NIST-zu-WV-Konverter

NIST SPHERE (SPeech HEader REsources) ist ein spezialisiertes Audiodateiformat, das vom National Institute of Standards and Technology für die Sprachforschung entwickelt wurde, insbesondere für DARPA-geförderte Projekte. Das Format umhüllt rohe Audiosamples mit einem strukturierten ASCII-Header, der Metadaten wie Abtastrate, Kanalanzahl, Kodierungstyp, Sprecherdemografie und Transkriptionsannotationen enthält — ideal für die Verteilung von Sprachkorpora. NIST-Dateien speichern typischerweise unkomprimiertes PCM oder Mu-Law-Audio bei Telefonie-Abtastraten (8 kHz oder 16 kHz), obwohl der Container flexibel genug für verschiedene Kodierungen ist. Ein wesentlicher Vorteil ist der reichhaltige, selbstbeschreibende Header, der es Forschern ermöglicht, detaillierte Korpus-Metadaten direkt in die Datei einzubetten und so Begleitdateien überflüssig zu machen. SPHERE hat sich zudem als De-facto-Standard für bedeutende Sprachdatenbanken wie TIMIT, Switchboard und das Fisher-Korpus etabliert und genießt breite Anerkennung in akademischen und staatlichen Laboren. Die offene Spezifikation und die Verfügbarkeit von Kommandozeilentools (sphere, h_strip, w_decode) machen es unkompliziert, diese Dateien in Sprachverarbeitungspipelines programmatisch zu konvertieren, zu inspizieren und zu verarbeiten.

WavPack ist ein quelloffener Audiocodec von David Bryant, dessen Version 1.0 am 15. August 1998 erschien. Was WavPack auszeichnet, ist sein einzigartiger Hybridmodus: Der Encoder kann gleichzeitig eine kompakte verlustbehaftete Datei und eine separate Korrekturdatei erzeugen, die zusammen den ursprünglichen PCM-Stream bitgenau rekonstruieren. Wer Portabilität braucht, nimmt nur die verlustbehaftete Datei mit; wer Archivqualität will, behält beide. Der Codec verarbeitet PCM-Audio von 8-Bit bis 32-Bit-Integer und 32-Bit-Gleitkomma bei Abtastraten bis 768 kHz — Spezifikationen, die breit genug sind für DSD-Inhalte, für die WavPack 5 Unterstützung hinzufügte. Kompressionsraten im reinen Lossless-Modus erreichen typischerweise 40 bis 55 Prozent der Originalgrösse, konkurrenzfähig mit FLAC und bei bestimmtem Material sogar leicht besser. Mehrkern-Kodierung in späteren Versionen beschleunigt die Verarbeitung auf moderner Hardware drastisch. Die quelloffene Bibliothek wird unter BSD-Lizenz vertrieben und ist in foobar2000, VLC, FFmpeg und zahlreiche weitere Tools integriert. WavPack unterstützt zudem umfangreiche Metadaten über APEv2-Tags, eingebettete Cü-Sheets und ReplayGain-Werte und deckt damit die organisatorischen Anforderungen selbst der akribischsten Musikbibliothek ab.