Conversor de HTK para AAC

HTK é o container de forma de onda nativo do Hidden Markov Model Toolkit, um pacote de software desenvolvido no Departamento de Engenharia da Universidade de Cambridge para pesquisa em reconhecimento de fala. Distribuido pela primeira vez em 1993, o HTK rapidamente se tornou uma plataforma de referência em laboratorios de linguística computacional em todo o mundo, e seu formato de arquivo seguiu o mesmo caminho. Cada arquivo armazena uma sequência de vetores de parâmetros ou amostras brutas precedidos por um cabecalho de 12 bytes especificando o número de quadros, o periodo do quadro em unidades de 100 ns, a contagem de bytes por quadro é um código de tipo indicando o tipo de dado — às opções vão desde PCM de forma de onda até coeficientes cepstrais de frequência Mel é energias de banco de filtros. Essa versatilidade permite que um único container carregue tanto áudio fonte quanto features extraidas sem alterar os analisadores. O cabecalho deliberadamente mínimo evita preenchimento de alinhamento ou blocos opcionais, tornando o formato trivial de ler a partir de C, Python ou MATLAB com poucas linhas de É/S binária. Três vantagens sustentam a relevancia duradoura do HTK: integração estreita com o pipeline de treinamento é reconhecimento HTK, layout de bytes deterministico que elimina ambiguidade no analisador é ampla adoção em corpora acadêmicos.

AAC (Advanced Áudio Coding) é o sucessor do MP3, padronizado pela ISO/IEC como parte das especificações MPEG-2 é, posteriormente, MPEG-4. Desenvolvido em colaboração por Fraunhofer, Dolby, Sony, Nokia é AT&T, o AAC oferece qualidade sonora superior com taxas de bits equivalentes ou menores — um fluxo AAC de 96 kbps geralmente equivale a um arquivo MP3 de 128 kbps em qualidade perceptual. O codec utiliza uma transformada discreta de cosseno modificada combinada com modelagem psicoacustica avançada é moldagem temporal de ruido. O AAC é o formato de áudio padrão do ecossistema Apple (iTunes, iPhone, iPad), do YouTube é de diversos serviços de streaming. Sua primeira vantagem é a excelente eficiência de compressão — áudio de alta fidelidade usando significativamente menos armazenamento é largura de banda. Segundo, o formato suporta taxas de amostragem de 8 kHz a 96 kHz é até 48 canais, atendendo desde chamadas de voz até som surround. Terceiro, a ampla adoção pela indústria, incluindo a Apple é outros, garante que praticamente todos os dispositivos, navegadores é reprodutores de mídia modernos reproduzam conteúdo AAC nativamente, sem plugins adicionais.