ตัวแปลง OGG เป็น HTK

สร้างเสียงประมวลผลเสียงพูด HTK จากไฟล์ OGG

วางไฟล์ต่างๆ​ ที่นี่. 1 GB ขนาดไฟล์สูงสุด หรือ ลงชื่อ
ไปยัง
Facebook Amazon Microsoft Tesla Nestle Walmart L'Oreal

รูปแบบรู้จำเสียงพูด

HTK เป็นมาตรฐานอินพุตสำหรับการฝึกรู้จำเสียงพูดแบบ HMM — แปลงข้อมูลเสียงพูด OGG สำหรับการวิจัย

ประมวลผลชุดข้อมูล

อัปโหลดคลังเสียงพูด OGG ทั้งชุดและสร้างเสียงรูปแบบ HTK สำหรับทุกไฟล์พร้อมกัน

แปลงบนเซิร์ฟเวอร์

ไม่ต้องติดตั้งชุดเครื่องมือ HTK — การแปลง OGG เป็น HTK ทำงานออนไลน์ทั้งหมด

วิธีแปลง OGG เป็น HTK

1

เลือกไฟล์จากคอมพิวเตอร์, Google Drive, Dropbox, URL หรือทำการลากไฟล์มาที่หน้า.

2

เลือกรูปแบบไฟล์ htk หรือรูปแบบไฟล์อื่นตามต้องการเป็นผลลัพธ์(รองรับรูปแบบไฟล์มากกว่า 200 รูปแบบ)

3

ปล่อยให้แปลงไฟล์และคุณสามารถดาวน์โหลดไฟล์ htk ของคุณได้หลังจากนั้น

เกี่ยวกับรูปแบบไฟล์

OGG Vorbis เป็นโคเดกเสียงแบบสูญเสียคุณภาพที่เปิดเผยและปลอดค่าลิขสิทธิ์ ภายในรูปแบบคอนเทนเนอร์ Ogg ซึ่งพัฒนาโดย Xiph.Org Foundation ทั้งคู่ Vorbis ออกแบบมาเป็นทางเลือกที่ปลอดสิทธิบัตรแทน MP3 และ AAC โดยใช้การเข้ารหัส modified discrete cosine transform (MDCT) พร้อมการเข้ารหัสบิตเรตแปรผันที่ปรับตัวตามความซับซ้อนของสัญญาณในแต่ละเฟรม การทดสอบฟังแบบบอดได้แสดงให้เห็นอย่างสม่ำเสมอว่า Vorbis ให้คุณภาพการรับรู้ที่เทียบเท่าหรือเหนือกว่า MP3 โดยเฉพาะในช่วง 96-192 kbps รูปแบบนี้รองรับอัตราสุ่มตัวอย่างตั้งแต่ 8 kHz ถึง 192 kHz และ 1 ถึง 255 ช่องสัญญาณ ครอบคลุมตั้งแต่เสียงโมโนไปจนถึงมิกซ์เซอร์ราวด์ ข้อได้เปรียบที่โดดเด่นคือการไม่มีค่าธรรมเนียมลิขสิทธิ์อย่างสิ้นเชิง — นักพัฒนาเกม แพลตฟอร์มสตรีมมิง และผู้ผลิตฮาร์ดแวร์สามารถนำ Vorbis ไปใช้ได้โดยไม่ต้องกังวลเรื่องค่าลิขสิทธิ์ Spotify ใช้ Vorbis เป็นโคเดกสตรีมมิงหลักมาหลายปีด้วยเหตุผลนี้ รูปแบบนี้ยังจัดการการเสื่อมคุณภาพที่บิตเรตต่ำได้อย่างดีกว่าคู่แข่งหลายราย ซึ่งเป็นเหตุผลที่ยังคงเป็นที่นิยมในวิดีโอเกมที่พื้นที่จัดเก็บมีจำกัดและเอฟเฟกต์เสียงนับพันต้องแข่งกันใช้พื้นที่ VLC, Firefox, Chrome และ Android ทั้งหมดรองรับการถอดรหัส Vorbis โดยตรง
ผู้พัฒนา: Xiph.Org Foundation
เผยแพร่ครั้งแรก: 1 พฤษภาคม 2000
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
เผยแพร่ครั้งแรก: 1993

คำถามที่พบบ่อย

ทำไมต้องแปลง OGG เป็น HTK?

รูปแบบ HTK จำเป็นสำหรับ Hidden Markov Model Toolkit สำหรับการฝึกโมเดลรู้จำเสียงพูด นักวิจัยต้องการข้อมูลอินพุตในรูปแบบ HTK

อะไรใช้ไฟล์ HTK?

ชุดเครื่องมือ HTK จาก Cambridge University, Kaldi และไปป์ไลน์วิจัยรู้จำเสียงพูดต่างๆ ใช้เสียงรูปแบบ HTK

HTK เป็นรูปแบบเสียงทั่วไปไหม?

HTK เป็นรูปแบบเฉพาะทางสำหรับการวิจัยประมวลผลเสียงพูด — ไม่ใช่รูปแบบเสียงทั่วไป เก็บ PCM 16 บิตพร้อมส่วนหัวที่กำหนดเอง

HTK ต้องการอัตราตัวอย่างเท่าไร?

งานรู้จำเสียงพูดส่วนใหญ่ใช้ 8 หรือ 16 kHz โมโน ตัวแปลงจัดการการสุ่มตัวอย่างใหม่จากแหล่ง OGG โดยอัตโนมัติ

แปลงชุดข้อมูล OGG ได้ไหม?

อัปโหลดชุดข้อมูลเสียงพูดทั้งชุดใน OGG และแปลงเป็น HTK พร้อมกัน — พร้อมสำหรับการฝึกโมเดล ASR

OGG ถึง HTK คะแนนคุณภาพ

5.0 (1 คะแนน)
คุณต้องแปลงและดาวน์โหลดไฟล์อย่างน้อย 1 ไฟล์เพื่อให้ข้อเสนอแนะ!