Conversor SPH a SPX

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.

Speex es un códec de audio de código abierto diseñado específicamente para la compresión de voz, desarrollado por Jean-Marc Valin bajo la Xiph.Org Foundation. Lanzado por primera vez en octubre de 2002, se enfoca en voz sobre IP, videoconferencias y cualquier escenario dónde la palabra hablada necesite transmitirse eficientemente a través de una red. Los archivos SPX envuelven audio codificado con Speex dentro de un contenedor Ogg, combinando la optimizacion del códec para voz con las capacidades de streaming de Ogg. Se admiten tres frecuencias de muestreo — banda estrecha a 8 kHz, banda ancha a 16 kHz y banda ultra ancha a 32 kHz — junto con codificación de tasa de bits variable qué se adapta en tiempo real a la complejidad del habla. Una ventaja sobresaliente es su naturaleza libre de patentes y licenciada bajo BSD, lo qué permitio a los desarrolladores incorporarlo libremente en productos tanto comerciales como de código abierto. Speex también incluye cancelacion de eco acustico, supresion de ruido y control automático de ganancia, funciones qué los códecs rivales típicamente delegan a bibliotecas externas. Aunque sus creadores recomiendan oficialmente Opus como sucesor desde 2012, Speex permanece desplegado en sistemas VoIP heredados, grabaciones archivadas y dispositivos embebidos dónde su decodificador ligero sigue siendo valorado.