SPH'den WAV'ye dönüştürücü

SPH, 1990 civarında ABD Ulusal Standartlar ve Teknoloji Enstitüsü tarafından oluşturulan NIST SPHERE (SPeech HEader REsources) formatında depolanan sesin dosya uzantısıdır. Konuşma araştırması için tasarlanan SPH dosyaları, veritabanı tanımlayıcıları, kanal sayıları, örnekleme hızları, bayt sıralaması ve sıkıştırma türü gibi üst verilerle dolu 1024 baytlık ASCII başlık taşır — her kaydı kendi kendini tanımlayan hâle getirir. Temel ses genellikle 16 kHz'de örneklenmiş 16 bit doğrusal PCM'dır, ancak diğer yapılandırmalara da izin verilir. NIST, DARPA ve dünya genelindeki üniversitelerdeki araştırmacılar, modern otomatik konuşma tanıma sistemlerinin temelini oluşturan TIMIT, Switchboard ve LDC koleksiyonları gibi konuşma veri derlemlerini dağıtmak için SPH'ye güvenir. Önemli bir avantajı, i̇nsan tarafından okunabilir başlığın betiklerin i̇kili kod çözme olmadan kayıt üst verilerini ayrıştırmasına olanak tanımasıdır. Formatın sıkı standardizasyonu ayrıca kurumlar ve platformlar arasında veri setleri paylaşırken belirsizliği ortadan kaldırır. SPH dosyaları sıkıştırılmamış PCM depoladığından tam ses doğruluğunu korur — küçük artefaktların bile sonuçları çarpıtabileceği akustik modeller eğitilirken kritik bir özellik.

WAV (Waveform Audio File Format), Microsoft ve IBM tarafından ortaklaşa geliştirilen ve i̇lk olarak Ağustos 1991'de Windows 3.1 ile birlikte yayınlanan sıkıştırılmamış bir ses kapsayıcısıdır. Resource Interchange File Format (RIFF) üzerine inşa edilen WAV, ses verilerini — en yaygın olarak doğrusal darbe-kod modülasyonu (LPCM) olarak — örnekleme hızı, bit derinliği ve kanal sayısını tanımlayan üst verilerle birlikte depolar. Bu doğrudan yapı, WAV'ı Windows üzerinde sıkıştırılmamış ses için fiili standart ve mevcut neredeyse tüm işletim sistemleri, ses editörleri ve medya oynatıcılar genelinde evrensel olarak kabul gören bir değişim formatı yapmıştır. CD kalitesinde WAV dosyaları 44,1 kHz stereo'da 16 bit örnekler kullanırken, profesyonel iş akışları düzenli olarak 192 kHz'e kadar hızlarda 24 bit veya 32 bit kayan nokta örnekleri kullanır. Büyük avantajı sıfır kayıplı doğruluktur: standart WAV sıkıştırma uygulamadığından, depolanan veri orijinal kaydın tam dijital bir temsilidir ve bu özellik onu mastering ve arşivleme için tercih edilen seçenek yapar. WAV ayrıca INFO ve BWF yığınları aracılığıyla gömülü üst verileri destekleyerek zaman damgaları ve prodüksiyon notlarına olanak tanır. Temel ödünleşim dosya boyutudur — bir dakikalık CD kalitesinde stereo yaklaşık 10 MB yer kaplar — ve 32 bit RIFF yapısı 4 GB sınırı getirirken RF64 bu tavanı kaldırmaktadır.