HTK zu VOC Converter

HTK ist der native Wellenform-Container des Hidden Markov Model Toolkit, einer Software-Suite, die am Engineering Department der Universität Cambridge für die Spracherkennungsforschung entwickelt wurde. Erstmals 1993 veröffentlicht, wurde HTK rasch zu einer Referenzplattform in computerlinguistischen Laboren weltweit, und sein Dateiformat folgte diesem Trend. Jede Datei speichert eine Sequenz von Parametervektoren oder Rohsamples mit einem vorangestellten 12-Byte-Header, der die Anzahl der Frames, die Frame-Periode in 100-ns-Einheiten, die Bytezahl pro Frame und einen Typcode angibt — die Optionen reichen von Wellenform-PCM bis zu Mel-Frequenz-Cepstralköffizienten und Filterbankenenergien. Diese Vielseitigkeit ermöglicht es einem einzigen Container, sowohl Quellaudio als auch extrahierte Features zu tragen, ohne den Parser zu wechseln. Der bewusst minimale Header vermeidet Alignment-Padding oder optionale Chunks und macht das Format trivial lesbar in C, Python oder MATLAB mit wenigen Zeilen binärer E/A. Drei Vorteile unterstreichen die anhaltende Relevanz von HTK: enge Integration mit der HTK-Trainings- und Erkennungspipeline, deterministisches Byte-Layout ohne Parser-Mehrdeutigkeiten und weite Verbreitung in akademischen Korpora.

VOC (Creative Voice) ist ein digitaler Audio-Container, der von Creative Technology entwickelt und 1989 zusammen mit der originalen Sound-Blaster-Karte eingeführt wurde. Es diente während der DOS-Ära als natives Audioformat für die Sound-Blaster-Familie, als Creatives Hardware die PC-Audiowelt dominierte. VOC-Dateien sind blockbasiert: Jede Datei besteht aus typisierten Datenblöcken, die 8-Bit-vorzeichenloses PCM, 4-Bit- und 2,6-Bit-Creative-ADPCM, 16-Bit-vorzeichenbehaftetes PCM sowie A-Law- und Mu-Law-kodiertes Audio aufnehmen können. Diese Blockstruktur unterstützt auch Stille-Intervalle, Wiederholungsschleifen und Markerpunkte und gab Spieleentwicklern feinkörnige Kontrolle über die Klangwiedergabe. Ein bemerkenswerter Vorteil war die hardwareseitige Dekodierung — Sound-Blaster-Karten konnten VOC-Daten direkt per DMA-Transfer abspielen und so die CPU für andere Aufgaben freimachen, in einer Zeit, als Prozessortakte kostbar waren. Das Format fand breite Verwendung in DOS-Spielen von id Software, Sierra und LucasArts. Mit dem Aufstieg von Windows und dem WAV-Format ging die VOC-Nutzung zurück, doch für die Bewahrung von Retro-Gaming und für alle, die mit Vintage-PC-Audioarchiven arbeiten, bleibt es von Bedeutung.