SPH-zu-AMR-Konverter

SPH ist die Dateierweiterung für Audio im NIST SPHERE-Format (SPeech HEader REsources), einem Standard, der um 1990 vom U.S. National Institute of Standards and Technology entwickelt wurde. Für die Sprachforschung konzipiert, enthalten SPH-Dateien einen 1024-Byte-ASCII-Header mit umfangreichen Metadaten — Datenbankkennungen, Kanalzahlen, Abtastraten, Bytereihenfolge und Kompressionstyp — sodass jede Aufnahme sich selbst beschreibt. Das zugrunde liegende Audio ist typischerweise 16-Bit-lineares PCM mit 16 kHz Abtastrate, obwohl andere Konfigurationen zulässig sind. Forscher am NIST, bei der DARPA und an Universitäten weltweit setzen auf SPH für die Verteilung von Sprachkorpora wie TIMIT, Switchboard und den LDC-Sammlungen, die modernen Spracherkennungssystemen zugrunde liegen. Ein wesentlicher Vorteil ist, dass der menschenlesbare Header es Skripten ermöglicht, Aufnahme-Metadaten ohne binäre Dekodierung zu parsen. Die strikte Standardisierung eliminiert zudem Mehrdeutigkeiten beim Austausch von Datensätzen zwischen Institutionen und Plattformen. Da SPH-Dateien unkomprimiertes PCM speichern, bewahren sie die volle Audioklangtreü — entscheidend beim Training akustischer Modelle, bei denen selbst kleine Artefakte die Ergebnisse verfälschen können.

AMR (Adaptive Multi-Rate) ist ein komprimiertes Audioformat, das auf Sprache optimiert wurde. Es wurde vom European Telecommunications Standards Institute standardisiert und als Pflichtcodec für GSM- und 3G-Mobilfunknetze übernommen. Der Codec wechselt dynamisch zwischen acht Bitraten — von 4,75 bis 12,2 kbps — abhängig von Netzwerkbedingungen und Hintergrundgeräuschen. Bei sinkender Verbindungsqualität schaltet der Encoder auf eine niedrigere Rate um und tauscht geringfügige Klarheit gegen Uebertragungssicherheit. Dieser adaptive Mechanismus ist in den 3GPP-Spezifikationen definiert und stellt einen der weltweit am häufigsten eingesetzten Sprachcodecs dar, der in Milliarden von Mobilfunkgesprächen zum Einsatz kommt. Der Hauptvorteil ist die Kompressionseffizienz: Eine Minute AMR-Audio bei 12,2 kbps belegt nur etwa 90 KB — ideal für Sprachmemos, Mailbox und MMS in bandbreitenbeschränkten Netzen. Ein weiterer Vorteil ist die integrierte Sprachaktivitätserkennung und Komfortgeräuscherzeugung, die die Übertragung während Stille reduziert. Für Musik ist AMR aufgrund der geringen Bandbreite (300-3400 Hz) ungeeignet, doch für verständliche Sprachwiedergabe unter schwierigen Netzwerkbedingungen ist der Codec unerreicht.