SPHからFLACへのコンバーター

SPHは、1990年頃に米国国立標準技術研究所が作成したNIST SPHERE(SPeech HEader REsources)形式で保存されたオーディオのファイル拡張子です。音声研究用に構築されたSPHファイルは、データベース識別子、チャンネル数、サンプルレート、バイトオーダー、圧縮タイプなどのメタデータが詰め込まれた1024バイトのASCIIヘッダーを持ち、すべての録音が自己記述的です。基盤となるオーディオは通常16 kHzで16ビットリニアPCMサンプリングですが、他の構成も許可されています。NIST、DARPA、および世界中の大学の研究者は、現代の自動音声認識システムの基盤となるTIMIT、Switchboard、LDCコレクションなどの音声コーパスの配布にSPHを使用しています。主な利点は、人間が読めるヘッダーにより、スクリプトがバイナリデコーディングなしに録音メタデータを解析できることです。形式の厳格な標準化により、機関やプラットフォーム間でデータセットを共有する際の曖昧さも排除されます。SPHファイルは非圧縮PCMを格納するため、完全なオーディオ忠実度が維持されます — 小さなアーティファクトでさえ結果を歪める可能性がある音響モデルのトレーニングにおいて重要です。

FLAC(Free Lossless Audio Codec)は、非圧縮WAVファイルの約半分のサイズで数学的に完全なオーディオ再現を実現します。Xiph.Org Foundationによって管理され2001年にリリースされたFLACは、ロスレス音楽アーカイブのデファクトオープンスタンダードとなりました。エンコーダーは各オーディオブロックに線形予測を適用してモデル化し、その後、予測誤差の統計分布を利用したRiceパーティショニングで残差を符号化します — データを破棄することなく強力な圧縮を実現します。最大32ビットのビット深度と最大655 kHzのサンプルレートをサポートし、ハイレゾ録音の要件を超えています。ハードウェアサポートは広範で、スマートフォン、カーステレオ、Blu-rayプレーヤー、事実上すべてのデスクトップメディアアプリケーションがFLACをネイティブにデコードします。TidalやAmazon MusicなどのストリーミングサービスはロスレスティアにFLACを使用しており、コーデックに対する業界の信頼を裏付けています。FLACを魅力的にする3つの際立った利点があります。第一に、デコード時に元の信号を完全にビット単位で復元できます。第二に、Vorbisコメントとアルバムアートによる組み込みメタデータがサイドカーファイルなしでライブラリを整理します。第三に、オープンソースライセンスにより特許やロイヤリティが不要で、開発者やハードウェアベンダーの法的障壁を取り除きます。