NISTからFLACへのコンバーター

NIST SPHERE(SPeech HEader REsources)は、アメリカ国立標準技術研究所がDARPA資金の音声研究プロジェクト向けに作成した特殊なオーディオファイル形式です。この形式は、サンプルレート、チャンネル数、エンコーディングタイプ、話者の属性、書き起こしアノテーションなどのメタデータをエンコードする構造化されたASCIIヘッダーで生のオーディオサンプルをラップし、音声コーパスの配布に最適です。NISTファイルは通常、電話品質のサンプルレート(8 kHzまたは16 kHz)で非圧縮PCMまたはmu-lawオーディオを格納しますが、コンテナはさまざまなエンコーディングを保持できる柔軟性があります。重要な利点は、研究者が詳細なコーパスメタデータをファイルに直接埋め込める豊富な自己文書化ヘッダーで、サイドカーファイルが不要になります。SPHEREはまた、TIMIT、Switchboard、Fisherコーパスなどの主要な音声データベースのデファクトスタンダードとなり、学術および政府の研究室全体で広く認知されています。オープンな仕様とコマンドラインツール(sphere、h_strip、w_decode)の利用可能性により、音声処理パイプラインでのファイルの変換、検査、処理が容易です。

FLAC(Free Lossless Audio Codec)は、非圧縮WAVファイルの約半分のサイズで数学的に完全なオーディオ再現を実現します。Xiph.Org Foundationによって管理され2001年にリリースされたFLACは、ロスレス音楽アーカイブのデファクトオープンスタンダードとなりました。エンコーダーは各オーディオブロックに線形予測を適用してモデル化し、その後、予測誤差の統計分布を利用したRiceパーティショニングで残差を符号化します — データを破棄することなく強力な圧縮を実現します。最大32ビットのビット深度と最大655 kHzのサンプルレートをサポートし、ハイレゾ録音の要件を超えています。ハードウェアサポートは広範で、スマートフォン、カーステレオ、Blu-rayプレーヤー、事実上すべてのデスクトップメディアアプリケーションがFLACをネイティブにデコードします。TidalやAmazon MusicなどのストリーミングサービスはロスレスティアにFLACを使用しており、コーデックに対する業界の信頼を裏付けています。FLACを魅力的にする3つの際立った利点があります。第一に、デコード時に元の信号を完全にビット単位で復元できます。第二に、Vorbisコメントとアルバムアートによる組み込みメタデータがサイドカーファイルなしでライブラリを整理します。第三に、オープンソースライセンスにより特許やロイヤリティが不要で、開発者やハードウェアベンダーの法的障壁を取り除きます。