ตัวแปลง HTK เป็น VOC

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

VOC (Creative Voice) เป็นคอนเทนเนอร์เสียงดิจิทัลที่พัฒนาโดย Creative Technology และเปิดตัวพร้อมกับการ์ด Sound Blaster ดั้งเดิมในปี 1989 ทำหน้าที่เป็นรูปแบบเสียงดั้งเดิมของตระกูล Sound Blaster ในยุค DOS เมื่อฮาร์ดแวร์ของ Creative ครองตลาดเสียง PC ไฟล์ VOC ใช้โครงสร้างแบบบล็อก — แต่ละไฟล์ประกอบด้วยบล็อกข้อมูลที่มีประเภทกำหนด สามารถบรรจุ PCM แบบ 8 บิตไม่มีเครื่องหมาย, Creative ADPCM 4 บิตและ 2.6 บิต, PCM แบบ 16 บิตมีเครื่องหมาย รวมถึงเสียงที่เข้ารหัส A-law และ mu-law โครงสร้างบล็อกนี้ยังรองรับช่วงเงียบ ลูปซ้ำ และจุดมาร์กเกอร์ ให้นักพัฒนาเกมควบคุมการเล่นเสียงได้อย่างละเอียด ข้อดีที่สำคัญคือการถอดรหัสในระดับฮาร์ดแวร์ — การ์ด Sound Blaster สามารถเล่นข้อมูล VOC โดยตรงผ่านการถ่ายโอน DMA ปลดปล่อย CPU สำหรับงานอื่นในยุคที่รอบการประมวลผลมีค่ามาก รูปแบบนี้ถูกใช้อย่างกว้างขวางในเกม DOS จาก id Software, Sierra และ LucasArts เมื่อ Windows และรูปแบบ WAV เริ่มแพร่หลาย VOC ก็ค่อยๆ หายไปจากกระแสหลัก แต่ยังคงมีความสำคัญสำหรับการอนุรักษ์เกมย้อนยุคและผู้ที่ทำงานกับคลังเสียง PC ย้อนยุค