SPHからVOC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。

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。