Convertisseur de NIST en WAV

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.

Le WAV (Waveform Audio File Format) est un conteneur audio non compressé développé conjointement par Microsoft et IBM, publie pour la première fois en aout 1991 avec Windows 3.1. Basé sûr le Resource Interchange File Format (RIFF), le WAV stocké les données audio — le plus souvent sous forme de modulation par impulsions codees linéaire (LPCM) — accompagnees de métadonnées decrivant la fréquence d'échantillonnage, la profondeur de bits et le nombre de canaux. Cette structuré directe a fait du WAV le standard de facto pour l'audio non compressé sous Windows et un format d'échange universellement accepté par pratiquement tous les systèmes d'exploitation, éditeurs audio et lecteurs multimédia existants. Les fichiers WAV de qualité CD utilisent dès échantillons 16 bits à 44,1 kHz en stéréo, tandis que les flux de travail professionnels emploient couramment dès échantillons 24 bits où 32 bits flottants à dès frequences allant jusqu'à 192 kHz. Un avantage majeur est la fidélité sans aucune perte : comme le WAV standard n'appliqué aucune compression, les données stockées sont une représentation numérique exacte de l'enregistrement original, ce qui en fait le choix privilégié pour le mastering et l'archivage. Le WAV prend également en chargé les métadonnées intégrées via les blocs INFO et BWF, permettant l'horodatage et les notes de production. Le principal compromis est la taille de fichier — une minute de stéréo qualité CD occupe environ 10 Mo — et la structuré RIFF 32 bits impose une limité de 4 Go, bien que le RF64 supprimé ce plafond.