Chuyển đổi SPH sang FLAC

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.

FLAC (Free Lossless Audio Codec) mang đến khả năng tái tạo âm thanh hoàn hảo về mặt toán học ở dung lượng chỉ bằng khoảng một nửa tệp WAV không nén. Được duy trì bởi Xiph.Org Foundation và phát hành năm 2001, nó nhanh chóng trở thành tiêu chuẩn mở thực tế cho lưu trữ nhạc lossless. Bộ mã hóa áp dụng dự đoán tuyến tính để mô hình hóa từng khối âm thanh, sau đó mã hóa phần dư thông qua phân hoạch Rice — khai thác phân bố thống kê của sai số dự đoán để đạt nén mạnh mà không loại bỏ dữ liệu. Hỗ trợ độ sâu bit lên đến 32 và tốc độ lấy mẫu lên đến 655 kHz, vượt xa yêu cầu của bản ghi độ phân giải cao. Khả năng tương thích phần cứng rất rộng: điện thoại thông minh, dàn âm thanh ô tô, đầu Blu-ray và hầu như mọi ứng dụng media trên máy tính đều giải mã FLAC nguyên bản. Các dịch vụ phát trực tuyến như Tidal và Amazon Music sử dụng FLAC cho gói lossless, khẳng định niềm tin của ngành vào codec này. Ba lợi ích nổi bật khiến FLAC hấp dẫn. Thứ nhất, khôi phục hoàn toàn bit-for-bit tín hiệu gốc khi giải mã. Thứ hai, siêu dữ liệu nhúng qua Vorbis comments và ảnh bìa album giúp thư viện nhạc có tổ chức mà không cần tệp đi kèm. Thứ ba, giấy phép mã nguồn mở không có bằng sáng chế hay phí bản quyền, loại bỏ rào cản pháp lý cho nhà phát triển và nhà sản xuất phần cứng.