ตัวแปลง SPH เป็น VOC

SPH เป็นนามสกุลไฟล์สำหรับเสียงที่จัดเก็บในรูปแบบ NIST SPHERE (SPeech HEader REsources) มาตรฐานที่สร้างโดยสถาบันมาตรฐานและเทคโนโลยีแห่งชาติสหรัฐอเมริการาวปี 1990 สร้างขึ้นสำหรับการวิจัยด้านเสียงพูด ไฟล์ SPH มีส่วนหัว ASCII ขนาด 1024 ไบต์ที่บรรจุเมทาดาทา — ตัวระบุฐานข้อมูล จำนวนช่องสัญญาณ อัตราสุ่มตัวอย่าง ลำดับไบต์ และประเภทการบีบอัด — ทำให้ทุกการบันทึกอธิบายตัวเองได้ เสียงพื้นฐานโดยทั่วไปเป็น PCM เชิงเส้น 16 บิตที่สุ่มตัวอย่าง 16 kHz แม้ว่าจะอนุญาตให้ใช้การกำหนดค่าอื่นได้ นักวิจัยที่ NIST, DARPA และมหาวิทยาลัยทั่วโลกพึ่งพา SPH สำหรับการเผยแพร่คลังเสียงพูดเช่น TIMIT, Switchboard และคอลเลกชัน LDC ที่เป็นรากฐานของระบบการรู้จำเสียงพูดอัตโนมัติสมัยใหม่ ข้อดีสำคัญคือส่วนหัวที่อ่านได้ด้วยมนุษย์ ทำให้สคริปต์สามารถแยกวิเคราะห์เมทาดาทาการบันทึกได้โดยไม่ต้องถอดรหัสไบนารี การกำหนดมาตรฐานที่เข้มงวดของรูปแบบยังขจัดความกำกวมเมื่อแชร์ชุดข้อมูลข้ามสถาบันและแพลตฟอร์ม เนื่องจากไฟล์ SPH จัดเก็บ PCM แบบไม่บีบอัด จึงรักษาความเที่ยงตรงของเสียงอย่างเต็มที่ — สิ่งสำคัญอย่างยิ่งเมื่อฝึกแบบจำลองอะคูสติกที่แม้แต่สิ่งแปลกปลอมเล็กน้อยก็อาจบิดเบือนผลลัพธ์ได้

VOC (Creative Voice) เป็นคอนเทนเนอร์เสียงดิจิทัลที่พัฒนาโดย Creative Technology และเปิดตัวพร้อมกับการ์ด Sound Blaster ดั้งเดิมในปี 1989 ทำหน้าที่เป็นรูปแบบเสียงดั้งเดิมของตระกูล Sound Blaster ในยุค DOS เมื่อฮาร์ดแวร์ของ Creative ครองตลาดเสียง PC ไฟล์ VOC ใช้โครงสร้างแบบบล็อก — แต่ละไฟล์ประกอบด้วยบล็อกข้อมูลที่มีประเภทกำหนด สามารถบรรจุ PCM แบบ 8 บิตไม่มีเครื่องหมาย, Creative ADPCM 4 บิตและ 2.6 บิต, PCM แบบ 16 บิตมีเครื่องหมาย รวมถึงเสียงที่เข้ารหัส A-law และ mu-law โครงสร้างบล็อกนี้ยังรองรับช่วงเงียบ ลูปซ้ำ และจุดมาร์กเกอร์ ให้นักพัฒนาเกมควบคุมการเล่นเสียงได้อย่างละเอียด ข้อดีที่สำคัญคือการถอดรหัสในระดับฮาร์ดแวร์ — การ์ด Sound Blaster สามารถเล่นข้อมูล VOC โดยตรงผ่านการถ่ายโอน DMA ปลดปล่อย CPU สำหรับงานอื่นในยุคที่รอบการประมวลผลมีค่ามาก รูปแบบนี้ถูกใช้อย่างกว้างขวางในเกม DOS จาก id Software, Sierra และ LucasArts เมื่อ Windows และรูปแบบ WAV เริ่มแพร่หลาย VOC ก็ค่อยๆ หายไปจากกระแสหลัก แต่ยังคงมีความสำคัญสำหรับการอนุรักษ์เกมย้อนยุคและผู้ที่ทำงานกับคลังเสียง PC ย้อนยุค