NISTからOGA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。

OGAは、Xiph.Org Foundationが管理するOggコンテナフレームワーク内のオーディオ専用ファイル拡張子です。.oggが従来Oggカプセル化された任意のストリームの汎用拡張子として機能していたのに対し、2007年の.ogaの導入により、ファイルがオーディオデータのみを含むことを明示的に示すようになりました。内部的には、OGAファイルはVorbis、FLAC、Speex、またはOpusでエンコードされたオーディオを運ぶことができます — コンテナはコーデックに依存せず、チェーンされた論理ビットストリームとグラニュールベースのシーキングをサポートするトランスポートラッパーとして機能します。OGAの利点の一つは相互運用性です — .oga拡張子に遭遇したアプリケーションはビデオトラックの探索なしにオーディオ専用再生に最適化でき、読み込み時間の短縮とメモリ使用量の削減につながります。Oggコンテナとその関連コーデックは完全にオープンソースかつロイヤリティフリーであるため、OGAはプロプライエタリ形式に影響する特許ライセンスの複雑さを回避します。この形式はアーティスト、アルバム、トラック情報を標準化された方法でタグ付けするためのVorbisコメントメタデータをサポートしています。OGAはFirefox、Chromiumベースブラウザ、VLC、およびほとんどのLinuxデスクトップ環境でネイティブに再生され、Webオーディオ配信やアーカイブワークフローに実用的な選択肢です。