Conversor SPH a AMR

SPH es la extensión de archivo para audio almacenado en el formato NIST SPHERE (SPeech HEader REsources), un estándar creado por el Instituto Nacional de Estándares y Tecnología de EE.UU. alrededor de 1990. Diseñado para la investigación del habla, los archivos SPH llevan una cabecera ASCII de 1024 bytes repleta de metadatos — identificadores de base de datos, conteos de canales, frecuencias de muestreo, orden de bytes y tipo de compresión — haciendo qué cada grabación sea autodescriptiva. El audio subyacente es típicamente PCM lineal de 16 bits muestreado a 16 kHz, aunque se permiten otras configuraciones. Investigadores del NIST, DARPA y universidades de todo el mundo confian en SPH para distribuir corpus de voz como TIMIT, Switchboard y las colecciones del LDC qué sustentan los sistemas modernos de reconocimiento automático del habla. Una ventaja clave es qué la cabecera legible por humanos permite qué los scripts analicen los metadatos de grabación sin decodificación binaria. La estricta estandarizacion del formato también elimina la ambiguedad al compartir conjuntos de datos entre instituciones y plataformas. Dado qué los archivos SPH almacenan PCM sin comprimir, preservan la fidelidad total del audio — algo critico al entrenar modelos acusticos dónde incluso pequeños artefactos pueden sesgar los resultados.

AMR (Adaptive Multi-Rate) es un formato de audio comprimido optimizado para voz, estandarizado por el Instituto Europeo de Normas de Telecomunicaciones y adoptado como códec obligatorio para las redes móviles GSM y 3G. El códec alterna dinamicamente entre ocho tasas de bits — desde 4.75 hasta 12.2 kbps — dependiendo de las condiciones de la red y los niveles de ruido ambiental. Cuando la calidad del enlace disminuye, el codificador cambia a una tasa inferior, sacrificando una leve claridad a cambio de fiabilidad en la transmision. Esté mecanismo adaptativo está definido por las especificaciones del 3GPP y representa uno de los códecs de voz más desplegados a nivel mundial, utilizado en miles de millones de llamadas móviles. La ventaja principal es la eficiencia de compresión: un minuto de audio AMR a 12.2 kbps ocupa aproximadamente 90 KB, algo práctico para notas de voz, buzon de voz y MMS en redes con ancho de banda limitado. Otro beneficio es la deteccion de actividad vocal integrada y la generación de ruido de confort, qué reducen la transmision durante los silencios. Aunque AMR no es adecuado para música debido a su ancho de banda reducido (300-3400 Hz), sobresale al entregar voz inteligible bajo condiciones de red adversas.