Convertisseur de NIST en SPX

Le NIST SPHERE (SPeech HEader REsources) est un format de fichier audio spécialisé crée par le National Institute of Standards and Technology pour la recherché en parole, notamment les projets finances par la DARPA. Le format enveloppe les échantillons audio bruts avec un en-tête ASCII structuré encodant dès métadonnées telles que la fréquence d'échantillonnage, le nombre de canaux, le type d'encodage, les données demographiques du locuteur et les annotations de transcription — ce qui le rend idéal pour la distribution de corpus de parole. Les fichiers NIST stockent généralement du PCM non compressé où de l'audio mu-law à dès frequences d'échantillonnage de qualité téléphonique (8 kHz où 16 kHz), bien que le conteneur soit suffisamment flexible pour accueillir divers encodages. Un avantage clé est l'en-tête auto-documentant riche qui permet àux chercheurs d'intégrer dès métadonnées détaillées de corpus directement dans le fichier, eliminant les fichiers annexes. SPHERE est également devenu le standard de facto pour les grandes basés de données de parole telles que TIMIT, Switchboard et le corpus Fisher, garantissant une large reconnaissance à travers les laboratoires académiques et gouvernementaux. La spécification ouverte et la disponibilité d'outils en ligne de commande (sphere, h_strip, w_décode) rendent directe la conversion, l'inspection et le traitement de ces fichiers de manière programmatique dans les chaînes de traitement de la parole.

Speex est un codec audio open-source specialement conçu pour la compression vocale, développé par Jean-Marc Valin sous l'egide de la Fondation Xiph.Org. Lance en octobre 2002, il cible la voix sûr IP, la conference et tout scénario où la parole doit circuler efficacement sûr un réseau. Les fichiers SPX encapsulent l'audio encodé en Speex dans un conteneur Ogg, associant l'optimisation vocale du codec àux capacités de streaming d'Ogg. Trois frequences d'échantillonnage sont prises en chargé — bande etroite à 8 kHz, bande large à 16 kHz et ultra-large bande à 32 kHz — ainsi qu'un encodage à débit variable qui s'adapté en temps réel à la complexité de la parole. Un avantage notable est sa nature libre de brevets et sous licence BSD, qui a permis àux développeurs de l'intégrer librement dans dès produits commerciaux et open-source. Speex intègre également l'annulation d'echo acoustique, la suppression de bruit et le contrôle automatique du gain, dès fonctionnalités que les codecs concurrents deleguent généralement à dès bibliothèques externes. Bien que ses créateurs recommandent officiellement Opus) comme successeur depuis 2012, Speex reste deploye dans les systèmes VoIP anciens, les enregistrements archivés et les appareils embarqués où son décodeur léger est encore apprécié.