NISTからVOC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。

VOC(Creative Voice)は、Creative Technologyが開発し、1989年にオリジナルのSound Blasterカードとともに導入されたデジタルオーディオコンテナです。DOS時代にCreativeのハードウェアがPCオーディオを支配していた時期のネイティブオーディオ形式として機能しました。VOCファイルはブロックベースです — 各ファイルは8ビット符号なしPCM、4ビットおよび2.6ビットCreative ADPCM、16ビット符号付きPCM、さらにA-lawおよびmu-lawエンコードされたオーディオを運ぶことができる型付きデータブロックで構成されます。このブロック構造はまた無音インターバル、リピートループ、マーカーポイントもサポートし、ゲーム開発者にサウンド再生のきめ細かな制御を提供しました。注目すべき利点はハードウェアレベルのデコーディングでした — Sound BlasterカードがDMA転送を介してVOCデータを直接再生でき、プロセッササイクルが貴重な時代にCPUを解放しました。この形式はid Software、Sierra、LucasArtsのDOSゲームで広く使用されました。WindowsとWAV形式の台頭とともに、VOCは徐々に主流から姿を消しましたが、レトロゲームの保存やビンテージPCオーディオアーカイブの作業に携わる方にとって依然として重要です。