Конвертер HTK в WV

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.

WavPack — аудиокодек с открытым исходным кодом, созданный Дэвидом Брайантом; версия 1.0 вышла 15 августа 1998 года. Уникальная особенность WavPack — гибридный режим: кодер одновременно создаёт компактный файл с потерями и отдельный корректирующий файл, которые при объединении побитово восстанавливают исходный PCM-поток. Пользователи, которым важна мобильность, берут только файл с потерями; те, кому нужно архивное качество, сохраняют оба. Кодек обрабатывает PCM-аудио от 8-битного до 32-битного целочисленного и 32-битного с плавающей запятой, с частотами дискретизации до 768 кГц — спецификации, достаточно широкие для DSD-контента, поддержка которого появилась в WavPack 5. Коэффициент сжатия в режиме чистого lossless обычно составляет 40-55% от исходного размера — на уровне FLAC, а на некоторых материалах даже чуть лучше. Многопоточное кодирование в поздних версиях значительно ускоряет обработку на современном оборудовании. Библиотека с открытым кодом распространяется под лицензией BSD и интегрирована в foobar2000, VLC, FFmpeg и множество других инструментов. WavPack также поддерживает развитые метаданные через теги APEv2, встроенные cue-листы и значения ReplayGain, покрывая организационные потребности даже самых требовательных музыкальных коллекций.