ตัวแปลง HTK เป็น FLAC

HTK เป็นคอนเทนเนอร์รูปคลื่นดั้งเดิมของ Hidden Markov Model Toolkit ชุดซอฟต์แวร์ที่พัฒนาที่ภาควิชาวิศวกรรมของมหาวิทยาลัยเคมบริดจ์สำหรับการวิจัยด้านการรู้จำเสียงพูด เผยแพร่ครั้งแรกในปี 1993 HTK กลายเป็นแพลตฟอร์มอ้างอิงในห้องปฏิบัติการภาษาศาสตร์คอมพิวเตอร์ทั่วโลกอย่างรวดเร็ว และรูปแบบไฟล์ก็ได้รับความนิยมตามไปด้วย แต่ละไฟล์เก็บลำดับเวกเตอร์พารามิเตอร์หรือตัวอย่างดิบนำหน้าด้วยส่วนหัว 12 ไบต์ที่ระบุจำนวนเฟรม คาบเฟรมในหน่วย 100 ns จำนวนไบต์ต่อเฟรม และรหัสประเภทที่ระบุชนิดข้อมูล — ตัวเลือกมีตั้งแต่ waveform PCM ไปจนถึง Mel-frequency cepstral coefficients และพลังงาน filter-bank ความอเนกประสงค์นี้ช่วยให้คอนเทนเนอร์เดียวบรรจุทั้งเสียงต้นทางและคุณลักษณะที่สกัดออกมาโดยไม่ต้องเปลี่ยนตัวแยกวิเคราะห์ ส่วนหัวที่เรียบง่ายอย่างจงใจหลีกเลี่ยง alignment padding หรือ optional chunks ทำให้อ่านรูปแบบจาก C, Python หรือ MATLAB ได้ง่ายด้วยโค้ดไบนารี I/O เพียงไม่กี่บรรทัด ข้อดีสามประการที่สนับสนุนความเกี่ยวข้องอย่างต่อเนื่องของ HTK: การผสานรวมอย่างแน่นแฟ้นกับไปป์ไลน์ฝึกอบรมและรู้จำของ HTK เลย์เอาต์ไบต์ที่แน่นอนซึ่งขจัดความคลุมเครือของตัวแยกวิเคราะห์ และการนำไปใช้อย่างแพร่หลายในคอร์ปัสทางวิชาการ

FLAC (Free Lossless Audio Codec) ส่งมอบการสร้างเสียงที่สมบูรณ์แบบทางคณิตศาสตร์ที่ขนาดประมาณครึ่งหนึ่งของไฟล์ WAV แบบไม่บีบอัด ดูแลโดย Xiph.Org Foundation และเผยแพร่ในปี 2001 จึงกลายเป็นมาตรฐานเปิดที่ใช้กันทั่วไปสำหรับการจัดเก็บเพลงแบบไม่สูญเสียข้อมูลอย่างรวดเร็ว ตัวเข้ารหัสใช้ linear prediction เพื่อสร้างแบบจำลองแต่ละบล็อกเสียง จากนั้นเข้ารหัสค่าเศษเหลือผ่าน Rice partitioning — ใช้ประโยชน์จากการกระจายทางสถิติของข้อผิดพลาดในการทำนายเพื่อการบีบอัดที่แข็งแกร่งโดยไม่ทิ้งข้อมูล รองรับความลึกบิตสูงสุด 32 และอัตราสุ่มตัวอย่างสูงสุด 655 kHz เกินความต้องการของการบันทึกความละเอียดสูง การรองรับฮาร์ดแวร์มีอย่างกว้างขวาง: สมาร์ทโฟน สเตอริโอรถยนต์ เครื่องเล่น Blu-ray และแอปพลิเคชันสื่อเดสก์ท็อปแทบทุกตัวถอดรหัส FLAC ได้โดยตรง บริการสตรีมมิ่ง เช่น Tidal และ Amazon Music ใช้ FLAC สำหรับระดับไม่สูญเสียข้อมูล ตอกย้ำความไว้วางใจจากอุตสาหกรรมในตัวแปลงสัญญาณนี้ ข้อดีสามประการทำให้ FLAC น่าสนใจ ประการแรก การกู้คืนสัญญาณต้นฉบับ bit-for-bit อย่างสมบูรณ์เมื่อถอดรหัส ประการที่สอง เมตาดาต้าแบบฝังผ่าน Vorbis comments และภาพอัลบั้มช่วยจัดระเบียบคลังเพลงโดยไม่ต้องมีไฟล์ข้างเคียง ประการที่สาม ใบอนุญาตแบบโอเพนซอร์สหมายความว่าไม่มีสิทธิบัตรหรือค่าลิขสิทธิ์ ลดความขัดแย้งทางกฎหมายสำหรับนักพัฒนาและผู้ผลิตฮาร์ดแวร์