Chuyển đổi SPH sang VOC

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.

VOC (Creative Voice) là bộ chứa âm thanh kỹ thuật số do Creative Technology phát triển, ra mắt cùng card Sound Blaster gốc vào năm 1989. Đây là định dạng âm thanh nguyên bản của dòng Sound Blaster trong kỷ nguyên DOS, khi phần cứng của Creative thống trị âm thanh PC. Tệp VOC dựa trên cấu trúc khối: mỗi tệp gồm các khối dữ liệu có kiểu, có thể mang PCM 8-bit không dấu, ADPCM Creative 4-bit và 2,6-bit, PCM 16-bit có dấu, cũng như âm thanh mã hóa A-law và mu-law. Cấu trúc khối này còn hỗ trợ khoảng lặng, vòng lặp lặp lại và điểm đánh dấu, mang lại cho nhà phát triển game khả năng kiểm soát chi tiết việc phát lại âm thanh. Ưu điểm đáng chú ý là giải mã cấp phần cứng — card Sound Blaster có thể phát dữ liệu VOC trực tiếp qua truyền DMA, giải phóng CPU cho các tác vụ khác trong kỷ nguyên mà chu kỳ xử lý vô cùng quý giá. Định dạng được sử dụng rộng rãi trong các game DOS từ id Software, Sierra và LucasArts. Với sự trỗi dậy của Windows và định dạng WAV, VOC dần rời khỏi thị trường chính thống, nhưng vẫn quan trọng cho bảo tồn trò chơi retro và cho bất kỳ ai làm việc với kho lưu trữ âm thanh PC cổ điển.