SPHからWMA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。

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。