Convertitore da HTK ad WAV

HTK è il contenitore nativo di forme d'onda per l'Hidden Markov Model Toolkit, una suite software sviluppata presso il dipartimento di Ingegneria dell'Università di Cambridge per la ricerca sul riconoscimento vocale. Distribuito per la prima volta nel 1993, HTK è diventato rapidamente una piattaforma di riferimento nei laboratori di linguistica computazionale in tutto il mondo, e il suo formato file ha seguito la stessa traiettoria. Ogni file memorizza una sequenza di vettori di parametri o campioni grezzi preceduti da un'intestazione di 12 byte che specifica il numero di frame, il periodo del frame in unità di 100 ns, il conteggio dei byte per frame e un codice di tipo che indica la natura dei dati — le opzioni spaziano dal PCM a forma d'onda ai coefficienti cepstrali su scala di Mel e alle energie dei banchi di filtri. Questa versatilità consente a un unico contenitore di trasportare sia l'audio sorgente che le feature estratte senza cambiare parser. L'intestazione deliberatamente minimale evita il padding di allineamento o chunk opzionali, rendendo il formato banale da leggere da C, Python o MATLAB con poche righe di I/O binario. Tre vantaggi sostengono la rilevanza duratura di HTK: l'integrazione stretta con la pipeline di addestramento e riconoscimento HTK, un layout di byte deterministico che elimina l'ambiguità del parser e un'adozione capillare nei corpora accademici.

WAV (Waveform Audio File Format) è un contenitore audio non compresso sviluppato congiuntamente da Microsoft e IBM, pubblicato per la prima volta nell'agosto 1991 insieme a Windows 3.1. Basato sul Resource Interchange File Format (RIFF), WAV memorizza i dati audio — più comunemente come modulazione di codice a impulsi lineare (LPCM) — insieme a metadati che descrivono frequenza di campionamento, profondità di bit e numero di canali. Questa struttura lineare ha reso WAV lo standard de facto per l'audio non compresso su Windows e un formato di interscambio universalmente accettato praticamente su ogni sistema operativo, editor audio e lettore multimediale esistente. I file WAV in qualità CD utilizzano campioni a 16 bit a 44,1 kHz stereo, mentre i flussi di lavoro professionali impiegano abitualmente campioni a 24 o 32 bit float a frequenze fino a 192 kHz. Un vantaggio fondamentale è la fedeltà senza perdite: poichè il WAV standard non applica compressione, i dati memorizzati sono una rappresentazione digitale esatta della registrazione originale, rendendolo la scelta preferita per mastering e archiviazione. WAV supporta anche metadati integrati attraverso chunk INFO e BWF, consentendo timestamp e note di produzione. Il compromesso principale è la dimensione dei file — un minuto di stereo in qualità CD occupa circa 10 MB — e la struttura RIFF a 32 bit impone un limite di 4 GB, sebbene RF64 rimuova tale vincolo.