Chuyển đổi NIST sang MP3

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.

MP3 (MPEG-1 Audio Layer III) là một trong những định dạng mã hóa âm thanh số được sử dụng rộng rãi nhất. Nó áp dụng nén dữ liệu có tổn hao để giảm đáng kể kích thước tệp trong khi vẫn giữ chất lượng âm thanh gần như CD, thường đạt tỷ lệ nén 10:1. Được phát triển bởi Fraunhofer Society cùng các nhà khoa học số khác, định dạng trở thành tiêu chuẩn quốc tế vào năm 1993 như một phần của đặc tả MPEG-1. Tệp MP3 có thể được mã hóa ở nhiều bitrate khác nhau, phổ biến từ 128 kbps đến 320 kbps, cho phép người dùng cân bằng giữa kích thước tệp và chất lượng âm thanh. Khả năng nén hiệu quả, tính tương thích rộng rãi với mọi thiết bị và kích thước tệp nhỏ đã biến MP3 thành động lực đằng sau cuộc cách mạng nhạc số, cho phép lưu trữ và phân phối nhạc qua internet một cách thực tế. Ngày nay, MP3 vẫn là một trong những định dạng âm thanh được hỗ trợ phổ biến nhất trên hầu như tất cả trình phát media, hệ điều hành và thiết bị di động.