HTK에서 WAV로 변환하는 컨버터

HTK는 음성 인식 연구를 위해 Cambridge 대학교 공학부에서 개발한 소프트웨어 모음인 Hidden Markov Model Toolkit의 네이티브 파형 컨테이너입니다. 1993년에 처음 배포된 HTK는 전 세계 전산 언어학 연구실에서 빠르게 레퍼런스 플랫폼이 되었으며, 그 파일 포맷도 함께 보급되었습니다. 각 파일은 프레임 수, 100 ns 단위의 프레임 주기, 프레임당 바이트 수, 데이터 종류를 나타내는 유형 코드를 지정하는 12바이트 헤더가 앞에 붙은 파라미터 벡터 시퀀스 또는 원시 샘플을 저장합니다 — 옵션은 파형 PCM에서 멜 주파수 켑스트럼 계수와 필터 뱅크 에너지까지 다양합니다. 이러한 다용도성 덕분에 파서를 변경하지 않고도 하나의 컨테이너에 원본 오디오와 추출된 특성 모두를 담을 수 있습니다. 의도적으로 최소화된 헤더는 정렬 패딩이나 선택적 청크를 피하여, C, Python 또는 MATLAB에서 몇 줄의 바이너리 I/O로 읽을 수 있는 포맷을 만듭니다. 세 가지 장점이 HTK의 지속적인 관련성을 뒷받침합니다: HTK 학습 및 인식 파이프라인과의 긴밀한 통합, 파서 모호성을 제거하는 결정적 바이트 레이아웃, 학술 코퍼스에서의 광범위한 채택입니다.

WAV(Waveform Audio File Format)는 Microsoft와 IBM이 공동 개발한 비압축 오디오 컨테이너로, 1991년 8월 Windows 3.1과 함께 처음 발표되었습니다. RIFF(Resource Interchange File Format)를 기반으로 구축된 WAV는 가장 일반적으로 리니어 펄스 코드 변조(LPCM)로 오디오 데이터를 저장하며, 샘플레이트, 비트 심도, 채널 수를 설명하는 메타데이터도 함께 담습니다. 이 직관적인 구조 덕분에 WAV는 Windows에서 비압축 오디오의 사실상 표준이자 거의 모든 운영 체제, 오디오 에디터, 미디어 플레이어에서 보편적으로 인정받는 교환 포맷이 되었습니다. CD 품질 WAV 파일은 44.1 kHz 스테레오 16비트 샘플을 사용하며, 전문 워크플로에서는 최대 192 kHz의 24비트 또는 32비트 부동소수점 샘플이 일상적으로 사용됩니다. 주요 장점은 무손실 충실도입니다: 표준 WAV는 압축을 적용하지 않으므로 저장된 데이터가 원본 녹음의 정확한 디지털 표현이 되어, 마스터링과 보관에 선호되는 선택입니다. WAV는 또한 INFO 및 BWF 청크를 통한 내장 메타데이터를 지원하여 타임스탬프와 프로덕션 노트가 가능합니다. 주요 절충점은 파일 크기로 — CD 품질 스테레오 1분이 약 10 MB를 차지 — 그리고 32비트 RIFF 구조가 4 GB 제한을 부과하지만, RF64가 이 한계를 없앱니다.