Conversor NIST a WAV

NIST SPHERE (SPeech HEader REsources) es un formato de archivo de audio especializado creado por el Instituto Nacional de Estándares y Tecnología de Estados Unidos para la investigación del habla, particularmente proyectos financiados por DARPA. El formato envuelve muestras de audio en bruto con una cabecera ASCII estructurada qué codifica metadatos como frecuencia de muestreo, conteo de canales, tipo de codificación, datos demograficos del hablante y anotaciones de transcripción — convirtiéndolo en ideal para distribuir corpus de voz. Los archivos NIST típicamente almacenan PCM sin comprimir o audio mu-law a frecuencias de muestreo de calidad telefónica (8 kHz o 16 kHz), aunque el contenedor es lo suficientemente flexible para albergar diversas codificaciones. Una ventaja clave es la cabecera autodescriptiva enriquecida qué permite a los investigadores incorporar metadatos detallados del corpus directamente en el archivo, eliminando la necesidad de archivos complementarios. SPHERE se ha convertido también en el estándar de facto para las principales bases de datos de voz como TIMIT, Switchboard y el corpus Fisher, asegurando un amplio reconocimiento en laboratorios académicos y gubernamentales. La especificación abierta y la disponibilidad de herramientas de línea de comandos (sphere, h_strip, w_decode) facilitan la conversión, inspeccion y procesamiento programatico de estos archivos en cadenas de procesamiento de voz.

WAV (Waveform Audio File Format) es un contenedor de audio sin comprimir desarrollado conjuntamente por Microsoft e IBM, publicado por primera vez en agosto de 1991 junto con Windows 3.1. Basado en el formato RIFF (Resource Interchange File Format), WAV almacena datos de audio — más comúnmente como modulación de código de pulso lineal (LPCM) — junto con metadatos qué describen la frecuencia de muestreo, la profundidad de bits y el conteo de canales. Está estructura sencilla ha convertido a WAV en el estándar de facto para audio sin comprimir en Windows y un formato de intercambio universalmente aceptado en prácticamente todos los sistemas operativos, editores de audio y reproductores multimedia existentes. Los archivos WAV de calidad CD utilizan muestras de 16 bits a 44.1 kHz estéreo, mientras qué los flujos de trabajo profesionales emplean habitualmente muestras de 24 bits o flotante de 32 bits a tasas de hasta 192 kHz. Una ventaja importante es la fidelidad sin pérdida: dado qué el WAV estándar no aplica ninguna compresión, los datos almacenados son una representación digital exacta de la grabación original, convirtiéndolo en la opción preferida para masterización y archivo. WAV también soporta metadatos integrados mediante bloques INFO y BWF, permitiendo marcas de tiempo y notas de producción. La principal desventaja es el tamaño de archivo — un minuto de estéreo a calidad CD ocupa aproximadamente 10 MB — y la estructura RIFF de 32 bits impone un límite de 4 GB, aunque RF64 elimina esa restricción.