NIST'den CAF'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.

CAF (Core Audio Format), Apple tarafından geliştirilen ve 2005 yılında Mac OS X 10.4 Tiger ile birlikte sunulan esnek bir ses kapsayıcısıdır. Eski formatların sınırlamalarını aşmak için tasarlanan CAF, WAV ve AIFF'ı kısıtlayan 4 GB dosya boyutu tavanını ortadan kaldırarak teorik olarak sınırsız uzunluğu destekler. Kapsayıcı, AAC, ALAC, MP3, doğrusal PCM, IMA ADPCM ve daha fazlası dahil olmak üzere neredeyse her kodeki birleşik bir sarmalayıcı içinde barındırır. Yığın tabanlı mimarisi, sesi kanal düzenleri, işaretçi bölgeleri, açıklamalar ve MIDI verileri gibi zengin üst verilerle birlikte depolar. Belirleyici avantajı son derece uzun kayıtları işleyebilmesidir: yayıncılar ve saha kayıtçıları boyut sınırı olmadan saatlerce kesintisiz ses yakalayabilir. Esnek kodek desteği bir diğer güçlü yönüdür — içerik ister yüksek çözünürlüklü 24 bit/192 kHz kayıpsız ses ister sıkıştırılmış konuşma olsun aynı kapsayıcı çalışır. Apple'ın Core Audio çerçevesi, macOS ve iOS üzerinde Logic Pro ve Final Cut Pro gibi profesyonel uygulamalarda düşük gecikmeli oynatmayı sağlayan yerel destek sunar. Hem çok yönlülük hem de ölçek gerektiren Apple ekosistemi iş akışları için CAF son derece yetenekli bir seçenektir.