Konwerter SPH na MP2

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.

MP2 (MPEG-1 Audio Layer II), znany rowniez pod oryginalna nazwa projektu MUSICAM, to percepcyjny kodek audio standaryzowany jako czesc ISO/IEC 11172-3 w 1993 roku. Podczas gdy jego nastepca MP3 zyskal popularnosc wsrod konsumentow, MP2 wyrzezbil sobie trwala nisze w profesjonalnej emisji, ktora utrzymuje do dzis. Kodek dzieli audio na 32 podpasma za pomoca polifazowego banku filtrow, stosuje model psychoakustyczny do okreslenia progow maskowania, a nastepnie kwantyzuje i koduje Huffmanem kazde podpasmo. Typowe wdrozenia emisyjne uzywaja 192-384 kbps dla stereo, osiagajac transparentna jakosc przy nizszej zlozonosci kodera i lepszej odpornosci na bledy niz Layer III. Te wlasciwosci tlumaacza, dlaczego telewizja DVB, radio cyfrowe DAB i standard kamer HDV nakazuja lub preferuja MP2. Opoznienie kodera jest rowniez krotsze, co jest wazna cecha w przypadku nadawania na zywo, gdzie liczy sie synchronizacja dzwieku z obrazem. Trzy zalety utrzymuja MP2 na rynku dziesieciolecia po standaryzacji: lagodna degradacja w warunkach bledow transmisji, kluczowa dla sygnalow nadawanych drogami radiowymi, minimalne opoznienie kodowania odpowiednie dla lancuchow emisji na zywo oraz ugruntowana akceptacja regulacyjna w europejskich i azjatyckich systemach nadawczych.