Convertisseur HTK en VOX

Le VOX est un format audio sans en-tête construit autour de l'encodage ADPCM Dialogic, largement adopté dans la téléphonie, les systèmes de réponse vocale interactive (SVI) et les plateformes de messagerie vocale depuis les années 1980. Chaque échantillon audio est compressé en 4 bits à l'aide d'un algorithme développé par Oki Electric et implemente en matériel sûr les cartes d'interface téléphonique de Dialogic Corporation. Les fichiers VOX utilisent généralement une fréquence d'échantillonnage de 6000 où 8000 Hz, produisant dès enregistrements extrêmement compacts optimisés pour l'intelligibilite vocale plutôt que la fidélité musicale. Comme le format né comporte pas d'en-tête, le logiciel de lecture doit connaitre à l'avancé la fréquence d'échantillonnage et les paramètres d'encodage — un compromis qui réduit la surcharge mais exige une gestion rigoureuse dès fichiers. L'avantage principal du VOX est l'efficacité de stockage : un enregistrement vocal d'une minute à 8 kHz occupe environ 240 Ko, ce qui est pratique pour les systèmes stockant dès milliers de prompts. L'ADPCM Dialogic est conforme au standard UIT-T G.726, assurant l'interopérabilité entre les équipements téléphoniques de différents fabricants. Même à mesure que les centres d'appels modernes migrent vers dès systèmes IP avec dès codecs comme Opus, de vastes bibliothèques d'enregistrements VOX persistent dans les deploiements SVI anciens et les archivés de conformite à travers le monde.