Konwerter HTK na VOC

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.

VOC (Creative Voice) to kontener cyfrowego audio opracowany przez Creative Technology i wprowadzony wraz z oryginalna karta Sound Blaster w 1989 roku. Sluzyl jako natywny format audio dla rodziny Sound Blaster w epoce DOS, kiedy sprzet Creative dominowal w dziedzie PC audio. Pliki VOC sa oparte na blokach: kazdy plik sklada sie z typowanych blokow danych, ktore moga przenosic 8-bitowe PCM bez znaku, 4-bitowe i 2,6-bitowe Creative ADPCM, 16-bitowe PCM ze znakiem, a takze audio zakodowane w A-law i mu-law. Struktura blokowa obsluguje rowniez interwaly ciszy, petle powtorzen i punkty znacznikowe, dajac twoorcom gier precyzyjna kontrole nad odtwarzaniem dzwieku. Istotna zaleta bylo dekodowanie na poziomie sprzetu — karty Sound Blaster mogly odtwarzac dane VOC bezposrednio przez transfer DMA, zwalniajac procesor do innych zadan w epoce, gdy cykle procesora byly na wage zlota. Format byl szeroko stosowany w grach DOS od id Software, Sierra i LucasArts. Wraz z rozwojem Windowsa i formatu WAV VOC stopniowo wypadl z glownego nurtu, lecz pozostaje wazny dla zachowania retro gier i dla kazdego, kto pracuje z archiwalnymi zbiorami audio z ery PC.