เครื่องมือแปลงไฟล์ HTK เป็น MP2

HTK เป็นคอนเทนเนอร์รูปคลื่นดั้งเดิมของ Hidden Markov Model Toolkit ชุดซอฟต์แวร์ที่พัฒนาที่ภาควิชาวิศวกรรมของมหาวิทยาลัยเคมบริดจ์สำหรับการวิจัยด้านการรู้จำเสียงพูด เผยแพร่ครั้งแรกในปี 1993 HTK กลายเป็นแพลตฟอร์มอ้างอิงในห้องปฏิบัติการภาษาศาสตร์คอมพิวเตอร์ทั่วโลกอย่างรวดเร็ว และรูปแบบไฟล์ก็ได้รับความนิยมตามไปด้วย แต่ละไฟล์เก็บลำดับเวกเตอร์พารามิเตอร์หรือตัวอย่างดิบนำหน้าด้วยส่วนหัว 12 ไบต์ที่ระบุจำนวนเฟรม คาบเฟรมในหน่วย 100 ns จำนวนไบต์ต่อเฟรม และรหัสประเภทที่ระบุชนิดข้อมูล — ตัวเลือกมีตั้งแต่ waveform PCM ไปจนถึง Mel-frequency cepstral coefficients และพลังงาน filter-bank ความอเนกประสงค์นี้ช่วยให้คอนเทนเนอร์เดียวบรรจุทั้งเสียงต้นทางและคุณลักษณะที่สกัดออกมาโดยไม่ต้องเปลี่ยนตัวแยกวิเคราะห์ ส่วนหัวที่เรียบง่ายอย่างจงใจหลีกเลี่ยง alignment padding หรือ optional chunks ทำให้อ่านรูปแบบจาก C, Python หรือ MATLAB ได้ง่ายด้วยโค้ดไบนารี I/O เพียงไม่กี่บรรทัด ข้อดีสามประการที่สนับสนุนความเกี่ยวข้องอย่างต่อเนื่องของ HTK: การผสานรวมอย่างแน่นแฟ้นกับไปป์ไลน์ฝึกอบรมและรู้จำของ HTK เลย์เอาต์ไบต์ที่แน่นอนซึ่งขจัดความคลุมเครือของตัวแยกวิเคราะห์ และการนำไปใช้อย่างแพร่หลายในคอร์ปัสทางวิชาการ

MP2 (MPEG-1 Audio Layer II) หรือที่รู้จักในชื่อโปรเจกต์ดั้งเดิม MUSICAM เป็นตัวแปลงสัญญาณเสียงเชิงรับรู้ที่ได้รับมาตรฐานเป็นส่วนหนึ่งของ ISO/IEC 11172-3 ในปี 1993 ในขณะที่ MP3 ซึ่งเป็นรุ่นถัดมาได้รับความสนใจจากผู้บริโภค MP2 ได้สร้างตำแหน่งที่มั่นคงในวงการออกอากาศมืออาชีพที่ยังคงรักษาอยู่จนถึงทุกวันนี้ ตัวแปลงสัญญาณแบ่งเสียงออกเป็น 32 ซับแบนด์ผ่าน polyphase filter bank ใช้แบบจำลองจิตอะคูสติกเพื่อกำหนดเกณฑ์การปกปิด จากนั้นควอนไทซ์และเข้ารหัส Huffman แต่ละซับแบนด์ตามนั้น การใช้งานออกอากาศทั่วไปใช้ 192-384 kbps สำหรับสเตอริโอ ให้คุณภาพโปร่งใสพร้อมความซับซ้อนตัวเข้ารหัสที่ต่ำกว่าและความทนทานต่อข้อผิดพลาดที่ดีกว่า Layer III คุณสมบัติเหล่านี้อธิบายได้ว่าทำไมโทรทัศน์ DVB วิทยุดิจิทัล DAB และมาตรฐานกล้อง HDV ล้วนกำหนดหรือเลือก MP2 เวลาแฝงของตัวเข้ารหัสก็สั้นกว่า ซึ่งเป็นคุณสมบัติสำคัญสำหรับการออกอากาศสดที่ต้องซิงค์ปากกับเสียง ข้อดีสามประการที่ทำให้ MP2 ยังคงมีความเกี่ยวข้องหลายทศวรรษหลังการกำหนดมาตรฐาน: การเสื่อมคุณภาพอย่างสง่างามภายใต้ข้อผิดพลาดในการส่งซึ่งสำคัญสำหรับสัญญาณออกอากาศทางอากาศ ความล่าช้าในการเข้ารหัสที่น้อยที่สุดเหมาะกับสายการออกอากาศแบบเรียลไทม์ และการยอมรับจากหน่วยงานกำกับดูแลที่ฝังลึกในกรอบการออกอากาศของยุโรปและเอเชีย