NISTからWMA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。

WMA(Windows Media Audio)は、Microsoftが開発しWindows Mediaフレームワークの一部として1999年に初めてリリースされた独自オーディオコーデックファミリーです。MP3やAACに対抗するために作られたWMA Standardは、Microsoftが64 kbpsという低いビットレートでCD品質に近い音質を実現すると主張した知覚コーディングを使用します — MP3が同等の結果を得るために通常必要とするデータレートの約半分です。コーデックファミリーはサラウンドサウンドとハイレゾオーディオ用のWMA Professional、ビットパーフェクトなアーカイブ圧縮用のWMA Lossless、非常に低いビットレートでの音声コンテンツに最適化されたWMA Voiceへと拡大しました。Windows、Windows Media Player、Zuneエコシステムとの深い統合により、2000年代を通じてWMAに強力な配布上の優位性を与え、デジタル著作権管理(DRM)サポートはその時代のオンライン音楽ストアにとって魅力的でした。エンコーディングとデコーディングはWindowsでネイティブに処理され、Windowsマシンでの再生にサードパーティソフトウェアは不要です。クロスプラットフォームサポートはFFmpegやGStreamerなどのライブラリを通じて改善されましたが、Microsoft以外のデバイスではWMAはMP3やAACほど普遍的に互換性がありません。この形式はレガシーメディアライブラリにまだ見られますが、ストリーミングやポータブル使用には新しいコーデックが大部分で取って代わっています。