NIST'den AMR'ye dönüştürücü

NIST SPHERE (SPeech HEader REsources), konuşma araştırmaları için özellikle DARPA tarafından finanse edilen projeler kapsamında Ulusal Standartlar ve Teknoloji Enstitüsü tarafından oluşturulmuş özel bir ses dosyası formatıdır. Format, ham ses örneklerini örnekleme hızı, kanal sayısı, kodlama türü, konuşmacı demografisi ve transkripsiyon açıklamaları gibi üst verileri kodlayan yapılandırılmış ASCII başlıkla sarar — bu özellik konuşma veri derlemleri dağıtımı için idealdir. NIST dosyaları genellikle telefon kalitesinde örnekleme hızlarında (8 kHz veya 16 kHz) sıkıştırılmamış PCM veya mü-law ses depolar, ancak kapsayıcı çeşitli kodlamaları barındıracak kadar esnektir. Önemli bir avantajı, araştırmacıların ayrıntılı veri derlemi üst verilerini doğrudan dosyaya gömmesine olanak tanıyan zengin, kendi kendini tanımlayan başlıktır ve ek dosyalara gerek kalmaz. SPHERE ayrıca TIMIT, Switchboard ve Fisher veri derlemi gibi büyük konuşma veritabanları için fiili standart haline gelmiştir ve akademik ile devlet laboratuvarlarında geniş tanınırlık sağlar. Açık spesifikasyon ve komut satırı araçlarının (sphere, h_strip, w_decode) erişilebilirliği, bu dosyaların konuşma işleme hatlarında programatik olarak dönüştürülmesini, incelenmesini ve işlenmesini kolaylaştırır.

AMR (Adaptive Multi-Rate), konuşma için optimize edilmiş sıkıştırılmış bir ses formatıdır ve Avrupa Telekomünikasyon Standartları Enstitüsü tarafından standartlaştırılarak GSM ve 3G mobil ağlar için zorunlu kodek olarak benimsenmiştir. Kodek, ağ koşullarına ve arka plan gürültü seviyelerine bağlı olarak 4,75 ile 12,2 kbps arasında sekiz bit hızı arasında dinamik olarak geçiş yapar. Bağlantı kalitesi düştüğünde, kodlayıcı marjinal netliği iletim güvenilirliğiyle takas ederek daha düşük bir hıza geçer. Bu uyarlanabilir mekanizma 3GPP spesifikasyonlarında tanımlanmıştır ve milyarlarca mobil aramada kullanılan, küresel ölçekte en yaygın konuşma kodeklerinden birini temsil eder. Başlıca avantajı sıkıştırma verimliliğidir: 12,2 kbps'de bir dakikalık AMR sesi yaklaşık 90 KB yer kaplar ve bant genişliği kısıtlı ağlarda sesli notlar, sesli mesajlar ve MMS için son derece pratiktir. Diğer bir yararı işe yerleşik ses aktivite algılama ve konfor gürültüsü üretimi olup sessizlik sırasında iletimi azaltır. AMR, dar bant genişliği (300-3400 Hz) nedeniyle müzik için uygun olmasa da zorlu ağ koşullarında anlaşılır konuşma iletiminde üstün başarı gösterir.