เครื่องมือแปลงไฟล์ HTK เป็น OGA

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

OGA คือนามสกุลไฟล์เสียงอย่างเดียวภายในเฟรมเวิร์กคอนเทนเนอร์ Ogg ที่ดูแลโดย Xiph.Org Foundation แต่เดิม .ogg ทำหน้าที่เป็นนามสกุลรวมสำหรับสตรีมทุกประเภทที่บรรจุใน Ogg แต่การเปิดตัว .oga ในปี 2007 ได้สร้างความชัดเจนโดยระบุอย่างแจ้งชัดว่าไฟล์มีเฉพาะข้อมูลเสียงเท่านั้น ภายในแล้ว ไฟล์ OGA สามารถบรรจุเสียงที่เข้ารหัสด้วย Vorbis, FLAC, Speex หรือ Opus ได้ — คอนเทนเนอร์นี้ไม่ขึ้นกับโคเดก โดยทำหน้าที่เป็นตัวห่อหุ้มสำหรับขนส่งที่รองรับบิตสตรีมลอจิคัลแบบต่อเนื่องและการค้นหาตำแหน่งแบบ granule ข้อดีอย่างหนึ่งของ OGA คือความสามารถในการทำงานร่วมกัน — แอปพลิเคชันที่พบนามสกุล .oga สามารถปรับแต่งสำหรับการเล่นเฉพาะเสียงโดยไม่ต้องตรวจสอบแทร็กวิดีโอ ทำให้โหลดเร็วขึ้นและใช้หน่วยความจำน้อยลง เนื่องจากคอนเทนเนอร์ Ogg และโคเดกที่เกี่ยวข้องเป็นโอเพนซอร์สและปลอดค่าลิขสิทธิ์ทั้งหมด OGA จึงหลีกเลี่ยงความซับซ้อนของการอนุญาตสิทธิบัตรที่ส่งผลกระทบต่อรูปแบบที่เป็นกรรมสิทธิ์ รูปแบบนี้รองรับเมทาดาทา Vorbis comment สำหรับการแท็กข้อมูลศิลปิน อัลบั้ม และแทร็กอย่างเป็นมาตรฐาน OGA เล่นได้โดยตรงใน Firefox, เบราว์เซอร์ที่ใช้ Chromium, VLC และสภาพแวดล้อมเดสก์ท็อป Linux ส่วนใหญ่ ทำให้เป็นตัวเลือกที่เหมาะสมสำหรับการเผยแพร่เสียงบนเว็บและเวิร์กโฟลว์การจัดเก็บถาวร