VOXからWAVへのコンバーター

VOXは、1980年代からテレフォニー、対話型音声応答(IVR)システム、ボイスメールプラットフォームで広く採用されているDialogic ADPCMエンコーディングを中心に構築されたヘッダーレスオーディオ形式です。各オーディオサンプルは、沖電気が開発しDialogic Corporationのテレフォニーインターフェースカードにハードウェアで実装されたアルゴリズムを使用して4ビットに圧縮されます。VOXファイルは通常6000または8000 Hzのサンプリングレートを使用し、音楽的な忠実度よりも音声の明瞭性に最適化された極めてコンパクトな録音を生成します。形式はヘッダーを持たないため、再生ソフトウェアはサンプルレートとエンコーディングパラメータを事前に知っている必要があります — オーバーヘッドを削減するトレードオフですが、慎重なファイル管理が求められます。VOXの主な利点はストレージ効率です — 8 kHzでの1分間の音声録音はわずか約240 KBで、数千のプロンプトを保存するシステムに実用的です。Dialogic ADPCMはITU-T G.726標準に準拠しており、異なるベンダーのテレフォニー機器間の相互運用性を保証します。最新のコールセンターがOpus)などのコーデックを持つIPベースシステムに移行しても、膨大なVOX録音のライブラリがレガシーIVR展開やコンプライアンスアーカイブに世界中で残っています。

WAV(Waveform Audio File Format)は、MicrosoftとIBMが共同開発した非圧縮オーディオコンテナで、1991年8月にWindows 3.1とともに初めて公開されました。Resource Interchange File Format(RIFF)上に構築されたWAVは、オーディオデータ — 最も一般的にはリニアパルス符号変調(LPCM) — をサンプルレート、ビット深度、チャンネル数を記述するメタデータとともに格納します。この直感的な構造により、WAVはWindows上の非圧縮オーディオのデファクトスタンダードとなり、事実上すべてのオペレーティングシステム、オーディオエディタ、メディアプレーヤーで普遍的に受け入れられる交換形式となりました。CD品質のWAVファイルは44.1 kHzステレオの16ビットサンプルを使用し、プロフェッショナルワークフローでは最大192 kHzで24ビットまたは32ビット浮動小数点サンプルが日常的に使用されています。主な利点はゼロロスの忠実度です — 標準のWAVは圧縮を適用しないため、保存されたデータはオリジナルの録音の正確なデジタル表現であり、マスタリングやアーカイブに最適な選択肢です。WAVはまたINFOおよびBWFチャンクによる埋め込みメタデータをサポートし、タイムスタンプや制作ノートを可能にします。主なトレードオフはファイルサイズで、CD品質ステレオの1分間は約10 MBを占め、32ビットRIFF構造は4 GBの制限を課しますが、RF64によってその上限は解除されます。