Conversor de NIST para WAV

NIST SPHERE (SPeech HEader REsources) é um formato de arquivo de áudio especializado criado pelo National Institute of Standards and Technology para pesquisa em fala, particularmente projetos financiados pela DARPA. O formato envolve amostras de áudio brutas com um cabecalho ASCII estruturado codificando metadados como taxa de amostragem, contagem de canais, tipo de codificação, dados demograficos do falante é anotações de transcrição — tornando-o ideal para distribuição de corpora de fala. Os arquivos NIST normalmente armazenam PCM sem compressão ou áudio mu-law em taxas de amostragem de qualidade telefônica (8 kHz ou 16 kHz), embora o container seja flexível o suficiente para conter várias codificacoes. Uma vantagem chave é o cabecalho rico é autodescritivo que permite que pesquisadores incorporem metadados detalhados de corpus diretamente no arquivo, eliminando arquivos auxiliares. O SPHERE também se tornou o padrão de facto para grandes bancos de dados de fala como TIMIT, Switchboard é o corpus Fisher, garantindo amplo reconhecimento em laboratorios acadêmicos é governamentais. A especificação aberta é a disponibilidade de ferramentas de linha de comando (sphere, h_strip, w_decode) tornam simples converter, inspecionar é processar esses arquivos programaticamente em pipelines de processamento de fala.

WAV (Waveform Áudio File Format) é um container de áudio sem compressão desenvolvido em conjunto pela Microsoft é IBM, publicado pela primeira vez em agosto de 1991 junto com o Windows 3.1. Construído sobre o Resource Interchange File Format (RIFF), o WAV armazena dados de áudio — mais comumente como modulação por código de pulso linear (LPCM) — juntamente com metadados descrevendo taxa de amostragem, profundidade de bits é contagem de canais. Essa estrutura direta tornou o WAV o padrão de facto para áudio sem compressão no Windows é um formato de intercâmbio universalmente aceito em praticamente todos os sistemas operacionais, editores de áudio é reprodutores de mídia existentes. Arquivos WAV com qualidade de CD usam amostras de 16 bits a 44,1 kHz estéreo, enquanto fluxos de trabalho profissionais empregam rotineiramente amostras de 24 ou 32 bits float em taxas de até 192 kHz. Uma grande vantagem é a fidelidade sem perdas: como o WAV padrão não aplica compressão, os dados armazenados são uma representação digital exata da gravação original, tornando-o a escolha preferida para masterização é arquivamento. O WAV também suporta metadados embutidos por meio de blocos INFO e BWF, permitindo carimbos de tempo é notas de produção. A principal contrapartida é o tamanho do arquivo — um minuto de estéreo com qualidade de CD ocupa aproximadamente 10 MB — é a estrutura RIFF de 32 bits impoe um limite de 4 GB, embora o RF64 remova esse teto.