Konwerter SPH na AAC

SPH to rozszerzenie plikow audio przechowywanych w formacie NIST SPHERE (SPeech HEader REsources) — standardzie stworzonym przez amerykanski National Institute of Standards and Technology okolo 1990 roku. Przeznaczony do badan nad mowa, pliki SPH zawieraja 1024-bajtowy naglowek ASCII wypelniony metadanymi — identyfikatorami bazy danych, liczba kanalow, czestotliwoscia probkowania, kolejnoscia bajtow i typem kompresji — co czyni kazde nagranie samoopisujoacy sie. Dane audio to zwykle 16-bitowe liniowe PCM probkowane przy 16 kHz, choc dozwolone sa inne konfiguracje. Badacze z NIST, DARPA i uniwersytetow na calym swiecie polegaja na SPH przy dystrybucji korpusow mowy, takich jak TIMIT, Switchboard i kolekcje LDC, ktore stanowia fundament nowoczesnych systemow automatycznego rozpoznawania mowy. Kluczowa zaleta jest to, ze czytelny naglowek pozwala skryptom parsowac metadane nagrania bez dekodowania binarnego. Scisla standaryzacja formatu eliminuje tez niejednoznacznosc przy wspoldzieleniu zbiorow danych miedzy instytucjami i platformami. Poniewaz pliki SPH przechowuja nieskompresowane PCM, zachowuja pelna wiernosc audio — co jest krytyczne przy trenowaniu modeli akustycznych, gdzie nawet drobne artefakty moga znieksztalcic wyniki.

AAC (Advanced Audio Coding) to nastepca formatu MP3, standaryzowany przez ISO/IEC jako czesc specyfikacji MPEG-2, a pozniej rowniez MPEG-4. Opracowany wspolnie przez Fraunhofer, Dolby, Sony, Nokie i AT&T, AAC zapewnia wyzsza jakosc dzwieku przy rownowaznyn lub nizszym bitrate — strumien AAC o przepustowosci 96 kbps zwykle dorownuje jakoscia plikowi MP3 przy 128 kbps. Kodek wykorzystuje zmodyfikowana dyskretna transformate kosinusowa w polaczeniu z zaawansowanym modelowaniem psychoakustycznym i ksztaltowaniem szumu czasowego. AAC sluzy jako domyslny format audio w ekosystemie Apple (iTunes, iPhone, iPad), na YouTube oraz w wielu serwisach streamingowych. Pierwsza zaleta jest doskonala efektywnosc kompresji — wysoka wiernosc dzwieku przy znacznie mniejszym zuzyciu pamieci i przepustowosci. Po drugie, format obsluguje czestotliwosci probkowania od 8 kHz do 96 kHz oraz do 48 kanalow, co pozwala na zastosowania od rozmow glosowych po dzwiek przestrzenny surround. Po trzecie, szerokie wdrozenie przez Apple i innych producentow gwarantuje, ze praktycznie kazde wspolczesne urzadzenie, przegladarka i odtwarzacz multimedialny obsluguje AAC natywnie, bez dodatkowych wtyczek.