HTKからDTSへのコンバーター

HTKは、ケンブリッジ大学工学部が開発した音声認識研究用ソフトウェアスイートHidden Markov Model Toolkitのネイティブ波形コンテナです。1993年に初めて配布され、HTKは世界中の計算言語学研究室でリファレンスプラットフォームとなり、そのファイル形式も同様に広まりました。各ファイルにはパラメータベクトルまたは生のサンプルが格納され、フレーム数、100 ns単位のフレーム周期、フレームあたりのバイト数、およびデータの種類を示すタイプコードを指定する12バイトのヘッダーが先行します — オプションは波形PCMからメル周波数ケプストラム係数やフィルタバンクエネルギーまで多岐にわたります。この汎用性により、単一のコンテナがパーサーを変更することなくソースオーディオと抽出された特徴量の両方を保持できます。意図的に最小限のヘッダーはアラインメントパディングやオプションチャンクを避け、C、Python、MATLABから数行のバイナリI/Oで簡単に読み取れます。HTKの持続的な関連性を支える3つの利点は、HTKトレーニングおよび認識パイプラインとの緊密な統合、パーサーの曖昧さを排除する決定論的なバイトレイアウト、そしてアカデミックコーパスでの広範な採用です。

DTS(Digital Theater Systems)は、もともと映画館の音響用に設計されたマルチチャンネルオーディオコーデックで、現在ではホームシアターやBlu-rayリリースの定番です。DTS, Inc.によって考案され、1993年の映画ジュラシック・パークと共に初めて劇場公開されたこの技術は、通常768 kbpsから1.5 Mbpsのビットレートで最大5.1チャンネルのディスクリートサラウンドサウンドを提供します。積極的な心理音響モデリングに依存する競合コーデックとは異なり、DTSは各チャンネルにより高いデータ予算を割り当て、より繊細な空間ディテールと低レベルのダイナミクスを保存します。この形式はサブバンドADPCMとベクトル量子化を組み合わせてオーディオをエンコードし、知覚的に豊かなサウンドフィールドを生成します。拡張バリアントのDTS-HD Master Audioは、24ビット/192 kHzまでのビットパーフェクトな精度のためのロスレス拡張レイヤーを追加します。主な強みには、AVレシーバー、ゲームコンソール、車載インフォテインメントシステム全体での幅広いハードウェア採用と、ディスクやストリームの軽微な不具合をマスクする堅牢なエラー隠蔽が含まれます。物理メディアやハイエンドストリーミング向けのサラウンドサウンドコンテンツを扱う方にとって、DTSはスタジオミックスからリビングルームまでの実績ある経路を提供します。