Chuyển đổi SPH sang OPUS

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.

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.