Konwerter VOX na AMR

VOX to format audio bez naglowka oparty na kodowaniu Dialogic ADPCM, szeroko przyjety w telefonii, systemach interaktywnej odpowiedzi glosowej (IVR) i platformach poczty glosowej od lat 80. Kazda probka audio jest kompresowana do 4 bitow za pomoca algorytmu opracowanego przez Oki Electric i zaimplementowanego sprzetowo na kartach interfejsu telefonicznego firmy Dialogic Corporation. Pliki VOX zwykle uzywaja czestotliwosci probkowania 6000 lub 8000 Hz, tworzac wyjatkowo kompaktowe nagrania zoptymalizowane pod katem zrozumialosci mowy, a nie jakosci muzycznej. Poniewaz format nie zawiera naglowka, oprogramowanie do odtwarzania musi z gory znac czestotliwosc probkowania i parametry kodowania — kompromis, ktory redukuje narzut, ale wymaga starannego zarzadzania plikami. Glowna zaleta VOX jest efektywnosc przechowywania: jednominutowe nagranie glosowe przy 8 kHz zajmuje ok. 240 KB, co jest praktyczne dla systemow przechowujacych tysiace promptow. Dialogic ADPCM jest zgodny ze standardem ITU-T G.726, zapewniajac interoperacyjnosc sprzetu telefonicznego róznych producentow. Nawet gdy nowoczesne centra obslugi migruja na systemy IP z kodekami takimi jak Opus, ogromne biblioteki nagran VOX przetrwaly w starszych wdrozeniach IVR i archiwach zgodnosci regulacyjnej na calym swiecie.

AMR (Adaptive Multi-Rate) to skompresowany format audio zoptymalizowany pod katem mowy, standaryzowany przez Europejski Instytut Norm Telekomunikacyjnych i przyjety jako obowiazkowy kodek w sieciach GSM i 3G. Kodek dynamicznie przelacza sie miedzy osmioma szybkosciami transmisji — od 4,75 do 12,2 kbps — w zaleznosci od warunkow sieciowych i poziomu szumu tla. Gdy jakosc lacza spada, koder przechodzi na nizsza przepustowosc, wymieniaiac nieznaczna czytelnosc na niezawodnosc transmisji. Ten mechanizm adaptacyjny zdefiniowany jest w specyfikacjach 3GPP i reprezentuje jeden z najszerzej wdrozonych kodekow glosowych na swiecie, uzywany w miliardach polaczen telefonii komorkowej. Glowna zaleta jest efektywnosc kompresji: jedna minuta dzwieku AMR przy 12,2 kbps zajmuje ok. 90 KB, co jest praktyczne dla notatek glosowych, poczty glosowej i MMS w sieciach o ograniczonej przepustowosci. Kolejnym atutem jest wbudowana detekcja aktywnosci glosowej i generowanie szumu komfortu, co redukuje transmisje w czasie ciszy. Choc AMR nie nadaje sie do muzyki ze wzgledu na waskie pasmo (300-3400 Hz), doskonale sprawdza sie w dostarczaniu zrozumialej mowy w trudnych warunkach sieciowych.