Bộ chuyển đổi HTK sang VOC

HTK là container dạng sóng gốc cho Hidden Markov Model Toolkit, bộ phần mềm được phát triển tại Khoa Kỹ thuật Đại học Cambridge phục vụ nghiên cứu nhận dạng giọng nói. Phân phối lần đầu vào năm 1993, HTK nhanh chóng trở thành nền tảng tham chiếu trong các phòng thí nghiệm ngôn ngữ học tính toán trên toàn thế giới, và định dạng tệp của nó cũng lan rộng theo. Mỗi tệp lưu một chuỗi vector tham số hoặc mẫu thô kèm tiêu đề 12 byte chỉ định số khung, chu kỳ khung tính bằng đơn vị 100 ns, số byte mỗi khung, và mã loại chỉ ra kiểu dữ liệu — các tùy chọn dao động từ PCM dạng sóng đến hệ số cepstral tần số Mel và năng lượng bộ lọc. Tính đa dụng này cho phép một container duy nhất chứa cả âm thanh nguồn lẫn đặc trưng đã trích xuất mà không cần thay đổi bộ phân tích. Tiêu đề cố ý tối giản không có padding căn chỉnh hay khối tùy chọn, khiến định dạng cực kỳ dễ đọc từ C, Python hoặc MATLAB chỉ với vài dòng I/O nhị phân. Ba ưu điểm làm nên sự bền vững của HTK: tích hợp chặt chẽ với pipeline huấn luyện và nhận dạng HTK, bố trí byte xác định loại bỏ mơ hồ trong phân tích, và được áp dụng rộng rãi trong các kho dữ liệu học thuật.

VOC (Creative Voice) là bộ chứa âm thanh kỹ thuật số do Creative Technology phát triển, ra mắt cùng card Sound Blaster gốc vào năm 1989. Đây là định dạng âm thanh nguyên bản của dòng Sound Blaster trong kỷ nguyên DOS, khi phần cứng của Creative thống trị âm thanh PC. Tệp VOC dựa trên cấu trúc khối: mỗi tệp gồm các khối dữ liệu có kiểu, có thể mang PCM 8-bit không dấu, ADPCM Creative 4-bit và 2,6-bit, PCM 16-bit có dấu, cũng như âm thanh mã hóa A-law và mu-law. Cấu trúc khối này còn hỗ trợ khoảng lặng, vòng lặp lặp lại và điểm đánh dấu, mang lại cho nhà phát triển game khả năng kiểm soát chi tiết việc phát lại âm thanh. Ưu điểm đáng chú ý là giải mã cấp phần cứng — card Sound Blaster có thể phát dữ liệu VOC trực tiếp qua truyền DMA, giải phóng CPU cho các tác vụ khác trong kỷ nguyên mà chu kỳ xử lý vô cùng quý giá. Định dạng được sử dụng rộng rãi trong các game DOS từ id Software, Sierra và LucasArts. Với sự trỗi dậy của Windows và định dạng WAV, VOC dần rời khỏi thị trường chính thống, nhưng vẫn quan trọng cho bảo tồn trò chơi retro và cho bất kỳ ai làm việc với kho lưu trữ âm thanh PC cổ điển.