Конвертер SPH в AMR

SPH — расширение файлов, хранящих аудио в формате NIST SPHERE (SPeech HEader REsources), стандарте, созданном Национальным институтом стандартов и технологий США около 1990 года. Разработанный для речевых исследований, SPH-файл содержит 1024-байтовый ASCII-заголовок с метаданными — идентификаторами базы данных, количеством каналов, частотой дискретизации, порядком байтов и типом сжатия — делая каждую запись самоописывающейся. Аудиоданные — обычно 16-битная линейная ИКМ при 16 кГц, хотя допустимы другие конфигурации. Исследователи в NIST, DARPA и университетах по всему миру используют SPH для распространения речевых корпусов — TIMIT, Switchboard и коллекций LDC, лежащих в основе современных систем автоматического распознавания речи. Ключевое преимущество — человекочитаемый заголовок, позволяющий скриптам разбирать метаданные записи без бинарного декодирования. Строгая стандартизация формата также исключает неоднозначности при обмене данными между учреждениями и платформами. Поскольку SPH-файлы хранят несжатый PCM, они сохраняют полную точность аудио — критически важное свойство при обучении акустических моделей, где даже малые артефакты могут исказить результаты.

AMR (Adaptive Multi-Rate) — сжатый аудиоформат, оптимизированный для речи, стандартизованный Европейским институтом телекоммуникационных стандартов и принятый как обязательный кодек для сетей GSM и 3G. Кодек динамически переключается между восемью скоростями передачи — от 4,75 до 12,2 кбит/с — в зависимости от состояния канала связи и уровня фонового шума. При ухудшении качества связи кодер переходит на более низкий битрейт, жертвуя незначительной чёткостью ради надёжности передачи. Этот адаптивный механизм определён спецификациями 3GPP и является одним из самых массово развёрнутых голосовых кодеков в мире, используемым в миллиардах мобильных вызовов. Главное преимущество — эффективность сжатия: одна минута AMR-аудио при 12,2 кбит/с занимает около 90 КБ, что удобно для голосовых заметок, голосовой почты и MMS при ограниченной полосе пропускания. Ещё одно достоинство — встроенное обнаружение голосовой активности и генерация комфортного шума, снижающие передачу во время тишины. Хотя AMR не подходит для музыки из-за узкой полосы частот (300-3400 Гц), он превосходно обеспечивает разборчивость речи в сложных сетевых условиях.