Chuyển đổi SPH sang RA

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.

RealAudio là định dạng âm thanh độc quyền do RealNetworks phát triển, ra mắt lần đầu vào năm 1995 như một trong những công nghệ tiên phong cho phép phát trực tuyến âm thanh thời gian thực qua Internet. Trong kỷ nguyên dial-up, RealAudio thực sự mang tính cách mạng — cho phép người dùng nghe âm thanh trong khi tải xuống thay vì phải chờ toàn bộ tệp, một bước ngoặt khi mà một bài hát ba phút có thể mất 30 phút để truyền. Định dạng đã trải qua nhiều thế hệ codec: các phiên bản đầu sử dụng codec giọng nói tốc độ bit thấp cho modem 14,4 kbps, trong khi các phiên bản sau (RealAudio 10, dựa trên AAC) mang lại chất lượng gần CD. Các tệp RA hỗ trợ mã hóa tốc độ bit cố định và thay đổi, phát trực tuyến thích ứng đa tốc độ bit, và thuật toán bộ đệm được thiết kế để giảm thiểu gián đoạn phát lại trên kết nối không ổn định. Ở đỉnh cao, RealPlayer được cài đặt trên hàng trăm triệu PC, và các đài phát thanh như BBC và NPR dựa vào RealAudio cho luồng phát trực tuyến. Một đóng góp kỹ thuật lâu dài là khái niệm phát trực tuyến tốc độ bit thích ứng, ảnh hưởng đến các tiêu chuẩn sau này như HLS và DASH. Dù đã bị các codec hiện đại thay thế, kho lưu trữ khổng lồ nội dung RA từ thời kỳ đầu radio web vẫn tồn tại và cần chuyển đổi để phát lại trên thiết bị hiện tại.