Công cụ chuyển đổi NIST sang M4R

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.

M4R là định dạng nhạc chuông chính thức cho thiết bị Apple iPhone, ra mắt cùng iPhone gốc vào năm 2007. Về mặt kỹ thuật, tệp M4R là container âm thanh MPEG-4 mã hóa AAC có cấu trúc giống hệt M4A — sự khác biệt thực sự duy nhất là phần mở rộng tệp và giới hạn thời lượng khoảng 30-40 giây do iOS áp dụng. Apple chọn cách tiếp cận này để hạ tầng mã hóa AAC hiện có có thể tạo nhạc chuông mà không cần sửa đổi ở cấp codec, trong khi phần mở rộng riêng biệt ngăn các bản nhạc thông thường xuất hiện trong trình chọn nhạc chuông và ngược lại. Tạo M4R bao gồm mã hóa đoạn âm thanh ngắn dưới dạng AAC, cắt theo độ dài cho phép và đổi tên tệp. iTunes (hoặc Apple Music trên macOS gần đây) và GarageBand đều cung cấp quy trình tích hợp sẵn, và các công cụ bên thứ ba như Audacity xử lý tương tự. Sau khi đồng bộ hoặc tải về, nhạc chuông tích hợp với cài đặt iOS cho cuộc gọi, báo thức và cảnh báo theo từng liên hệ. Ưu điểm thực tế bao gồm triển khai dễ dàng đến bất kỳ iPhone nào qua đồng bộ iTunes hoặc AirDrop, phát lại chất lượng cao từ codec AAC ngay cả ở kích thước tệp nhỏ, và khả năng gán nhạc chuông riêng cho từng liên hệ để nhận diện người gọi ngay lập tức.