Konwerter SPH na WAV

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.

WAV (Waveform Audio File Format) to nieskompresowany kontener audio wspolnie opracowany przez Microsoft i IBM, po raz pierwszy opublikowany w sierpniu 1991 roku wraz z Windowsem 3.1. Zbudowany na formacie Resource Interchange File Format (RIFF), WAV przechowuje dane audio — najczesciej jako liniowa modulacje impulsowo-kodowa (LPCM) — wraz z metadanymi opisujacymi czestotliwosc probkowania, glebie bitowa i liczbe kanalow. Ta prosta struktura uczynia WAV de facto standardem nieskompresowanego audio na Windowsie i uniwersalnie akceptowanym formatem wymiany w praktycznie kazdym systemie operacyjnym, edytorze audio i odtwarzaczu multimedialnym. Pliki WAV jakosci CD uzywaja 16-bitowych probek przy 44,1 kHz stereo, natomiast profesjonalne przeplywy pracy rutynowo stosuja 24-bitowe lub 32-bitowe probki zmiennoprzecinkowe przy czestotliwosciach do 192 kHz. Glowna zaleta jest bezstratna wiernosc: poniewaz standardowy WAV nie stosuje kompresji, przechowywane dane sa dokladna cyfrowa reprezentacja oryginalnego nagrania, co czyni go preferowanym wyborem do masteringu i archiwizacji. WAV obsluguje rowniez osadzone metadane przez bloki INFO i BWF, umozliwiajac znaczniki czasowe i notatki produkcyjne. Glownym kompromisem jest rozmiar pliku — minuta stereo jakosci CD zajmuje ok. 10 MB — a 32-bitowa struktura RIFF narzuca limit 4 GB, choc RF64 znosi to ograniczenie.