Konwerter HTK na FLAC

HTK to natywny kontener fal dzwiekowych dla Hidden Markov Model Toolkit — pakietu oprogramowania opracowanego na Wydziale Inzynierii Uniwersytetu Cambridge do badan nad rozpoznawaniem mowy. Po raz pierwszy udostepniony w 1993 roku, HTK szybko stal sie platforma referencyjnaw laboratoriach lingwistyki obliczeniowej na calym swiecie, a jego format plikow poszedl w jego slady. Kazdy plik przechowuje sekwencje wektorow parametrow lub surowe probki, poprzedzone 12-bajtowym naglowkiem okreslajacym liczbe ramek, okres ramki w jednostkach 100 ns, liczbe bajtow na ramke oraz kod typu wskazujacy rodzaj danych — opcje obejmuja zarowno przebieg PCM, jak i wspolczynniki mel-czestotliwosciowe oraz energie pasma filtrowego. Ta wszechstronnosc pozwala pojedynczemu kontenerowi przenosic zarowno zrodlowe audio, jak i wyekstrahowane cechy bez zmiany parserow. Celowo minimalny naglowek unika wyrownan paddingu czy opcjonalnych blokow, co czyni format trywialnym do odczytu z C, Pythona czy MATLAB-a za pomoca kilku linii binarnego I/O. Trzy zalety stanowia o trwalym znaczeniu HTK: scisla integracja z potokiem trenowania i rozpoznawania HTK, deterministyczny uklad bajtow eliminujacy niejednoznacznosc parsera oraz szerokie przyjecie w korpusach akademickich.

FLAC (Free Lossless Audio Codec) zapewnia matematycznie doskonala reprodukcje audio przy mniej wiecej polowie rozmiaru nieskompresowanego pliku WAV. Utrzymywany przez Xiph.Org Foundation i wydany w 2001 roku, szybko stal sie de facto otwartym standardem bezstratnej archiwizacji muzyki. Koder stosuje predykcje liniowa do modelowania kazdego bloku audio, a nastepnie koduje reszty za pomoca partycjonowania Rice'a — wykorzystujac rozklad statystyczny bledow predykcji do silnej kompresji bez odrzucania danych. Obslugiwane sa glebie bitowe do 32 i czestotliwosci probkowania do 655 kHz, przekraczajac wymagania nagran w wysokiej rozdzielczosci. Obsluga sprzetowa jest rozlegla: smartfony, samochodowe odtwarzacze, odtwarzacze Blu-ray i praktycznie kazda desktopowa aplikacja multimedialna dekoduje FLAC natywnie. Serwisy streamingowe takie jak Tidal i Amazon Music uzywaja FLAC w warstwach bezstratnych, co podkresla zaufanie branzy do tego kodeka. Trzy wyrozniajace sie zalety czynia FLAC atrakcyjnym. Po pierwsze, pelne odtwarzanie sygnalu bit-po-bicie przy dekodowaniu. Po drugie, osadzone metadane poprzez komentarze Vorbis i okladki albumow utrzymuja porzadek w bibliotece bez dodatkowych plikow. Po trzecie, licencja open-source oznacza brak patentow i tantiem, co eliminuje bariery prawne dla deweloperow i producentow sprzetu.