ตัวแปลง NIST เป็น MP2

NIST SPHERE (SPeech HEader REsources) เป็นรูปแบบไฟล์เสียงเฉพาะทางที่สร้างโดย สถาบันมาตรฐานและเทคโนโลยีแห่งชาติ สำหรับการวิจัยเสียงพูด โดยเฉพาะโปรเจกต์ที่ได้รับทุนจาก DARPA รูปแบบนี้ห่อหุ้มตัวอย่างเสียงดิบด้วยส่วนหัว ASCII ที่มีโครงสร้างซึ่งเข้ารหัสเมตาดาต้า เช่น อัตราสุ่มตัวอย่าง จำนวนแชนเนล ประเภทการเข้ารหัส ข้อมูลประชากรผู้พูด และคำอธิบายการถอดความ — เหมาะอย่างยิ่งสำหรับการเผยแพร่คอร์ปัสเสียงพูด ไฟล์ NIST มักเก็บ PCM แบบไม่บีบอัดหรือเสียง mu-law ที่อัตราสุ่มตัวอย่างคุณภาพโทรศัพท์ (8 kHz หรือ 16 kHz) แม้คอนเทนเนอร์จะยืดหยุ่นพอรองรับการเข้ารหัสหลายแบบ ข้อดีสำคัญคือส่วนหัวแบบบันทึกตัวเองที่หลากหลาย ช่วยให้นักวิจัยฝังเมตาดาต้าคอร์ปัสโดยละเอียดในไฟล์โดยตรง ไม่ต้องมีไฟล์ข้างเคียง SPHERE ยังกลายเป็นมาตรฐานที่ใช้จริงสำหรับฐานข้อมูลเสียงพูดหลัก ๆ เช่น TIMIT, Switchboard และคอร์ปัส Fisher รับประกันการรับรู้อย่างกว้างขวางในห้องปฏิบัติการทั้งด้านวิชาการและภาครัฐ ข้อกำหนดแบบเปิดและเครื่องมือบรรทัดคำสั่งที่มีให้ (sphere, h_strip, w_decode) ทำให้สามารถแปลง ตรวจสอบ และประมวลผลไฟล์เหล่านี้ทางโปรแกรมได้อย่างตรงไปตรงมาในไปป์ไลน์ประมวลผลเสียงพูด

MP2 (MPEG-1 Audio Layer II) หรือที่รู้จักในชื่อโปรเจกต์ดั้งเดิม MUSICAM เป็นตัวแปลงสัญญาณเสียงเชิงรับรู้ที่ได้รับมาตรฐานเป็นส่วนหนึ่งของ ISO/IEC 11172-3 ในปี 1993 ในขณะที่ MP3 ซึ่งเป็นรุ่นถัดมาได้รับความสนใจจากผู้บริโภค MP2 ได้สร้างตำแหน่งที่มั่นคงในวงการออกอากาศมืออาชีพที่ยังคงรักษาอยู่จนถึงทุกวันนี้ ตัวแปลงสัญญาณแบ่งเสียงออกเป็น 32 ซับแบนด์ผ่าน polyphase filter bank ใช้แบบจำลองจิตอะคูสติกเพื่อกำหนดเกณฑ์การปกปิด จากนั้นควอนไทซ์และเข้ารหัส Huffman แต่ละซับแบนด์ตามนั้น การใช้งานออกอากาศทั่วไปใช้ 192-384 kbps สำหรับสเตอริโอ ให้คุณภาพโปร่งใสพร้อมความซับซ้อนตัวเข้ารหัสที่ต่ำกว่าและความทนทานต่อข้อผิดพลาดที่ดีกว่า Layer III คุณสมบัติเหล่านี้อธิบายได้ว่าทำไมโทรทัศน์ DVB วิทยุดิจิทัล DAB และมาตรฐานกล้อง HDV ล้วนกำหนดหรือเลือก MP2 เวลาแฝงของตัวเข้ารหัสก็สั้นกว่า ซึ่งเป็นคุณสมบัติสำคัญสำหรับการออกอากาศสดที่ต้องซิงค์ปากกับเสียง ข้อดีสามประการที่ทำให้ MP2 ยังคงมีความเกี่ยวข้องหลายทศวรรษหลังการกำหนดมาตรฐาน: การเสื่อมคุณภาพอย่างสง่างามภายใต้ข้อผิดพลาดในการส่งซึ่งสำคัญสำหรับสัญญาณออกอากาศทางอากาศ ความล่าช้าในการเข้ารหัสที่น้อยที่สุดเหมาะกับสายการออกอากาศแบบเรียลไทม์ และการยอมรับจากหน่วยงานกำกับดูแลที่ฝังลึกในกรอบการออกอากาศของยุโรปและเอเชีย