Công cụ chuyển đổi SPH sang MP3

SPH là phần mở rộng tệp cho âm thanh lưu trữ trong định dạng NIST SPHERE (SPeech HEader REsources), một tiêu chuẩn do Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ tạo ra khoảng năm 1990. Được xây dựng cho nghiên cứu giọng nói, tệp SPH mang header ASCII 1024 byte chứa đầy siêu dữ liệu — mã định danh cơ sở dữ liệu, số kênh, tần số lấy mẫu, thứ tự byte và kiểu nén — giúp mỗi bản ghi tự mô tả. Âm thanh bên dưới thường là PCM tuyến tính 16-bit lấy mẫu ở 16 kHz, dù các cấu hình khác cũng được phép. Các nhà nghiên cứu tại NIST, DARPA và các trường đại học trên toàn thế giới dựa vào SPH để phân phối kho ngữ liệu giọng nói như TIMIT, Switchboard và các bộ sưu tập LDC — nền tảng của các hệ thống nhận dạng giọng nói tự động hiện đại. Ưu điểm chính là header đọc được bằng mắt người cho phép các script phân tích siêu dữ liệu bản ghi mà không cần giải mã nhị phân. Sự chuẩn hóa nghiêm ngặt của định dạng cũng loại bỏ sự mơ hồ khi chia sẻ tập dữ liệu giữa các tổ chức và nền tảng. Vì tệp SPH lưu trữ PCM không nén, chúng bảo toàn toàn bộ chất lượng âm thanh — điều cực kỳ quan trọng khi huấn luyện mô hình âm học mà ngay cả những artifact nhỏ cũng có thể làm lệch kết quả.

MP3 (MPEG-1 Audio Layer III) là một trong những định dạng mã hóa âm thanh số được sử dụng rộng rãi nhất. Nó áp dụng nén dữ liệu có tổn hao để giảm đáng kể kích thước tệp trong khi vẫn giữ chất lượng âm thanh gần như CD, thường đạt tỷ lệ nén 10:1. Được phát triển bởi Fraunhofer Society cùng các nhà khoa học số khác, định dạng trở thành tiêu chuẩn quốc tế vào năm 1993 như một phần của đặc tả MPEG-1. Tệp MP3 có thể được mã hóa ở nhiều bitrate khác nhau, phổ biến từ 128 kbps đến 320 kbps, cho phép người dùng cân bằng giữa kích thước tệp và chất lượng âm thanh. Khả năng nén hiệu quả, tính tương thích rộng rãi với mọi thiết bị và kích thước tệp nhỏ đã biến MP3 thành động lực đằng sau cuộc cách mạng nhạc số, cho phép lưu trữ và phân phối nhạc qua internet một cách thực tế. Ngày nay, MP3 vẫn là một trong những định dạng âm thanh được hỗ trợ phổ biến nhất trên hầu như tất cả trình phát media, hệ điều hành và thiết bị di động.