Конвертер HTK в MP2

HTK — собственный контейнер волновых форм для Hidden Markov Model Toolkit, программного пакета, разработанного на инженерном факультете Кембриджского университета для исследований в области распознавания речи. Впервые выпущенный в 1993 году, HTK быстро стал эталонной платформой в лабораториях компьютерной лингвистики по всему миру, и его файловый формат последовал тому же пути. Каждый файл хранит последовательность параметрических векторов или сырых сэмплов с 12-байтовым заголовком, определяющим число кадров, период кадра в единицах по 100 нс, количество байтов на кадр и код типа данных — от PCM-волновых форм до мел-частотных кепстральных коэффициентов и энергий фильтровых банков. Эта универсальность позволяет одному контейнеру нести как исходное аудио, так и извлечённые признаки без смены парсера. Намеренно минимальный заголовок без дополнительных отступов и опциональных чанков делает формат элементарным для чтения из C, Python или MATLAB несколькими строками бинарного ввода-вывода. Три преимущества обосновывают актуальность HTK: тесная интеграция с конвейером обучения и распознавания HTK, детерминированная байтовая разметка, исключающая неоднозначности парсера, и широкое распространение в академических корпусах.

MP2 (MPEG-1 Audio Layer II), также известный по первоначальному названию проекта MUSICAM — перцептивный аудиокодек, стандартизованный как часть ISO/IEC 11172-3 в 1993 году. Хотя его преемник MP3 завоевал внимание массового потребителя, MP2 занял прочную нишу в профессиональном вещании, которую удерживает по сей день. Кодек разбивает аудио на 32 подполосы с помощью полифазного фильтра, применяет психоакустическую модель для определения порогов маскирования, а затем квантует и кодирует каждую подполосу по Хаффману. Типичные вещательные конфигурации используют 192-384 кбит/с для стерео, обеспечивая прозрачное качество при меньшей сложности кодера и лучшей устойчивости к ошибкам, чем Layer III. Именно поэтому стандарты DVB-телевидения, DAB-радио и HDV-камкордеры предписывают или предпочитают MP2. Задержка кодирования тоже ниже — важное свойство для прямого вещания, где синхронизация звука и изображения критична. Три преимущества поддерживают актуальность MP2 спустя десятилетия после стандартизации: плавная деградация при ошибках передачи, жизненно важная для эфирных сигналов; минимальная задержка кодирования для вещательных цепочек реального времени; и укоренившееся нормативное признание в европейских и азиатских вещательных системах.