Conversor de NIST para AAC

NIST SPHERE (SPeech HEader REsources) é um formato de arquivo de áudio especializado criado pelo National Institute of Standards and Technology para pesquisa em fala, particularmente projetos financiados pela DARPA. O formato envolve amostras de áudio brutas com um cabecalho ASCII estruturado codificando metadados como taxa de amostragem, contagem de canais, tipo de codificação, dados demograficos do falante é anotações de transcrição — tornando-o ideal para distribuição de corpora de fala. Os arquivos NIST normalmente armazenam PCM sem compressão ou áudio mu-law em taxas de amostragem de qualidade telefônica (8 kHz ou 16 kHz), embora o container seja flexível o suficiente para conter várias codificacoes. Uma vantagem chave é o cabecalho rico é autodescritivo que permite que pesquisadores incorporem metadados detalhados de corpus diretamente no arquivo, eliminando arquivos auxiliares. O SPHERE também se tornou o padrão de facto para grandes bancos de dados de fala como TIMIT, Switchboard é o corpus Fisher, garantindo amplo reconhecimento em laboratorios acadêmicos é governamentais. A especificação aberta é a disponibilidade de ferramentas de linha de comando (sphere, h_strip, w_decode) tornam simples converter, inspecionar é processar esses arquivos programaticamente em pipelines de processamento de fala.

AAC (Advanced Áudio Coding) é o sucessor do MP3, padronizado pela ISO/IEC como parte das especificações MPEG-2 é, posteriormente, MPEG-4. Desenvolvido em colaboração por Fraunhofer, Dolby, Sony, Nokia é AT&T, o AAC oferece qualidade sonora superior com taxas de bits equivalentes ou menores — um fluxo AAC de 96 kbps geralmente equivale a um arquivo MP3 de 128 kbps em qualidade perceptual. O codec utiliza uma transformada discreta de cosseno modificada combinada com modelagem psicoacustica avançada é moldagem temporal de ruido. O AAC é o formato de áudio padrão do ecossistema Apple (iTunes, iPhone, iPad), do YouTube é de diversos serviços de streaming. Sua primeira vantagem é a excelente eficiência de compressão — áudio de alta fidelidade usando significativamente menos armazenamento é largura de banda. Segundo, o formato suporta taxas de amostragem de 8 kHz a 96 kHz é até 48 canais, atendendo desde chamadas de voz até som surround. Terceiro, a ampla adoção pela indústria, incluindo a Apple é outros, garante que praticamente todos os dispositivos, navegadores é reprodutores de mídia modernos reproduzam conteúdo AAC nativamente, sem plugins adicionais.