Công cụ chuyển đổi NIST sang W64

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.

W64 (Wave64) là bộ chứa âm thanh 64-bit ban đầu được thiết kế bởi Sonic Foundry — nhà sáng tạo Sound Forge — và sau đó được Sony duy trì sau khi mua lại bộ phận phần mềm desktop của Sonic Foundry vào năm 2003. Định dạng trực tiếp giải quyết giới hạn kích thước tệp 4 GB do đặc tả RIFF/WAV 32-bit của Microsoft áp đặt — một hạn chế trở nên vấn đề trong các phiên thu âm dài, thu đa kênh hoặc sản xuất tần số lấy mẫu cao. W64 đạt được điều này bằng cách mở rộng mã định danh chunk và trường kích thước lên 64 bit, sử dụng GUID thay vì mã bốn ký tự. Thay đổi cấu trúc này cho phép tệp đạt kích thước tính bằng exabyte, loại bỏ mọi ràng buộc lưu trữ thực tế. Định dạng hỗ trợ tần số lấy mẫu, độ sâu bit và cấu hình kênh tùy ý, phù hợp cho chấm điểm phim, thu âm hòa nhạc trực tiếp và thu thập dữ liệu khoa học. Sound Forge, Audacity và các workstation âm thanh kỹ thuật số chuyên nghiệp khác cung cấp hỗ trợ W64 nguyên bản để nhập và xuất liền mạch. Đối với kỹ sư và nhà sản xuất thường xuyên làm việc với tài liệu dạng dài, chất lượng cao, W64 mang lại độ tin cậy và sự đơn giản của WAV mà không có giới hạn kích thước gây khó chịu.