เครื่องมือแปลงไฟล์ NIST เป็น MP3

NIST SPHERE (SPeech HEader REsources) เป็นรูปแบบไฟล์เสียงเฉพาะทางที่สร้างโดย สถาบันมาตรฐานและเทคโนโลยีแห่งชาติ สำหรับการวิจัยเสียงพูด โดยเฉพาะโปรเจกต์ที่ได้รับทุนจาก DARPA รูปแบบนี้ห่อหุ้มตัวอย่างเสียงดิบด้วยส่วนหัว ASCII ที่มีโครงสร้างซึ่งเข้ารหัสเมตาดาต้า เช่น อัตราสุ่มตัวอย่าง จำนวนแชนเนล ประเภทการเข้ารหัส ข้อมูลประชากรผู้พูด และคำอธิบายการถอดความ — เหมาะอย่างยิ่งสำหรับการเผยแพร่คอร์ปัสเสียงพูด ไฟล์ NIST มักเก็บ PCM แบบไม่บีบอัดหรือเสียง mu-law ที่อัตราสุ่มตัวอย่างคุณภาพโทรศัพท์ (8 kHz หรือ 16 kHz) แม้คอนเทนเนอร์จะยืดหยุ่นพอรองรับการเข้ารหัสหลายแบบ ข้อดีสำคัญคือส่วนหัวแบบบันทึกตัวเองที่หลากหลาย ช่วยให้นักวิจัยฝังเมตาดาต้าคอร์ปัสโดยละเอียดในไฟล์โดยตรง ไม่ต้องมีไฟล์ข้างเคียง SPHERE ยังกลายเป็นมาตรฐานที่ใช้จริงสำหรับฐานข้อมูลเสียงพูดหลัก ๆ เช่น TIMIT, Switchboard และคอร์ปัส Fisher รับประกันการรับรู้อย่างกว้างขวางในห้องปฏิบัติการทั้งด้านวิชาการและภาครัฐ ข้อกำหนดแบบเปิดและเครื่องมือบรรทัดคำสั่งที่มีให้ (sphere, h_strip, w_decode) ทำให้สามารถแปลง ตรวจสอบ และประมวลผลไฟล์เหล่านี้ทางโปรแกรมได้อย่างตรงไปตรงมาในไปป์ไลน์ประมวลผลเสียงพูด

MP3 (MPEG-1 Audio Layer III) เป็นหนึ่งในรูปแบบเข้ารหัสเสียงดิจิทัลที่ใช้กันอย่างแพร่หลายที่สุด ใช้การบีบอัดข้อมูลแบบสูญเสียเพื่อลดขนาดไฟล์อย่างมีนัยสำคัญในขณะที่ยังคงรักษาคุณภาพเสียงใกล้เคียงระดับ CD โดยทั่วไปบรรลุอัตราส่วนการบีบอัด 10:1 พัฒนาโดย Fraunhofer Society ร่วมกับนักวิทยาศาสตร์ดิจิทัลคนอื่น ๆ รูปแบบนี้กลายเป็นมาตรฐานสากลในปี 1993 ในฐานะส่วนหนึ่งของข้อกำหนด MPEG-1 ไฟล์ MP3 สามารถเข้ารหัสได้ที่บิตเรตต่าง ๆ โดยทั่วไปตั้งแต่ 128 kbps ถึง 320 kbps ให้ผู้ใช้สร้างสมดุลระหว่างขนาดไฟล์และความเที่ยงตรงของเสียง การบีบอัดที่มีประสิทธิภาพ ความเข้ากันได้กับอุปกรณ์อย่างกว้างขวาง และขนาดไฟล์ที่เล็กทำให้ MP3 เป็นแรงขับเคลื่อนเบื้องหลังการปฏิวัติเพลงดิจิทัล ช่วยให้สามารถจัดเก็บและเผยแพร่เพลงผ่านอินเทอร์เน็ตได้อย่างสะดวก ปัจจุบัน MP3 ยังคงเป็นหนึ่งในรูปแบบเสียงที่ได้รับการรองรับอย่างทั่วถึงที่สุดในเครื่องเล่นสื่อ ระบบปฏิบัติการ และอุปกรณ์พกพาแทบทุกชนิด