เครื่องมือแปลงไฟล์ IRCAM เป็น AMR

ไฟล์เสียง IRCAM มีต้นกำเนิดจาก Institut de Recherche et Coordination Acoustique/Musique — หนึ่งในห้องปฏิบัติการดนตรีคอมพิวเตอร์ชั้นนำของโลก ก่อตั้งโดยคีตกวี Pierre Boulez ในกรุงปารีส รูปแบบนี้สร้างขึ้นในช่วงต้นทศวรรษ 1980 เพื่อตอบสนองความต้องการวิจัยของ IRCAM และตั้งแต่นั้นมาก็ถูกนำมาใช้โดยชุมชนวิชาการและศิลปะที่ทำงานในจุดตัดของวิทยาศาสตร์และเสียง ไฟล์ IRCAM เริ่มต้นด้วยส่วนหัวขนาด 1024 ไบต์ที่บรรจุหมายเลข magic อัตราสุ่มตัวอย่าง จำนวนแชนเนล และฟิลด์ประเภทการเข้ารหัสที่รองรับ linear PCM (16/32 บิตจำนวนเต็มและ 32 บิตจุดลอยตัว), mu-law และ A-law บล็อกส่วนหัวยังรองรับข้อความอธิบายแบบอิสระ ช่วยให้นักวิจัยฝังเมตาดาต้าการทดลองในไฟล์เสียงโดยตรง เนื่องจากข้อมูลไม่ได้ถูกบีบอัดโดยค่าเริ่มต้น การบันทึกจึงรักษาความเที่ยงตรงเต็มรูปแบบตลอดวงจรการวิเคราะห์และสังเคราะห์ใหม่ที่ต่อเนื่อง — สิ่งสำคัญในการทดลองจิตอะคูสติก ซอฟต์แวร์อย่าง Csound, libsndfile และ SoX อ่านและเขียนรูปแบบนี้ได้โดยตรง ข้อดีหลัก ได้แก่ ส่วนหัวที่กำหนดไว้ชัดเจนซึ่งขจัดความคลุมเครือในการแยกวิเคราะห์ การรองรับตัวอย่างจุดลอยตัวที่จำเป็นในงาน DSP เชิงวิทยาศาสตร์ และรากฐานที่ลึกในชุมชนดนตรีคอมพิวเตอร์ที่รับประกันการรองรับเครื่องมืออย่างต่อเนื่อง

AMR (Adaptive Multi-Rate) เป็นรูปแบบเสียงบีบอัดที่ปรับให้เหมาะสำหรับเสียงพูด ได้รับมาตรฐานจาก สถาบันมาตรฐานโทรคมนาคมแห่งยุโรป และถูกนำมาใช้เป็นตัวแปลงสัญญาณบังคับสำหรับเครือข่ายมือถือ GSM และ 3G ตัวแปลงสัญญาณสลับบิตเรตแบบไดนามิกระหว่างแปดระดับ — ตั้งแต่ 4.75 ถึง 12.2 kbps — ตามสภาพเครือข่ายและระดับเสียงรบกวนพื้นหลัง เมื่อคุณภาพลิงก์ลดลง ตัวเข้ารหัสจะเปลี่ยนไปใช้อัตราที่ต่ำกว่า แลกความชัดเจนเล็กน้อยกับความเสถียรในการส่งข้อมูล กลไกการปรับตัวนี้กำหนดโดยข้อกำหนด 3GPP และเป็นหนึ่งในตัวแปลงสัญญาณเสียงที่ใช้งานแพร่หลายที่สุดในโลก ใช้ในการโทรมือถือหลายพันล้านครั้ง ข้อดีหลักคือประสิทธิภาพการบีบอัด: เสียง AMR หนึ่งนาทีที่ 12.2 kbps ใช้พื้นที่เพียงประมาณ 90 KB ใช้งานได้จริงสำหรับบันทึกเสียง วอยซ์เมล และ MMS บนเครือข่ายที่มีแบนด์วิดท์จำกัด อีกข้อดีคือมีการตรวจจับกิจกรรมเสียงและการสร้างเสียงรบกวนขณะเงียบในตัว ช่วยลดการส่งข้อมูลระหว่างช่วงเงียบ แม้ AMR จะไม่เหมาะกับเพลงเนื่องจากแบนด์วิดท์แคบ (300-3400 Hz) แต่เชี่ยวชาญในการส่งเสียงพูดที่ชัดเจนภายใต้สภาพเครือข่ายที่ท้าทาย