Công cụ chuyển đổi NIST sang RA

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.

RealAudio là định dạng âm thanh độc quyền do RealNetworks phát triển, ra mắt lần đầu vào năm 1995 như một trong những công nghệ tiên phong cho phép phát trực tuyến âm thanh thời gian thực qua Internet. Trong kỷ nguyên dial-up, RealAudio thực sự mang tính cách mạng — cho phép người dùng nghe âm thanh trong khi tải xuống thay vì phải chờ toàn bộ tệp, một bước ngoặt khi mà một bài hát ba phút có thể mất 30 phút để truyền. Định dạng đã trải qua nhiều thế hệ codec: các phiên bản đầu sử dụng codec giọng nói tốc độ bit thấp cho modem 14,4 kbps, trong khi các phiên bản sau (RealAudio 10, dựa trên AAC) mang lại chất lượng gần CD. Các tệp RA hỗ trợ mã hóa tốc độ bit cố định và thay đổi, phát trực tuyến thích ứng đa tốc độ bit, và thuật toán bộ đệm được thiết kế để giảm thiểu gián đoạn phát lại trên kết nối không ổn định. Ở đỉnh cao, RealPlayer được cài đặt trên hàng trăm triệu PC, và các đài phát thanh như BBC và NPR dựa vào RealAudio cho luồng phát trực tuyến. Một đóng góp kỹ thuật lâu dài là khái niệm phát trực tuyến tốc độ bit thích ứng, ảnh hưởng đến các tiêu chuẩn sau này như HLS và DASH. Dù đã bị các codec hiện đại thay thế, kho lưu trữ khổng lồ nội dung RA từ thời kỳ đầu radio web vẫn tồn tại và cần chuyển đổi để phát lại trên thiết bị hiện tại.