Công cụ chuyển đổi NIST sang AAC

NIST SPHERE (SPeech HEader REsources) là định dạng tệp âm thanh chuyên dụng do Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ phát triển, phục vụ nghiên cứu giọng nói, đặc biệt các dự án được DARPA tài trợ. Định dạng này đóng gói các mẫu âm thanh thô kèm theo phần header ASCII có cấu trúc, chứa siêu dữ liệu như tần số lấy mẫu, số kênh, kiểu mã hóa, thông tin nhân khẩu học người nói và chú thích phiên âm — lý tưởng cho việc phân phối kho dữ liệu giọng nói. Các tệp NIST thường lưu trữ âm thanh PCM không nén hoặc mu-law ở tần số lấy mẫu chất lượng điện thoại (8 kHz hoặc 16 kHz), dù bộ chứa đủ linh hoạt để hỗ trợ nhiều kiểu mã hóa khác. Ưu điểm nổi bật là phần header tự mô tả phong phú, cho phép nhà nghiên cứu nhúng trực tiếp siêu dữ liệu chi tiết của kho ngữ liệu vào tệp mà không cần tệp đi kèm. SPHERE cũng trở thành tiêu chuẩn thực tế cho các cơ sở dữ liệu giọng nói lớn như TIMIT, Switchboard và Fisher corpus, được công nhận rộng rãi trong các phòng thí nghiệm học thuật và chính phủ. Đặc tả mở và sự sẵn có của các công cụ dòng lệnh (sphere, h_strip, w_decode) giúp việc chuyển đổi, kiểm tra và xử lý các tệp này trở nên đơn giản trong các quy trình xử lý giọng nói.

AAC (Advanced Audio Coding) là thế hệ kế thừa của MP3, được chuẩn hóa bởi ISO/IEC trong đặc tả MPEG-2 và sau đó là MPEG-4. Được phát triển chung bởi Fraunhofer, Dolby, Sony, Nokia và AT&T, AAC mang lại chất lượng âm thanh vượt trội ở cùng bitrate hoặc thấp hơn — luồng AAC 96 kbps thường tương đương về chất lượng cảm nhận với tệp MP3 128 kbps. Codec này sử dụng biến đổi cosin rời rạc cải tiến kết hợp với mô hình tâm lý âm học tiên tiến và định hình nhiễu theo thời gian. AAC là định dạng âm thanh mặc định trong hệ sinh thái Apple (iTunes, iPhone, iPad), YouTube và nhiều dịch vụ phát trực tuyến. Ưu điểm đầu tiên là hiệu suất nén xuất sắc — âm thanh trung thực cao với dung lượng lưu trữ và băng thông ít hơn đáng kể. Thứ hai, định dạng hỗ trợ tốc độ lấy mẫu từ 8 kHz đến 96 kHz và tối đa 48 kênh, phù hợp cho mọi ứng dụng từ cuộc gọi thoại đến âm thanh vòm. Thứ ba, việc được Apple và nhiều hãng khác áp dụng rộng rãi đảm bảo rằng hầu như mọi thiết bị, trình duyệt và trình phát media hiện đại đều xử lý nội dung AAC mà không cần thêm plugin.