Chuyển đổi SPH sang MP2

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.

MP2 (MPEG-1 Audio Layer II), còn được biết đến với tên dự án gốc MUSICAM, là codec âm thanh cảm nhận được chuẩn hóa trong ISO/IEC 11172-3 vào năm 1993. Trong khi phiên bản kế nhiệm MP3 chiếm lĩnh thị trường tiêu dùng, MP2 đã tạo dựng vị trí bền vững trong phát sóng chuyên nghiệp mà nó giữ đến ngày nay. Codec chia âm thanh thành 32 dải phụ qua bộ lọc polyphase, áp dụng mô hình tâm lý âm học để xác định ngưỡng che lấp, sau đó lượng tử hóa và mã Huffman cho từng dải phụ tương ứng. Triển khai phát sóng điển hình sử dụng 192-384 kbps cho stereo, cho chất lượng trong suốt với độ phức tạp bộ mã hóa thấp hơn và khả năng chống lỗi tốt hơn Layer III. Những đặc tính này giải thích vì sao truyền hình DVB, radio số DAB và tiêu chuẩn máy quay HDV đều bắt buộc hoặc ưu tiên MP2. Độ trễ mã hóa cũng ngắn hơn — một đặc điểm quan trọng cho phát sóng trực tiếp nơi đồng bộ hình miệng là yếu tố then chốt. Ba ưu điểm giữ MP2 phù hợp sau nhiều thập kỷ kể từ khi được chuẩn hóa: suy giảm nhẹ nhàng khi gặp lỗi truyền tải — thiết yếu cho tín hiệu phát sóng qua không khí, độ trễ mã hóa tối thiểu phù hợp chuỗi phát sóng thời gian thực, và sự chấp nhận pháp lý đã ăn sâu trên khắp các khung phát sóng Châu Âu và Châu Á.