosci 8000 Hz mono, poprzedzone minimalnym naglowkiem tekstowym okreslajacym format danych i kolejnosc bajtow. Ta celowa prostota jest jedna z glownych zalet formatu — bez kompresji i z czytelnym naglowkiem pliki PVF sa trywialnie latwe do parsowania, potokowania i manipulowania standardowymi narzedziami Unix. Czestotliwosc 8 kHz odpowiada wymogowi Nyquista dla mowy o szerokosci pasma telefonicznego (300-3400 Hz), co czyni PVF naturalnym formatem posrednim dla potokow przetwarzania glosu. Kolejna zaleta jest przenosnosc miedzy architekturami: wyrazna deklaracja kolejnosci bajtow oznacza, ze pliki PVF przechodzaa miedzy systemami big-endian i little-endian bez niejednoznacznosci. Zestaw narzedzi audio SoX zapewnia natywna obsluge odczytu i zapisu PVF, umozliwiajac bezproblemowa konwersje do nowoczesnych formatow.

AMR (Adaptive Multi-Rate) to skompresowany format audio zoptymalizowany pod katem mowy, standaryzowany przez Europejski Instytut Norm Telekomunikacyjnych i przyjety jako obowiazkowy kodek w sieciach GSM i 3G. Kodek dynamicznie przelacza sie miedzy osmioma szybkosciami transmisji — od 4,75 do 12,2 kbps — w zaleznosci od warunkow sieciowych i poziomu szumu tla. Gdy jakosc lacza spada, koder przechodzi na nizsza przepustowosc, wymieniaiac nieznaczna czytelnosc na niezawodnosc transmisji. Ten mechanizm adaptacyjny zdefiniowany jest w specyfikacjach 3GPP i reprezentuje jeden z najszerzej wdrozonych kodekow glosowych na swiecie, uzywany w miliardach polaczen telefonii komorkowej. Glowna zaleta jest efektywnosc kompresji: jedna minuta dzwieku AMR przy 12,2 kbps zajmuje ok. 90 KB, co jest praktyczne dla notatek glosowych, poczty glosowej i MMS w sieciach o ograniczonej przepustowosci. Kolejnym atutem jest wbudowana detekcja aktywnosci glosowej i generowanie szumu komfortu, co redukuje transmisje w czasie ciszy. Choc AMR nie nadaje sie do muzyki ze wzgledu na waskie pasmo (300-3400 Hz), doskonale sprawdza sie w dostarczaniu zrozumialej mowy w trudnych warunkach sieciowych.