Convertitore da HTK ad MP2

HTK è il contenitore nativo di forme d'onda per l'Hidden Markov Model Toolkit, una suite software sviluppata presso il dipartimento di Ingegneria dell'Università di Cambridge per la ricerca sul riconoscimento vocale. Distribuito per la prima volta nel 1993, HTK è diventato rapidamente una piattaforma di riferimento nei laboratori di linguistica computazionale in tutto il mondo, e il suo formato file ha seguito la stessa traiettoria. Ogni file memorizza una sequenza di vettori di parametri o campioni grezzi preceduti da un'intestazione di 12 byte che specifica il numero di frame, il periodo del frame in unità di 100 ns, il conteggio dei byte per frame e un codice di tipo che indica la natura dei dati — le opzioni spaziano dal PCM a forma d'onda ai coefficienti cepstrali su scala di Mel e alle energie dei banchi di filtri. Questa versatilità consente a un unico contenitore di trasportare sia l'audio sorgente che le feature estratte senza cambiare parser. L'intestazione deliberatamente minimale evita il padding di allineamento o chunk opzionali, rendendo il formato banale da leggere da C, Python o MATLAB con poche righe di I/O binario. Tre vantaggi sostengono la rilevanza duratura di HTK: l'integrazione stretta con la pipeline di addestramento e riconoscimento HTK, un layout di byte deterministico che elimina l'ambiguità del parser e un'adozione capillare nei corpora accademici.

MP2 (MPEG-1 Audio Layer II), conosciuto anche con il nome originale del progetto MUSICAM, è un codec audio percettivo standardizzato come parte di ISO/IEC 11172-3 nel 1993. Mentre il suo successore MP3 ha catturato l'attenzione del mondo consumer, MP2 si è ritagliato una nicchia duratura nella radiodiffusione professionale che mantiene ancora oggi. Il codec suddivide l'audio in 32 sottobande tramite un banco di filtri polifase, applica un modello psicoacustico per determinare le soglie di mascheramento, quindi quantizza e codifica con Huffman ogni sottobanda di conseguenza. Le implementazioni broadcast tipiche utilizzano 192-384 kbps per lo stereo, ottenendo qualità trasparente con minore complessità del codificatore e migliore resilienza agli errori rispetto al Layer III. Queste proprietà spiegano perchè la televisione DVB, la radio digitale DAB e lo standard per videocamere HDV adottano o preferiscono tutti l'MP2. Anche la latenza del codificatore è più breve, un aspetto importante per la radiodiffusione dal vivo dove la sincronia labiale conta. Tre vantaggi mantengono l'MP2 rilevante a decenni dalla standardizzazione: il degrado graduale in caso di errori di trasmissione, vitale per i segnali via etere, il ritardo minimo di codifica adatto alle catene broadcast in tempo reale e l'accettazione normativa consolidata nei framework broadcast europei e asiatici.