OGG 转 SPH 转换器
从 OGG 生成 SPHERE 语音研究音频
ogg
sph
语音语料库格式
SPH 是语音数据集标准 — 将 OGG 转换用于研究。
数据集准备
同时将整个 OGG 收藏处理为 SPH。
在线转换
无需语音工具包 — 在浏览器中将 OGG 转为 SPH。
如何转换OGG到SPH
从计算机，Google Drive，Dropbox，URL或在页面上拖拽选择文件.
选择sph或任何其他你需要的格式作为结果（支持超过200种格式）
让文件进行转换随后你可以下载你的sph文件
关于格式
OGG Vorbis 是一种开放、免版税的有损音频编解码器,封装在 Ogg 容器格式中,两者均由 Xiph.Org 基金会开发。Vorbis 被设计为 MP3 和 AAC 的无专利替代方案,采用改进离散余弦变换(MDCT)编码,并使用可变比特率编码,能够逐帧适应信号复杂度。盲听测试一致表明,Vorbis 在 96-192 kbps 范围内可提供与 MP3 相当甚至更优的感知质量。该格式支持 8 kHz 至 192 kHz 的采样率和 1 至 255 个声道,涵盖从单声道语音到环绕声混音的各种场景。一个突出优势是完全免除授权费用 — 游戏开发者、流媒体平台和硬件制造商可以无需支付版税即可实现 Vorbis 编解码。Spotify 正是因此多年来将 Vorbis 作为其主要流媒体编解码器。该格式在低比特率下的质量衰减也比许多竞品更为平缓,这就是为什么它在存储空间紧张、需要容纳大量音效的电子游戏中依然广受欢迎。VLC、Firefox、Chrome 和 Android 均提供原生 Vorbis 解码支持。
SPH 是 NIST SPHERE(SPeech HEader REsources,语音头资源)格式音频文件的扩展名,该标准由美国国家标准与技术研究院于 1990 年前后创建。SPH 文件专为语音研究而设计,包含一个 1024 字节的 ASCII 头部,其中填充了丰富的元数据 — 数据库标识、声道数、采样率、字节序和压缩类型 — 使每条录音都具有自描述性。底层音频通常为 16 kHz 采样的 16 位线性 PCM,但也允许其他配置。NIST、DARPA 及全球各大学的研究人员依赖 SPH 格式分发 TIMIT、Switchboard 和 LDC 语料库等语音数据集,这些数据集是现代自动语音识别系统的基础。一个关键优势是,人类可读的头部使得脚本无需二进制解码即可解析录音元数据。该格式严格的标准化也消除了跨机构、跨平台共享数据集时的歧义。由于 SPH 文件存储未压缩的 PCM,可完整保留音频保真度 — 这在训练声学模型时至关重要,因为即使微小的失真也可能影响结果。
经常问的问题
为什么要将 OGG 转为 SPH？
SPH (SPHERE) 是 NIST 语音语料库标准。ASR 工具包无法导入 OGG — 需要 SPHERE。
SPH 用在哪里？
Kaldi、HTK、NIST 评估工具和语音研究语料库使用 SPHERE 格式。
SPH 和 NIST 一样吗？
是的 — 两者都指美国国家标准与技术研究院定义的 SPHERE。
ASR 工具能用 OGG 吗？
不能 — 语音研究流水线需要 SPHERE 或类似格式。
可以批量转换吗？
上传完整的 OGG 语音收藏并一次性为每个文件生成 SPH。