Chuyển đổi SPH sang M4A

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.

M4A là phần mở rộng tệp ưa thích của Apple cho nội dung chỉ có âm thanh trong container MPEG-4 Part 14, được áp dụng rộng rãi sau khi iTunes Music Store ra mắt năm 2003. Phần mở rộng này phân biệt luồng thuần âm thanh với tệp MP4 có video, báo hiệu cho trình phát rằng không có track video. Bên trong, tệp M4A thường bọc luồng bit AAC-LC (Advanced Audio Coding, Low Complexity), dù payload Apple Lossless (ALAC) cũng sử dụng cùng phần mở rộng. Các tệp M4A mã hóa AAC mang lại chất lượng âm thanh tốt hơn MP3 ở cùng bitrate, nhờ cải thiện sao chép dải phổ, định hình nhiễu theo thời gian và mô hình tâm lý âm học tinh chỉnh. Hỗ trợ tốc độ lấy mẫu lên đến 96 kHz và độ sâu bit lên đến 24-bit. Tích hợp hệ sinh thái Apple hoàn toàn liền mạch — iTunes, Apple Music, iPhone, iPad và macOS đều xử lý M4A nguyên bản — trong khi hỗ trợ bên thứ ba bao gồm VLC, foobar2000, Android và hầu hết hệ thống giải trí ô tô. Ba lợi ích thiết thực định nghĩa định dạng: hiệu suất mã hóa vượt trội so với các codec lossy cũ, siêu dữ liệu phong phú qua cấu trúc atom MP4 (ảnh bìa, chương, lời bài hát), và tính linh hoạt kép phục vụ cả quy trình lossy lẫn lossless.