Конвертер SPH в WAV

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.

WAV (Waveform Audio File Format) — несжатый аудиоконтейнер, совместно разработанный Microsoft и IBM и впервые опубликованный в августе 1991 года вместе с Windows 3.1. Построенный на основе Resource Interchange File Format (RIFF), WAV хранит аудиоданные — чаще всего в виде линейной импульсно-кодовой модуляции (LPCM) — вместе с метаданными, описывающими частоту дискретизации, разрядность и количество каналов. Эта простая структура сделала WAV стандартом де-факто для несжатого аудио в Windows и универсально принятым форматом обмена практически в любой операционной системе, аудиоредакторе и медиаплеере. Файлы WAV CD-качества используют 16-битные сэмплы при частоте 44,1 кГц в стерео, а в профессиональных процессах нередко применяются 24-битные или 32-битные сэмплы с плавающей запятой при частотах до 192 кГц. Главное преимущество — абсолютная точность: поскольку стандартный WAV не применяет сжатия, сохранённые данные являются точной цифровой копией оригинальной записи, что делает формат предпочтительным для мастеринга и архивирования. WAV также поддерживает встроенные метаданные через чанки INFO и BWF, позволяя добавлять временные метки и производственные заметки. Основной компромисс — размер файлов: одна минута стерео CD-качества занимает около 10 МБ, а 32-битная структура RIFF ограничивает размер 4 ГБ, хотя RF64 снимает этот потолок.