Converter VOX para HTK

VOX é um formato de áudio sem cabecalho construído em torno da codificação Dialogic ADPCM, amplamente adotado em telefonia, sistemas de resposta de voz interativa (IVR) é plataformas de correio de voz desde os anos 1980. Cada amostra de áudio é comprimida em 4 bits usando um algoritmo desenvolvido pela Oki Electric é implementado em hardware nas placas de interface telefônica da Dialogic Corporation. Os arquivos VOX normalmente usam uma taxa de amostragem de 6000 ou 8000 Hz, produzindo gravações extremamente compactas otimizadas para inteligibilidade de fala em vez de fidelidade musical. Como o formato não carregá cabecalho, o software de reprodução deve conhecer a taxa de amostragem é os parâmetros de codificação antecipadamente — uma compensacao que reduz sobrecarga mas exige gerenciamento cuidadoso de arquivos. A principal vantagem do VOX é a eficiência de armazenamento: uma gravação de voz de um minuto a 8 kHz ocupa aproximadamente 240 KB, tornando-o prático para sistemas que armazenam milhares de prompts. O Dialogic ADPCM está em conformidade com o padrão ITU-T G.726, garantindo interoperabilidade entre equipamentos de telefonia de diferentes fornecedores. Mesmo enquanto call centers modernos migram para sistemas baseados em IP com codecs como Opus, vastas bibliotecas de gravações VOX persistem em implantacoes IVR legadas é acervos de conformidade em todo o mundo.