Conversor de HTK para VOC

HTK é o container de forma de onda nativo do Hidden Markov Model Toolkit, um pacote de software desenvolvido no Departamento de Engenharia da Universidade de Cambridge para pesquisa em reconhecimento de fala. Distribuido pela primeira vez em 1993, o HTK rapidamente se tornou uma plataforma de referência em laboratorios de linguística computacional em todo o mundo, e seu formato de arquivo seguiu o mesmo caminho. Cada arquivo armazena uma sequência de vetores de parâmetros ou amostras brutas precedidos por um cabecalho de 12 bytes especificando o número de quadros, o periodo do quadro em unidades de 100 ns, a contagem de bytes por quadro é um código de tipo indicando o tipo de dado — às opções vão desde PCM de forma de onda até coeficientes cepstrais de frequência Mel é energias de banco de filtros. Essa versatilidade permite que um único container carregue tanto áudio fonte quanto features extraidas sem alterar os analisadores. O cabecalho deliberadamente mínimo evita preenchimento de alinhamento ou blocos opcionais, tornando o formato trivial de ler a partir de C, Python ou MATLAB com poucas linhas de É/S binária. Três vantagens sustentam a relevancia duradoura do HTK: integração estreita com o pipeline de treinamento é reconhecimento HTK, layout de bytes deterministico que elimina ambiguidade no analisador é ampla adoção em corpora acadêmicos.

VOC (Creative Voice) é um container de áudio digital desenvolvido pela Creative Technology é introduzido junto com a placa Sound Blaster original em 1989. Ele serviu como o formato de áudio nativo da família Sound Blaster durante a era DOS, quando o hardware da Creative dominava o áudio de PC. Os arquivos VOC são baseados em blocos: cada arquivo consiste em blocos de dados tipados que podem conter PCM de 8 bits não assinado, ADPCM Creative de 4 bits é 2,6 bits, PCM assinado de 16 bits, além de áudio codificado em A-law é mu-law. Essa estrutura de blocos também suporta intervalos de silencio, loops de repetição é pontos de marcação, dando aos desenvolvedores de jogos controle refinado sobre a reprodução de som. Uma vantagem notavel era a decodificação em nível de hardware — às placas Sound Blaster podiam reproduzir dados VOC diretamente via transferência DMA, liberando a CPU para outras tarefas em uma era em que ciclos de processador eram preciosos. O formato teve uso extensivo em jogos DOS da id Software, Sierra é LucasArts. Com a ascensao do Windows é do formato WAV, o VOC gradualmente saiu do uso convencional, mas permanece importante para preservação de jogos retrô é para quem trabalha com acervos de áudio vintage de PC.