SPHからTTA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。

TTA(True Audio)は、Aleksander Djourikが開発したリアルタイムロスレスオーディオ圧縮コーデックで、その起源は2000年代初頭に遡ります。この形式はデコード時に元のPCMストリームをビット単位で完全に復元し、保存や転送中に音のディテールが失われないことを保証します。TTAは標準的なCD品質のオーディオだけでなく、最大32ビット整数サンプルのハイレゾコンテンツも処理でき、日常のリスニングとプロフェッショナルなアーカイブの両方に適しています。処理速度はTTAの特徴的な強みの一つで、コーデックは高いCPU負荷をかけずに高速なエンコーディングとデコーディングを実現し、古いハードウェアでも軽量に動作します。ファイル構造はID3v1、ID3v2、APEv2メタデータタグをサポートしているため、トラック情報やアルバムアートがオーディオとともに移動します。いくつかのポータブルプレーヤーにハードウェアサポートが組み込まれ、TTAに競合するロスレス形式に対する実用的な優位性を与えました。オープンソースのリファレンス実装はGNU GPLの下で提供され、コミュニティの採用とサードパーティ統合を促進しています。FLACなどの新しいコーデックがロスレスオーディオの市場でより大きなシェアを獲得しましたが、TTAはそのシンプルさと透過的な圧縮を評価するユーザーに使い続けられています。