NISTからM4R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。

M4Rは、2007年に初代iPhoneとともに導入されたApple iPhoneデバイス用の指定された着信音形式です。技術的には、M4RファイルはM4Aと同一の構造を持つAACエンコードのMPEG-4オーディオコンテナです — 唯一の意味のある違いはファイル拡張子と、iOSによって適用される約30-40秒の長さ制限です。Appleはこのアプローチを選択したため、既存のAACエンコーダーインフラストラクチャがコーデックレベルの変更なしに着信音を生成でき、異なる拡張子により通常の音楽トラックが着信音ピッカーに表示されるのを防ぎます(逆も同様)。M4Rの作成は、短いオーディオクリップをAACとしてエンコードし、許可された長さにトリミングし、ファイル名を変更するだけです。iTunes(または最近のmacOSではApple Music)とGarageBandはどちらも組み込みワークフローを提供し、Audacityなどのサードパーティツールも同様に対応します。同期またはダウンロードされると、着信音は通話、アラーム、連絡先ごとのアラートのiOS設定に統合されます。実用的な利点には、iTunes同期やAirDropを通じた任意のiPhoneへの簡単な展開、小さなファイルサイズでもAACコーデックによる高品質再生、そして即座の発信者識別のために特定の連絡先に個別の着信音を割り当てる機能が含まれます。