HTKからOGG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。

OGG Vorbisは、Xiph.Org Foundationが開発したOggコンテナ形式内のオープンでロイヤリティフリーの非可逆オーディオコーデックです。VorbisはMP3やAACの特許フリーの代替として設計され、フレームごとに信号の複雑さに適応する可変ビットレートエンコーディングと改良型離散コサイン変換(MDCT)コーディングを使用します。ブラインドリスニングテストでは、特に96-192 kbpsの範囲でVorbisがMP3に匹敵またはそれを超える知覚品質を提供することが一貫して示されています。形式は8 kHzから192 kHzのサンプルレートと1から255チャンネルをサポートし、モノ音声からサラウンドミックスまで網羅します。際立った利点はライセンス料の完全な不在です — ゲーム開発者、ストリーミングプラットフォーム、ハードウェアメーカーはロイヤリティの懸念なくVorbisを実装できます。Spotifyはまさにこの理由で長年Vorbisをプライマリストリーミングコーデックとして使用していました。この形式はまた低ビットレートでの品質劣化を多くの競合よりも優雅に処理するため、ストレージが限られ数千のサウンドエフェクトがスペースを競うビデオゲームで依然として人気があります。VLC、Firefox、Chrome、AndroidはすべてネイティブVorbisデコーディングを提供しています。