เครื่องมือแปลงไฟล์ SPH เป็น MP2

SPH เป็นนามสกุลไฟล์สำหรับเสียงที่จัดเก็บในรูปแบบ NIST SPHERE (SPeech HEader REsources) มาตรฐานที่สร้างโดยสถาบันมาตรฐานและเทคโนโลยีแห่งชาติสหรัฐอเมริการาวปี 1990 สร้างขึ้นสำหรับการวิจัยด้านเสียงพูด ไฟล์ SPH มีส่วนหัว ASCII ขนาด 1024 ไบต์ที่บรรจุเมทาดาทา — ตัวระบุฐานข้อมูล จำนวนช่องสัญญาณ อัตราสุ่มตัวอย่าง ลำดับไบต์ และประเภทการบีบอัด — ทำให้ทุกการบันทึกอธิบายตัวเองได้ เสียงพื้นฐานโดยทั่วไปเป็น PCM เชิงเส้น 16 บิตที่สุ่มตัวอย่าง 16 kHz แม้ว่าจะอนุญาตให้ใช้การกำหนดค่าอื่นได้ นักวิจัยที่ NIST, DARPA และมหาวิทยาลัยทั่วโลกพึ่งพา SPH สำหรับการเผยแพร่คลังเสียงพูดเช่น TIMIT, Switchboard และคอลเลกชัน LDC ที่เป็นรากฐานของระบบการรู้จำเสียงพูดอัตโนมัติสมัยใหม่ ข้อดีสำคัญคือส่วนหัวที่อ่านได้ด้วยมนุษย์ ทำให้สคริปต์สามารถแยกวิเคราะห์เมทาดาทาการบันทึกได้โดยไม่ต้องถอดรหัสไบนารี การกำหนดมาตรฐานที่เข้มงวดของรูปแบบยังขจัดความกำกวมเมื่อแชร์ชุดข้อมูลข้ามสถาบันและแพลตฟอร์ม เนื่องจากไฟล์ SPH จัดเก็บ PCM แบบไม่บีบอัด จึงรักษาความเที่ยงตรงของเสียงอย่างเต็มที่ — สิ่งสำคัญอย่างยิ่งเมื่อฝึกแบบจำลองอะคูสติกที่แม้แต่สิ่งแปลกปลอมเล็กน้อยก็อาจบิดเบือนผลลัพธ์ได้

MP2 (MPEG-1 Audio Layer II) หรือที่รู้จักในชื่อโปรเจกต์ดั้งเดิม MUSICAM เป็นตัวแปลงสัญญาณเสียงเชิงรับรู้ที่ได้รับมาตรฐานเป็นส่วนหนึ่งของ ISO/IEC 11172-3 ในปี 1993 ในขณะที่ MP3 ซึ่งเป็นรุ่นถัดมาได้รับความสนใจจากผู้บริโภค MP2 ได้สร้างตำแหน่งที่มั่นคงในวงการออกอากาศมืออาชีพที่ยังคงรักษาอยู่จนถึงทุกวันนี้ ตัวแปลงสัญญาณแบ่งเสียงออกเป็น 32 ซับแบนด์ผ่าน polyphase filter bank ใช้แบบจำลองจิตอะคูสติกเพื่อกำหนดเกณฑ์การปกปิด จากนั้นควอนไทซ์และเข้ารหัส Huffman แต่ละซับแบนด์ตามนั้น การใช้งานออกอากาศทั่วไปใช้ 192-384 kbps สำหรับสเตอริโอ ให้คุณภาพโปร่งใสพร้อมความซับซ้อนตัวเข้ารหัสที่ต่ำกว่าและความทนทานต่อข้อผิดพลาดที่ดีกว่า Layer III คุณสมบัติเหล่านี้อธิบายได้ว่าทำไมโทรทัศน์ DVB วิทยุดิจิทัล DAB และมาตรฐานกล้อง HDV ล้วนกำหนดหรือเลือก MP2 เวลาแฝงของตัวเข้ารหัสก็สั้นกว่า ซึ่งเป็นคุณสมบัติสำคัญสำหรับการออกอากาศสดที่ต้องซิงค์ปากกับเสียง ข้อดีสามประการที่ทำให้ MP2 ยังคงมีความเกี่ยวข้องหลายทศวรรษหลังการกำหนดมาตรฐาน: การเสื่อมคุณภาพอย่างสง่างามภายใต้ข้อผิดพลาดในการส่งซึ่งสำคัญสำหรับสัญญาณออกอากาศทางอากาศ ความล่าช้าในการเข้ารหัสที่น้อยที่สุดเหมาะกับสายการออกอากาศแบบเรียลไทม์ และการยอมรับจากหน่วยงานกำกับดูแลที่ฝังลึกในกรอบการออกอากาศของยุโรปและเอเชีย