Konverter HTK ke AMR

HTK adalah kontainer bentuk gelombang native untuk Hidden Markov Model Toolkit, paket perangkat lunak yang dikembangkan di Departemen Teknik Universitas Cambridge untuk penelitian pengenalan ucapan. Pertama kali didistribusikan pada tahun 1993, HTK dengan cepat menjadi platform referensi di laboratorium linguistik komputasional di seluruh dunia, dan format file-nya mengikuti. Setiap file menyimpan urutan vektor parameter atau sampel mentah yang didahului oleh header 12-byte yang menentukan jumlah frame, periode frame dalam satuan 100 ns, jumlah byte per frame, dan kode tipe yang menunjukkan jenis data — opsi berkisar dari PCM bentuk gelombang hingga koefisien cepstral frekuensi Mel dan energi filter-bank. Keserbagunaan ini memungkinkan satu kontainer membawa audio sumber dan fitur yang diekstrak tanpa mengubah parser. Header yang sengaja minimal menghindari padding alignment atau chunk opsional, membuat format ini sangat mudah dibaca dari C, Python, atau MATLAB dengan beberapa baris I/O biner. Tiga keunggulan mendukung relevansi HTK yang bertahan lama: integrasi erat dengan pipeline pelatihan dan pengenalan HTK, tata letak byte deterministik yang menghilangkan ambiguitas parser, dan adopsi yang luas dalam korpora akademik.

AMR (Adaptive Multi-Rate) adalah format audio terkompresi yang dioptimalkan untuk suara, distandardisasi oleh European Telecommunications Standards Institute dan diadopsi sebagai codec wajib untuk jaringan seluler GSM dan 3G. Codec ini secara dinamis beralih antara delapan bit rate — dari 4,75 hingga 12,2 kbps — tergantung pada kondisi jaringan dan tingkat kebisingan latar belakang. Ketika kualitas koneksi menurun, encoder beralih ke rate yang lebih rendah, menukar sedikit kejernihan demi keandalan transmisi. Mekanisme adaptif ini didefinisikan oleh spesifikasi 3GPP dan mewakili salah satu codec suara yang paling banyak digunakan secara global, dipakai dalam miliaran panggilan seluler. Keunggulan utamanya adalah efisiensi kompresi: satu menit audio AMR pada 12,2 kbps hanya memakan sekitar 90 KB, praktis untuk memo suara, pesan suara, dan MMS pada jaringan dengan bandwidth terbatas. Keunggulan lainnya adalah deteksi aktivitas suara dan pembangkitan comfort noise bawaan, yang mengurangi transmisi saat hening. Meskipun AMR tidak cocok untuk musik karena bandwidth-nya yang sempit (300-3400 Hz), format ini unggul dalam menghasilkan ucapan yang jelas di bawah kondisi jaringan yang menantang.