Конвертер NIST в AAC

NIST SPHERE (SPeech HEader REsources) — специализированный аудиоформат, созданный Национальным институтом стандартов и технологий для исследований речи, в особенности проектов, финансируемых DARPA. Формат оборачивает сырые аудиосэмплы структурированным ASCII-заголовком, содержащим метаданные: частоту дискретизации, количество каналов, тип кодирования, демографические данные дикторов и аннотации транскрипций — что делает его идеальным для распространения речевых корпусов. Файлы NIST обычно хранят несжатое PCM или mu-law аудио при телефонных частотах дискретизации (8 кГц или 16 кГц), хотя контейнер достаточно гибок для различных кодировок. Ключевое преимущество — богатый самодокументирующийся заголовок, позволяющий исследователям встраивать подробные метаданные корпуса прямо в файл, исключая сопутствующие файлы. SPHERE также стал де-факто стандартом для крупных баз речевых данных — TIMIT, Switchboard и корпуса Fisher, — обеспечивая широкое признание в академических и государственных лабораториях. Открытая спецификация и доступность утилит командной строки (sphere, h_strip, w_decode) делают конвертацию, инспекцию и обработку этих файлов в конвейерах речевой обработки простой задачей.

AAC (Advanced Audio Coding) — преемник MP3, стандартизованный ISO/IEC в рамках спецификаций MPEG-2 и позднее MPEG-4. Разработанный совместными усилиями Fraunhofer, Dolby, Sony, Nokia и AT&T, AAC обеспечивает более высокое качество звука при эквивалентном или более низком битрейте — поток AAC 96 кбит/с по воспринимаемому качеству обычно соответствует файлу MP3 на 128 кбит/с. Кодек использует модифицированное дискретное косинусное преобразование в сочетании с продвинутым психоакустическим моделированием и временным формированием шума. AAC является форматом по умолчанию в экосистеме Apple (iTunes, iPhone, iPad), YouTube и многих стриминговых сервисах. Первое преимущество — отличная эффективность сжатия: высококачественный звук при значительно меньшем объёме хранения и потреблении полосы пропускания. Второе — поддержка частот дискретизации от 8 кГц до 96 кГц и до 48 каналов, что подходит для любых задач, от голосовых вызовов до объёмного звучания. Третье — широкое внедрение компанией Apple и другими производителями гарантирует, что практически любое современное устройство, браузер и медиаплеер воспроизводит AAC без дополнительных плагинов.