Konverter NIST ke AMR

NIST SPHERE (SPeech HEader REsources) adalah format file audio khusus yang dibuat oleh National Institute of Standards and Technology untuk penelitian ucapan, khususnya proyek yang didanai DARPA. Format ini membungkus sampel audio mentah dengan header ASCII terstruktur yang mengkodekan metadata seperti sample rate, jumlah channel, tipe encoding, demografi pembicara, dan anotasi transkripsi — menjadikannya ideal untuk mendistribusikan korpora ucapan. File NIST biasanya menyimpan audio PCM tanpa kompresi atau mu-law pada sample rate kualitas telepon (8 kHz atau 16 kHz), meskipun kontainernya cukup fleksibel untuk menampung berbagai encoding. Keunggulan utamanya adalah header self-documenting yang kaya yang memungkinkan peneliti menyematkan metadata korpus yang detail langsung dalam file, menghilangkan file pendamping. SPHERE juga telah menjadi standar de facto untuk database ucapan utama seperti TIMIT, Switchboard, dan korpus Fisher, memastikan pengakuan yang luas di seluruh laboratorium akademik dan pemerintah. Spesifikasi terbuka dan ketersediaan tool command-line (sphere, h_strip, w_decode) membuatnya mudah untuk mengonversi, memeriksa, dan memproses file-file ini secara programatis dalam pipeline pemrosesan ucapan.

AMR (Adaptive Multi-Rate) adalah format audio terkompresi yang dioptimalkan untuk suara, distandardisasi oleh European Telecommunications Standards Institute dan diadopsi sebagai codec wajib untuk jaringan seluler GSM dan 3G. Codec ini secara dinamis beralih antara delapan bit rate — dari 4,75 hingga 12,2 kbps — tergantung pada kondisi jaringan dan tingkat kebisingan latar belakang. Ketika kualitas koneksi menurun, encoder beralih ke rate yang lebih rendah, menukar sedikit kejernihan demi keandalan transmisi. Mekanisme adaptif ini didefinisikan oleh spesifikasi 3GPP dan mewakili salah satu codec suara yang paling banyak digunakan secara global, dipakai dalam miliaran panggilan seluler. Keunggulan utamanya adalah efisiensi kompresi: satu menit audio AMR pada 12,2 kbps hanya memakan sekitar 90 KB, praktis untuk memo suara, pesan suara, dan MMS pada jaringan dengan bandwidth terbatas. Keunggulan lainnya adalah deteksi aktivitas suara dan pembangkitan comfort noise bawaan, yang mengurangi transmisi saat hening. Meskipun AMR tidak cocok untuk musik karena bandwidth-nya yang sempit (300-3400 Hz), format ini unggul dalam menghasilkan ucapan yang jelas di bawah kondisi jaringan yang menantang.