SPX to HTK Converter
在线将 Speex 录音转换为 HTK 语音识别格式
spx
htk
研究就绪音频
将 Speex 语音录音转换为 HTK 格式——可用于语音识别训练、测试和声学研究。
语音科学工具
在 VoIP 的 SPX 录音与顶级语音识别研究团队使用的 HTK 格式之间架起桥梁。
私密数据处理
SPX 语音数据在转换后删除，HTK 输出在 24 小时内从服务器移除。
如何转换SPX到HTK
从计算机，Google Drive，Dropbox，URL或在页面上拖拽选择文件.
选择htk或任何其他你需要的格式作为结果（支持超过200种格式）
让文件进行转换随后你可以下载你的htk文件
关于格式
Speex 是由 Jean-Marc Valin 在 Xiph.Org 基金会支持下开发的专门用于语音压缩的开源音频编解码器,于 2002 年 10 月首次发布。它面向 VoIP、会议通话以及任何需要语音高效传输的网络场景。SPX 文件将 Speex 编码的音频封装在 Ogg 容器中,将编解码器的语音优化特性与 Ogg 的流媒体能力结合在一起。支持三种采样率 — 窄带 8 kHz、宽带 16 kHz 和超宽带 32 kHz — 以及可根据语音复杂度实时调整的可变比特率编码。一个突出的优势是其无专利、BSD 许可证的特性,开发者可以自由地将其嵌入商业和开源产品中。Speex 还内置了声学回声消除、噪声抑制和自动增益控制功能,这些功能在竞争编解码器中通常需要借助外部库来实现。尽管其开发者自 2012 年起正式推荐 Opus 作为后继者,但 Speex 仍在旧版 VoIP 系统、存档录音和嵌入式设备中广泛使用,其轻量级的解码器占用空间在这些场景中仍然很有价值。
HTK是隐马尔可夫模型工具包（Hidden Markov Model Toolkit）的原生波形容器，该软件套件由剑桥大学工程系开发，用于语音识别研究。HTK自1993年首次发布以来，迅速成为全球计算语言学实验室的参考平台，其文件格式也随之被广泛采用。每个文件存储一系列参数向量或原始采样，前缀为12字节的头部，指定帧数、以100纳秒为单位的帧周期、每帧字节数以及标识数据类型的类型代码——选项从波形PCM到梅尔频率倒谱系数和滤波器组能量不等。这种灵活性使单一容器既能承载源音频，也能承载提取的特征，无需更换解析器。刻意精简的头部避免了对齐填充或可选块，使得用C、Python或MATLAB仅需几行二进制I/O代码即可轻松读取。HTK持久影响力背后的三大优势是：与HTK训练和识别流水线的紧密集成、消除解析器歧义的确定性字节布局，以及在学术语料库中的广泛采用。
经常问的问题
为什么要将 SPX 转换为 HTK？
HTK 是隐马尔可夫模型工具包的标准格式，广泛用于语音识别和自然语言处理研究。
HTK 工具包是什么？
HTK（隐马尔可夫模型工具包）是剑桥大学开发的语音识别框架，在全球学术声学研究中广泛使用。
哪些软件需要 HTK 文件？
HTK 工具包本身、Kaldi 以及各类学术语音处理框架均接受 HTK 格式的音频输入。
SPX 语音数据可以用于训练模型吗？
可以——将 SPX 语音录音转换为 HTK 后，可作为语音识别模型的训练或评估数据。
转换是免费的吗？
是的——在 convertio.cloud 上标准使用免费。