Convertitore da HTK a SPX

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.

Speex è un codec audio open-source appositamente progettato per la compressione del parlato, sviluppato da Jean-Marc Valin sotto la Xiph.Org Foundation. Rilasciato per la prima volta nell'ottobre 2002, si rivolge al voice-over-IP, alle conferenze e a qualsiasi scenario in cui la voce parlata deve viaggiare efficientemente attraverso una rete. I file SPX avvolgono l'audio codificato Speex in un contenitore Ogg, abbinando l'ottimizzazione vocale del codec alle capacità di streaming di Ogg. Tre frequenze di campionamento sono supportate — narrowband a 8 kHz, wideband a 16 kHz e ultra-wideband a 32 kHz — insieme alla codifica a bitrate variabile che si adatta in tempo reale alla complessità del parlato. Un vantaggio di spicco è la natura priva di brevetti e con licenza BSD, che ha permesso agli sviluppatori di incorporarlo liberamente in prodotti sia commerciali che open-source. Speex integra inoltre cancellazione dell'eco acustico, soppressione del rumore e controllo automatico del guadagno, funzionalità che i codec concorrenti delegano tipicamente a librerie esterne. Sebbene i suoi creatori raccomandino ufficialmente Opus come successore dal 2012, Speex resta implementato nei sistemi VoIP legacy, nelle registrazioni archiviate e nei dispositivi embedded dove l'impronta leggera del suo decodificatore è ancora apprezzata.