Konverter HTK ke WAV

HTK adalah kontainer bentuk gelombang native untuk Hidden Markov Model Toolkit, paket perangkat lunak yang dikembangkan di Departemen Teknik Universitas Cambridge untuk penelitian pengenalan ucapan. Pertama kali didistribusikan pada tahun 1993, HTK dengan cepat menjadi platform referensi di laboratorium linguistik komputasional di seluruh dunia, dan format file-nya mengikuti. Setiap file menyimpan urutan vektor parameter atau sampel mentah yang didahului oleh header 12-byte yang menentukan jumlah frame, periode frame dalam satuan 100 ns, jumlah byte per frame, dan kode tipe yang menunjukkan jenis data — opsi berkisar dari PCM bentuk gelombang hingga koefisien cepstral frekuensi Mel dan energi filter-bank. Keserbagunaan ini memungkinkan satu kontainer membawa audio sumber dan fitur yang diekstrak tanpa mengubah parser. Header yang sengaja minimal menghindari padding alignment atau chunk opsional, membuat format ini sangat mudah dibaca dari C, Python, atau MATLAB dengan beberapa baris I/O biner. Tiga keunggulan mendukung relevansi HTK yang bertahan lama: integrasi erat dengan pipeline pelatihan dan pengenalan HTK, tata letak byte deterministik yang menghilangkan ambiguitas parser, dan adopsi yang luas dalam korpora akademik.

WAV (Waveform Audio File Format) adalah kontainer audio tanpa kompresi yang dikembangkan bersama oleh Microsoft dan IBM, pertama kali dipublikasikan pada Agustus 1991 bersamaan dengan Windows 3.1. Dibangun di atas Resource Interchange File Format (RIFF), WAV menyimpan data audio — paling umum sebagai linear pulse-code modulation (LPCM) — bersama metadata yang mendeskripsikan sample rate, kedalaman bit, dan jumlah channel. Struktur yang straightforward ini menjadikan WAV sebagai standar de facto untuk audio tanpa kompresi di Windows dan format interchange yang diterima secara universal di hampir setiap sistem operasi, editor audio, dan pemutar media yang ada. File WAV kualitas CD menggunakan sampel 16-bit pada 44.1 kHz stereo, sementara alur kerja profesional secara rutin menggunakan sampel 24-bit atau 32-bit float pada rate hingga 192 kHz. Keunggulan utamanya adalah fidelitas tanpa kehilangan: karena WAV standar tidak menerapkan kompresi, data yang disimpan adalah representasi digital yang persis dari rekaman asli, menjadikannya pilihan utama untuk mastering dan pengarsipan. WAV juga mendukung metadata tertanam melalui chunk INFO dan BWF, memungkinkan timestamping dan catatan produksi. Trade-off utamanya adalah ukuran file — satu menit stereo kualitas CD memakan sekitar 10 MB — dan struktur RIFF 32-bit memberlakukan batas 4 GB, meskipun RF64 menghilangkan batasan tersebut.