SPH-zu-WV-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.

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.