ตัวแปลง SOU เป็น AMR

SOU เป็นการกำหนดรูปแบบเสียงดิบที่ทำหน้าที่เป็นนามแฝงสำหรับข้อมูล PCM แบบ 8 บิตไม่มีเครื่องหมาย (u8) ในเฟรมเวิร์กประมวลผลเสียง SoX ไฟล์ที่มีนามสกุล .sou ประกอบด้วยตัวอย่างเสียงดิบที่ไม่บีบอัดแบบไม่มีส่วนหัว จัดเก็บเป็นจำนวนเต็ม 8 บิตไม่มีเครื่องหมาย — แต่ละไบต์แทนค่าแอมพลิจูดเดียวตั้งแต่ 0 ถึง 255 โดย 128 เป็นจุดกลางที่เงียบ เนื่องจากไม่มีส่วนหัว พารามิเตอร์การเล่นเช่นอัตราสุ่มตัวอย่างและจำนวนช่องสัญญาณต้องระบุจากภายนอก ค่าเริ่มต้นโดยทั่วไปคือโมโนที่ 8000 Hz แม้ว่าข้อมูลจะแทนอัตราใดก็ได้ที่ฮาร์ดแวร์บันทึกรองรับ การเข้ารหัส u8 ที่ SOU เป็นนามแฝงเป็นหนึ่งในการแสดงเสียงดิจิทัลที่เรียบง่ายที่สุด มีมาก่อนคอนเทนเนอร์เสียงแบบมีโครงสร้างเช่น WAV และ AIFF PCM แบบดิบไม่มีเครื่องหมายถูกผลิตทั่วไปโดยการ์ดเสียงและดิจิไทเซอร์ยุคแรกในช่วงปลายทศวรรษ 1980 และต้นทศวรรษ 1990 เมื่อข้อจำกัดด้านพื้นที่จัดเก็บและพลังการประมวลผลทำให้รูปแบบที่ไม่มีส่วนหัวเป็นตัวเลือกที่เหมาะสม ข้อดีคือความเรียบง่ายอย่างสุดขั้ว — ไฟล์ SOU สามารถอ่านได้โดยโปรแกรมใดก็ได้ที่ทำ I/O ไฟล์พื้นฐาน โดยไม่ต้องแยกวิเคราะห์โครงสร้างคอนเทนเนอร์หรือถอดรหัสเมทาดาทา การแปลงเป็นคอนเทนเนอร์สมัยใหม่ใดๆ ก็ไม่สูญเสียคุณภาพและรวดเร็ว เนื่องจากสามารถห่อหุ้มตัวอย่าง PCM ดิบในส่วนหัว WAV หรือ AIFF ได้โดยไม่ต้องแปลงรหัสใดๆ

AMR (Adaptive Multi-Rate) เป็นรูปแบบเสียงบีบอัดที่ปรับให้เหมาะสำหรับเสียงพูด ได้รับมาตรฐานจาก สถาบันมาตรฐานโทรคมนาคมแห่งยุโรป และถูกนำมาใช้เป็นตัวแปลงสัญญาณบังคับสำหรับเครือข่ายมือถือ GSM และ 3G ตัวแปลงสัญญาณสลับบิตเรตแบบไดนามิกระหว่างแปดระดับ — ตั้งแต่ 4.75 ถึง 12.2 kbps — ตามสภาพเครือข่ายและระดับเสียงรบกวนพื้นหลัง เมื่อคุณภาพลิงก์ลดลง ตัวเข้ารหัสจะเปลี่ยนไปใช้อัตราที่ต่ำกว่า แลกความชัดเจนเล็กน้อยกับความเสถียรในการส่งข้อมูล กลไกการปรับตัวนี้กำหนดโดยข้อกำหนด 3GPP และเป็นหนึ่งในตัวแปลงสัญญาณเสียงที่ใช้งานแพร่หลายที่สุดในโลก ใช้ในการโทรมือถือหลายพันล้านครั้ง ข้อดีหลักคือประสิทธิภาพการบีบอัด: เสียง AMR หนึ่งนาทีที่ 12.2 kbps ใช้พื้นที่เพียงประมาณ 90 KB ใช้งานได้จริงสำหรับบันทึกเสียง วอยซ์เมล และ MMS บนเครือข่ายที่มีแบนด์วิดท์จำกัด อีกข้อดีคือมีการตรวจจับกิจกรรมเสียงและการสร้างเสียงรบกวนขณะเงียบในตัว ช่วยลดการส่งข้อมูลระหว่างช่วงเงียบ แม้ AMR จะไม่เหมาะกับเพลงเนื่องจากแบนด์วิดท์แคบ (300-3400 Hz) แต่เชี่ยวชาญในการส่งเสียงพูดที่ชัดเจนภายใต้สภาพเครือข่ายที่ท้าทาย