Konwerter SPH na SPX

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.

Speex to otwartorodlowy kodek audio celowo zaprojektowany do kompresji mowy, opracowany przez Jean-Marc Valina pod auspicjami Xiph.Org Foundation. Po raz pierwszy wydany w pazdzierniku 2002, celuje w VoIP, wideokonferencje i wszelkie scenariusze, w ktorych mowa musi byc efektywnie przesylana przez siec. Pliki SPX opakowujoa audio zakodowane w Speex wewnatrz kontenera Ogg, laczac optymalizacje mowy kodeka z mozliwosciami strumieniowania Ogg. Obslugiwane sa trzy czestotliwosci probkowania — waskie pasmo przy 8 kHz, szerokie pasmo przy 16 kHz i ultra-szerokie pasmo przy 32 kHz — wraz z kodowaniem o zmiennej szybkosci transmisji, ktore adaptuje sie w czasie rzeczywistym do zlozonosci mowy. Wyrozniajaca zaleta jest wolna od patentow, licencjonowana na BSD natura, pozwalajaca deweloperom swobodnie osadzac kodek zarowno w komercyjnych, jak i otwartorodlowych produktach. Speex laczy tez w sobie kasowanie echa akustycznego, tlumienie szumu i automatyczna regulacje wzmocnienia — funkcje, ktore rywalizujace kodeki zwykle deleguja do zewnetrznych bibliotek. Chociaz tworcy oficjalnie rekomenduja Opus jako nastepce od 2012 roku, Speex pozostaje wdrozony w starszych systemach VoIP, archiwalnych nagraniach i urzadzeniach wbudowanych, gdzie jego lekki dekoder nadal jest ceniony.