Конвертер VOX в HTK

VOX — безголовочный аудиоформат на основе кодирования Dialogic ADPCM, широко применяемый в телефонии, системах интерактивного голосового ответа (IVR) и платформах голосовой почты с 1980-х годов. Каждый аудиосэмпл сжимается до 4 бит по алгоритму, разработанному Oki Electric и аппаратно реализованному на телефонных интерфейсных картах Dialogic Corporation. Файлы VOX обычно используют частоту дискретизации 6000 или 8000 Гц, создавая предельно компактные записи, оптимизированные для разборчивости речи, а не музыкальной точности. Поскольку формат не содержит заголовка, программе воспроизведения необходимо заранее знать частоту дискретизации и параметры кодирования — компромисс, снижающий накладные расходы, но требующий тщательного управления файлами. Главное преимущество VOX — эффективность хранения: одна минута голосовой записи при 8 кГц занимает около 240 КБ, что удобно для систем, хранящих тысячи голосовых подсказок. Dialogic ADPCM соответствует стандарту ITU-T G.726, обеспечивая совместимость телефонного оборудования разных производителей. Даже с переходом современных колл-центров на IP-системы с кодеками вроде Opus, обширные библиотеки записей VOX продолжают существовать в устаревших IVR-системах и архивах по всему миру.