Chuyển đổi NIST sang MP2

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.

MP2 (MPEG-1 Audio Layer II), còn được biết đến với tên dự án gốc MUSICAM, là codec âm thanh cảm nhận được chuẩn hóa trong ISO/IEC 11172-3 vào năm 1993. Trong khi phiên bản kế nhiệm MP3 chiếm lĩnh thị trường tiêu dùng, MP2 đã tạo dựng vị trí bền vững trong phát sóng chuyên nghiệp mà nó giữ đến ngày nay. Codec chia âm thanh thành 32 dải phụ qua bộ lọc polyphase, áp dụng mô hình tâm lý âm học để xác định ngưỡng che lấp, sau đó lượng tử hóa và mã Huffman cho từng dải phụ tương ứng. Triển khai phát sóng điển hình sử dụng 192-384 kbps cho stereo, cho chất lượng trong suốt với độ phức tạp bộ mã hóa thấp hơn và khả năng chống lỗi tốt hơn Layer III. Những đặc tính này giải thích vì sao truyền hình DVB, radio số DAB và tiêu chuẩn máy quay HDV đều bắt buộc hoặc ưu tiên MP2. Độ trễ mã hóa cũng ngắn hơn — một đặc điểm quan trọng cho phát sóng trực tiếp nơi đồng bộ hình miệng là yếu tố then chốt. Ba ưu điểm giữ MP2 phù hợp sau nhiều thập kỷ kể từ khi được chuẩn hóa: suy giảm nhẹ nhàng khi gặp lỗi truyền tải — thiết yếu cho tín hiệu phát sóng qua không khí, độ trễ mã hóa tối thiểu phù hợp chuỗi phát sóng thời gian thực, và sự chấp nhận pháp lý đã ăn sâu trên khắp các khung phát sóng Châu Âu và Châu Á.