Convertitore da HTK a AMR

HTK è il contenitore nativo di forme d'onda per l'Hidden Markov Model Toolkit, una suite software sviluppata presso il dipartimento di Ingegneria dell'Università di Cambridge per la ricerca sul riconoscimento vocale. Distribuito per la prima volta nel 1993, HTK è diventato rapidamente una piattaforma di riferimento nei laboratori di linguistica computazionale in tutto il mondo, e il suo formato file ha seguito la stessa traiettoria. Ogni file memorizza una sequenza di vettori di parametri o campioni grezzi preceduti da un'intestazione di 12 byte che specifica il numero di frame, il periodo del frame in unità di 100 ns, il conteggio dei byte per frame e un codice di tipo che indica la natura dei dati — le opzioni spaziano dal PCM a forma d'onda ai coefficienti cepstrali su scala di Mel e alle energie dei banchi di filtri. Questa versatilità consente a un unico contenitore di trasportare sia l'audio sorgente che le feature estratte senza cambiare parser. L'intestazione deliberatamente minimale evita il padding di allineamento o chunk opzionali, rendendo il formato banale da leggere da C, Python o MATLAB con poche righe di I/O binario. Tre vantaggi sostengono la rilevanza duratura di HTK: l'integrazione stretta con la pipeline di addestramento e riconoscimento HTK, un layout di byte deterministico che elimina l'ambiguità del parser e un'adozione capillare nei corpora accademici.

AMR (Adaptive Multi-Rate) è un formato audio compresso ottimizzato per il parlato, standardizzato dall'European Telecommunications Standards Institute e adottato come codec obbligatorio per le reti mobili GSM e 3G. Il codec commuta dinamicamente tra otto bitrate — da 4,75 a 12,2 kbps — in base alle condizioni della rete e ai livelli di rumore ambientale. Quando la qualità del collegamento peggiora, il codificatore passa a un bitrate inferiore, sacrificando una chiarezza marginale a favore dell'affidabilità di trasmissione. Questo meccanismo adattivo è definito dalle specifiche 3GPP e rappresenta uno dei codec vocali più diffusi al mondo, utilizzato in miliardi di chiamate mobili. Il vantaggio principale è l'efficienza di compressione: un minuto di audio AMR a 12,2 kbps occupa circa 90 KB, risultando pratico per memo vocali, segreteria telefonica e MMS su reti con larghezza di banda limitata. Un ulteriore beneficio è il rilevamento di attività vocale e la generazione di rumore di comfort integrati, che riducono la trasmissione durante i silenzi. Sebbene AMR non sia adatto alla musica a causa della sua banda stretta (300-3400 Hz), eccelle nel fornire parlato intelligibile in condizioni di rete impegnative.