Chuyển đổi NIST sang OPUS

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.

Opus là codec âm thanh mã nguồn mở đa năng, được IETF chuẩn hóa theo RFC 6716 vào năm 2012. Nó kết hợp hai phương pháp mã hóa — SILK cho giọng nói và CELT cho âm nhạc — thành một thuật toán duy nhất có khả năng chuyển đổi linh hoạt giữa chúng tùy theo loại nội dung và tốc độ bit. Thiết kế lai này cho phép Opus vượt trội hầu hết mọi codec khác trong nhiều tình huống sử dụng: giọng nói độ trễ thấp ở 6 kbps, âm nhạc chất lượng cao ở 128 kbps, và mọi thứ ở giữa. Nó hỗ trợ tốc độ bit từ 6 đến 510 kbps, tần số lấy mẫu lên đến 48 kHz, và kích thước khung nhỏ đến 2,5 ms, mang lại độ trễ thuật toán thấp nhất trong số các codec âm thanh phổ biến. Ba ưu điểm khiến Opus đặc biệt hấp dẫn. Thứ nhất, nó hoàn toàn miễn phí bản quyền và mã nguồn mở, loại bỏ rào cản cấp phép vốn kìm hãm các codec độc quyền. Thứ hai, nó đạt chất lượng trong suốt ở tốc độ bit chỉ bằng khoảng nửa so với MP3 và đánh bại AAC ở mức tương đương. Và thứ ba, độ trễ thấp khiến nó trở thành codec bắt buộc cho WebRTC, nên mọi trình duyệt hiện đại đều tích hợp sẵn bộ giải mã Opus. WhatsApp, Discord, Zoom và YouTube đều sử dụng Opus cho âm thanh thời gian thực.