Convertidor de HTK a VOX

VOX es un formato de audio sin cabecera construido alrededor de la codificación Dialogic ADPCM, ampliamente adoptado en telefonía, sistemas de respuesta de voz interactiva (IVR) y plataformas de buzon de voz desde la decada de 1980. Cada muestra de audio se comprime en 4 bits usando un algoritmo desarrollado por Oki Electric e implementado en hardware en las tarjetas de interfaz telefónica de Dialogic Corporation. Los archivos VOX típicamente usan una frecuencia de muestreo de 6000 u 8000 Hz, produciendo grabaciones extremadamente compactas optimizadas para la inteligibilidad del habla en lugar de la fidelidad musical. Dado qué el formato no tiene cabecera, el software de reproducción debe conocer de antemano la frecuencia de muestreo y los parámetros de codificación — un compromiso qué reduce la sobrecarga pero demanda una gestión cuidadosa de archivos. La ventaja principal de VOX es la eficiencia de almacenamiento: una grabación de voz de un minuto a 8 kHz ocupa aproximadamente 240 KB, haciéndolo práctico para sistemas qué almacenan miles de indicaciones. El ADPCM de Dialogic cumple con el estándar ITU-T G.726, asegurando la interoperabilidad entre equipos de telefonía de diferentes fabricantes. Incluso mientras los centros de llamadas modernos migran a sistemas basados en IP con códecs como Opus, vastas bibliotecas de grabaciones VOX persisten en implementaciones IVR heredadas y archivos de cumplimiento normativo a nivel mundial.