Conversor de HTK para WAV

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.

WAV (Waveform Áudio File Format) é um container de áudio sem compressão desenvolvido em conjunto pela Microsoft é IBM, publicado pela primeira vez em agosto de 1991 junto com o Windows 3.1. Construído sobre o Resource Interchange File Format (RIFF), o WAV armazena dados de áudio — mais comumente como modulação por código de pulso linear (LPCM) — juntamente com metadados descrevendo taxa de amostragem, profundidade de bits é contagem de canais. Essa estrutura direta tornou o WAV o padrão de facto para áudio sem compressão no Windows é um formato de intercâmbio universalmente aceito em praticamente todos os sistemas operacionais, editores de áudio é reprodutores de mídia existentes. Arquivos WAV com qualidade de CD usam amostras de 16 bits a 44,1 kHz estéreo, enquanto fluxos de trabalho profissionais empregam rotineiramente amostras de 24 ou 32 bits float em taxas de até 192 kHz. Uma grande vantagem é a fidelidade sem perdas: como o WAV padrão não aplica compressão, os dados armazenados são uma representação digital exata da gravação original, tornando-o a escolha preferida para masterização é arquivamento. O WAV também suporta metadados embutidos por meio de blocos INFO e BWF, permitindo carimbos de tempo é notas de produção. A principal contrapartida é o tamanho do arquivo — um minuto de estéreo com qualidade de CD ocupa aproximadamente 10 MB — é a estrutura RIFF de 32 bits impoe um limite de 4 GB, embora o RF64 remova esse teto.