Convertitore da NIST ad AMR

NIST SPHERE (SPeech HEader REsources) è un formato audio specializzato creato dal National Institute of Standards and Technology per la ricerca vocale, in particolare per progetti finanziati dal DARPA. Il formato avvolge i campioni audio grezzi con un'intestazione ASCII strutturata che codifica metadati come frequenza di campionamento, numero di canali, tipo di codifica, dati demografici degli speaker e annotazioni di trascrizione — rendendolo ideale per la distribuzione di corpora vocali. I file NIST memorizzano tipicamente PCM non compresso o audio mu-law a frequenze di campionamento di qualità telefonica (8 kHz o 16 kHz), sebbene il contenitore sia sufficientemente flessibile da ospitare diverse codifiche. Un vantaggio fondamentale è la ricca intestazione auto-descrittiva che consente ai ricercatori di incorporare metadati dettagliati del corpus direttamente nel file, eliminando la necessità di file separati. SPHERE è inoltre diventato lo standard de facto per importanti database vocali come TIMIT, Switchboard e il corpus Fisher, garantendo un ampio riconoscimento nei laboratori accademici e governativi. La specifica aperta e la disponibilità di strumenti a riga di comando (sphere, h_strip, w_decode) rendono semplice convertire, ispezionare e elaborare questi file a livello programmatico nelle pipeline di elaborazione del parlato.

AMR (Adaptive Multi-Rate) è un formato audio compresso ottimizzato per il parlato, standardizzato dall'European Telecommunications Standards Institute e adottato come codec obbligatorio per le reti mobili GSM e 3G. Il codec commuta dinamicamente tra otto bitrate — da 4,75 a 12,2 kbps — in base alle condizioni della rete e ai livelli di rumore ambientale. Quando la qualità del collegamento peggiora, il codificatore passa a un bitrate inferiore, sacrificando una chiarezza marginale a favore dell'affidabilità di trasmissione. Questo meccanismo adattivo è definito dalle specifiche 3GPP e rappresenta uno dei codec vocali più diffusi al mondo, utilizzato in miliardi di chiamate mobili. Il vantaggio principale è l'efficienza di compressione: un minuto di audio AMR a 12,2 kbps occupa circa 90 KB, risultando pratico per memo vocali, segreteria telefonica e MMS su reti con larghezza di banda limitata. Un ulteriore beneficio è il rilevamento di attività vocale e la generazione di rumore di comfort integrati, che riducono la trasmissione durante i silenzi. Sebbene AMR non sia adatto alla musica a causa della sua banda stretta (300-3400 Hz), eccelle nel fornire parlato intelligibile in condizioni di rete impegnative.