GSMからWAVへのコンバーター

GSM 06.10(フルレート)は、1991年にETSIによって批准され、世界中の数百のセルラーネットワークに展開されたGlobal System for Mobile Communications規格の基礎的な音声コーデックです。固定の13 kbit/sで動作し、アルゴリズムはRPE-LTP(Regular Pulse Excitation with Long-Term Prediction)を適用して、8 kHzモノ音声の20 msフレームをわずか33バイトに圧縮します。このアプローチは声道を線形予測フィルタとしてモデル化し、励起信号をエンコードし、さらなる削減のためにピッチ周期性を活用します — 初期のデジタルモバイルチャンネルの帯域幅制約下で明瞭な音声を提供するために調整されています。このコーデックはGSMテレフォニーだけでなく、多くのVoIPアプリケーション、ボイスメールシステム、低ビットレートの恩恵を受けるIVRプラットフォームにも使われています。3つの具体的な利点が際立っています。第一に、驚異的な圧縮 — 1分間の音声がわずか約100 KBに収まり、効率的な保存と伝送を実現します。第二に、ユニバーサルなツール — libgsmやSoXなどのライブラリがすべての主要プラットフォームでエンコーディングとデコーディングを処理します。第三に、ロイヤリティフリーの特許状況がAsteriskやFreeSWITCHなどのオープンソーステレフォニープロジェクトでの採用を促進しています。

WAV(Waveform Audio File Format)は、MicrosoftとIBMが共同開発した非圧縮オーディオコンテナで、1991年8月にWindows 3.1とともに初めて公開されました。Resource Interchange File Format(RIFF)上に構築されたWAVは、オーディオデータ — 最も一般的にはリニアパルス符号変調(LPCM) — をサンプルレート、ビット深度、チャンネル数を記述するメタデータとともに格納します。この直感的な構造により、WAVはWindows上の非圧縮オーディオのデファクトスタンダードとなり、事実上すべてのオペレーティングシステム、オーディオエディタ、メディアプレーヤーで普遍的に受け入れられる交換形式となりました。CD品質のWAVファイルは44.1 kHzステレオの16ビットサンプルを使用し、プロフェッショナルワークフローでは最大192 kHzで24ビットまたは32ビット浮動小数点サンプルが日常的に使用されています。主な利点はゼロロスの忠実度です — 標準のWAVは圧縮を適用しないため、保存されたデータはオリジナルの録音の正確なデジタル表現であり、マスタリングやアーカイブに最適な選択肢です。WAVはまたINFOおよびBWFチャンクによる埋め込みメタデータをサポートし、タイムスタンプや制作ノートを可能にします。主なトレードオフはファイルサイズで、CD品質ステレオの1分間は約10 MBを占め、32ビットRIFF構造は4 GBの制限を課しますが、RF64によってその上限は解除されます。