Công cụ chuyển đổi VOX sang HTK

VOX là định dạng âm thanh không header xây dựng trên mã hóa Dialogic ADPCM, được áp dụng rộng rãi trong viễn thông, hệ thống trả lời thoại tương tác (IVR) và nền tảng hộp thư thoại từ thập niên 1980. Mỗi mẫu âm thanh được nén thành 4 bit sử dụng thuật toán do Oki Electric phát triển và triển khai trên phần cứng các card giao tiếp viễn thông của Dialogic Corporation. Tệp VOX thường sử dụng tần số lấy mẫu 6000 hoặc 8000 Hz, tạo ra bản ghi cực kỳ nhỏ gọn được tối ưu cho độ rõ giọng nói thay vì chất lượng âm nhạc. Vì định dạng không mang header, phần mềm phát lại phải biết trước tần số lấy mẫu và tham số mã hóa — một đánh đổi giảm overhead nhưng đòi hỏi quản lý tệp cẩn thận. Ưu điểm chính của VOX là hiệu quả lưu trữ: một phút ghi âm giọng nói ở 8 kHz chỉ chiếm khoảng 240 KB, thiết thực cho các hệ thống lưu trữ hàng nghìn lời nhắc. Dialogic ADPCM tuân thủ tiêu chuẩn ITU-T G.726, đảm bảo khả năng tương tác giữa thiết bị viễn thông từ nhiều nhà cung cấp khác nhau. Ngay cả khi các tổng đài hiện đại chuyển sang hệ thống IP với codec như Opus, thư viện khổng lồ bản ghi VOX vẫn tồn tại trong các hệ thống IVR cũ và kho lưu trữ tuân thủ trên toàn thế giới.