NISTからOGG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。

OGG Vorbisは、Xiph.Org Foundationが開発したOggコンテナ形式内のオープンでロイヤリティフリーの非可逆オーディオコーデックです。VorbisはMP3やAACの特許フリーの代替として設計され、フレームごとに信号の複雑さに適応する可変ビットレートエンコーディングと改良型離散コサイン変換(MDCT)コーディングを使用します。ブラインドリスニングテストでは、特に96-192 kbpsの範囲でVorbisがMP3に匹敵またはそれを超える知覚品質を提供することが一貫して示されています。形式は8 kHzから192 kHzのサンプルレートと1から255チャンネルをサポートし、モノ音声からサラウンドミックスまで網羅します。際立った利点はライセンス料の完全な不在です — ゲーム開発者、ストリーミングプラットフォーム、ハードウェアメーカーはロイヤリティの懸念なくVorbisを実装できます。Spotifyはまさにこの理由で長年Vorbisをプライマリストリーミングコーデックとして使用していました。この形式はまた低ビットレートでの品質劣化を多くの競合よりも優雅に処理するため、ストレージが限られ数千のサウンドエフェクトがスペースを競うビデオゲームで依然として人気があります。VLC、Firefox、Chrome、AndroidはすべてネイティブVorbisデコーディングを提供しています。