Chuyển đổi SPH sang AAC

SPH là phần mở rộng tệp cho âm thanh lưu trữ trong định dạng NIST SPHERE (SPeech HEader REsources), một tiêu chuẩn do Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ tạo ra khoảng năm 1990. Được xây dựng cho nghiên cứu giọng nói, tệp SPH mang header ASCII 1024 byte chứa đầy siêu dữ liệu — mã định danh cơ sở dữ liệu, số kênh, tần số lấy mẫu, thứ tự byte và kiểu nén — giúp mỗi bản ghi tự mô tả. Âm thanh bên dưới thường là PCM tuyến tính 16-bit lấy mẫu ở 16 kHz, dù các cấu hình khác cũng được phép. Các nhà nghiên cứu tại NIST, DARPA và các trường đại học trên toàn thế giới dựa vào SPH để phân phối kho ngữ liệu giọng nói như TIMIT, Switchboard và các bộ sưu tập LDC — nền tảng của các hệ thống nhận dạng giọng nói tự động hiện đại. Ưu điểm chính là header đọc được bằng mắt người cho phép các script phân tích siêu dữ liệu bản ghi mà không cần giải mã nhị phân. Sự chuẩn hóa nghiêm ngặt của định dạng cũng loại bỏ sự mơ hồ khi chia sẻ tập dữ liệu giữa các tổ chức và nền tảng. Vì tệp SPH lưu trữ PCM không nén, chúng bảo toàn toàn bộ chất lượng âm thanh — điều cực kỳ quan trọng khi huấn luyện mô hình âm học mà ngay cả những artifact nhỏ cũng có thể làm lệch kết quả.

AAC (Advanced Audio Coding) là thế hệ kế thừa của MP3, được chuẩn hóa bởi ISO/IEC trong đặc tả MPEG-2 và sau đó là MPEG-4. Được phát triển chung bởi Fraunhofer, Dolby, Sony, Nokia và AT&T, AAC mang lại chất lượng âm thanh vượt trội ở cùng bitrate hoặc thấp hơn — luồng AAC 96 kbps thường tương đương về chất lượng cảm nhận với tệp MP3 128 kbps. Codec này sử dụng biến đổi cosin rời rạc cải tiến kết hợp với mô hình tâm lý âm học tiên tiến và định hình nhiễu theo thời gian. AAC là định dạng âm thanh mặc định trong hệ sinh thái Apple (iTunes, iPhone, iPad), YouTube và nhiều dịch vụ phát trực tuyến. Ưu điểm đầu tiên là hiệu suất nén xuất sắc — âm thanh trung thực cao với dung lượng lưu trữ và băng thông ít hơn đáng kể. Thứ hai, định dạng hỗ trợ tốc độ lấy mẫu từ 8 kHz đến 96 kHz và tối đa 48 kênh, phù hợp cho mọi ứng dụng từ cuộc gọi thoại đến âm thanh vòm. Thứ ba, việc được Apple và nhiều hãng khác áp dụng rộng rãi đảm bảo rằng hầu như mọi thiết bị, trình duyệt và trình phát media hiện đại đều xử lý nội dung AAC mà không cần thêm plugin.