Chuyển đổi NIST sang M4A

NIST SPHERE (SPeech HEader REsources) là định dạng tệp âm thanh chuyên dụng do Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ phát triển, phục vụ nghiên cứu giọng nói, đặc biệt các dự án được DARPA tài trợ. Định dạng này đóng gói các mẫu âm thanh thô kèm theo phần header ASCII có cấu trúc, chứa siêu dữ liệu như tần số lấy mẫu, số kênh, kiểu mã hóa, thông tin nhân khẩu học người nói và chú thích phiên âm — lý tưởng cho việc phân phối kho dữ liệu giọng nói. Các tệp NIST thường lưu trữ âm thanh PCM không nén hoặc mu-law ở tần số lấy mẫu chất lượng điện thoại (8 kHz hoặc 16 kHz), dù bộ chứa đủ linh hoạt để hỗ trợ nhiều kiểu mã hóa khác. Ưu điểm nổi bật là phần header tự mô tả phong phú, cho phép nhà nghiên cứu nhúng trực tiếp siêu dữ liệu chi tiết của kho ngữ liệu vào tệp mà không cần tệp đi kèm. SPHERE cũng trở thành tiêu chuẩn thực tế cho các cơ sở dữ liệu giọng nói lớn như TIMIT, Switchboard và Fisher corpus, được công nhận rộng rãi trong các phòng thí nghiệm học thuật và chính phủ. Đặc tả mở và sự sẵn có của các công cụ dòng lệnh (sphere, h_strip, w_decode) giúp việc chuyển đổi, kiểm tra và xử lý các tệp này trở nên đơn giản trong các quy trình xử lý giọng nói.

M4A là phần mở rộng tệp ưa thích của Apple cho nội dung chỉ có âm thanh trong container MPEG-4 Part 14, được áp dụng rộng rãi sau khi iTunes Music Store ra mắt năm 2003. Phần mở rộng này phân biệt luồng thuần âm thanh với tệp MP4 có video, báo hiệu cho trình phát rằng không có track video. Bên trong, tệp M4A thường bọc luồng bit AAC-LC (Advanced Audio Coding, Low Complexity), dù payload Apple Lossless (ALAC) cũng sử dụng cùng phần mở rộng. Các tệp M4A mã hóa AAC mang lại chất lượng âm thanh tốt hơn MP3 ở cùng bitrate, nhờ cải thiện sao chép dải phổ, định hình nhiễu theo thời gian và mô hình tâm lý âm học tinh chỉnh. Hỗ trợ tốc độ lấy mẫu lên đến 96 kHz và độ sâu bit lên đến 24-bit. Tích hợp hệ sinh thái Apple hoàn toàn liền mạch — iTunes, Apple Music, iPhone, iPad và macOS đều xử lý M4A nguyên bản — trong khi hỗ trợ bên thứ ba bao gồm VLC, foobar2000, Android và hầu hết hệ thống giải trí ô tô. Ba lợi ích thiết thực định nghĩa định dạng: hiệu suất mã hóa vượt trội so với các codec lossy cũ, siêu dữ liệu phong phú qua cấu trúc atom MP4 (ảnh bìa, chương, lời bài hát), và tính linh hoạt kép phục vụ cả quy trình lossy lẫn lossless.