Un periodista me envió cuatro horas de entrevistas como archivos M4A porque su servicio de transcripción las rechazó y preguntó si convertir a MP3 a 320 kbps "mantendría la calidad alta". no lo haría. Las grabaciones eran memorandos de voz mono de 64 kbps, y volver a codificarlas en 320 habría producido archivos cinco veces más grandes con exactamente el mismo audio, más una nueva capa de daño del segundo codificador. Lo que necesitaba era WAV, porque el servicio de transcripción quería PCM, y el tamaño del archivo no importaba para nada que estuviera subiendo una vez y borrando. La conversión tomó un minuto. La parte útil fue calcular en qué dirección se ejecuta la pérdida, y eso vale la pena entenderlo antes de convertir nada.
TL;Dr: M4a y MP3 son con pérdida, por lo que al convertir entre ellos decodifica audio que ya no tiene detalle y lo comprime de nuevo con un modelo diferente. No hay ningún ajuste que evite esto. Dos reglas lo mantienen pequeño: nunca elija una tasa de bits por encima de la fuente, porque los bits adicionales describen los artefactos del primer codificador en lugar de la grabación, y mantenga el original como su maestro en lugar de la copia convertida. Si el destino es un editor, un servicio de transcripción o un modelo de voz, conviértalo a WAV y omita por completo la segunda generación. los convertidor de audio En Toolz.dev ejecuta ffmpeg a través de WebAssembly en su propia pestaña, por lo que una entrevista o una nota de voz nunca sale de la máquina.
¿Qué hay dentro de un archivo .m4a?
La extensión nombra el contenedor, no el audio, y esa distinción aclara la mayor parte de la confusión en torno a este formato.
M4A es un contenedor MPEG-4 que contiene una sola pista de audio. Lo que se encuentra dentro de él suele ser AAC, que es lo que produce una nota de voz de iPhone, una grabación de pantalla de Mac, una exportación de QuickTime y la mayoría de las descargas de Apple. Pero el mismo contenedor, con la misma extensión, puede mantener Apple Lossless en su lugar, y esos dos archivos no se comportan de manera similar: uno ya ha tirado los detalles, el otro no. Un partido .m4a de iTunes es AAC. Un .M4A desgarrado por Apple Music en modo sin pérdidas es ALAC y tiene aproximadamente cinco veces el tamaño, que es como se diferencia sin una herramienta.
Esto importa porque la conversión correcta depende del códec, no de la extensión. Un archivo AAC convertido a MP3 pierde una segunda generación. Un archivo ALAC convertido a MP3 pierde su primera. Convertir a WAV o FLAC no pierde nada más, aunque tampoco puede restaurar lo que AAC ya descarta.
La misma relación entre el contenedor y el códec rige el video, donde provoca el malentendido mucho más grande cubierto en La guía de remux: Cambiar la envoltura es barato, cambiar la compresión no lo es.
¿Por qué la conversión de M4A a MP3 lo empeora?
Porque ambos formatos funcionan descartando lo que predice un modelo psicoacústico que no escucharás, y el segundo codificador no puede distinguir la diferencia entre la grabación y las sobras del primer codificador.
AAC y MP3 construyen diferentes modelos. No están de acuerdo sobre qué frecuencias están enmascaradas por vecinos más ruidosos, dividen la señal en diferentes números de bandas y manejan transitorios repentinos de manera diferente. Entonces, el detalle que AAC decidió mantener no es el detalle que habría guardado MP3, y viceversa. Cuando MP3 codifica la salida decodificada de un archivo AAC, gasta bits conservando artefactos que nunca estuvieron en la señal del micrófono, y tira algo de lo que sobrevivió al primer pase.
El daño aparece en un orden predecible. Los platillos y los charles van primero, convirtiéndose en una especie de silbido manchado. Sigue el aplauso, porque una habitación llena de manos está cerca del ruido y el ruido es lo único que estos códecs no pueden modelar. Luego, sibilancia, los sonidos de "S" en el habla, que desarrollan una gorjera que es difícil descubrir una vez que lo has notado.
Nada de esto es un argumento en contra de la conversión. Es un argumento para convertir una vez, desde el original, cuando algo aguas abajo realmente necesita un formato diferente. M4A no es peor archivo que MP3. Al mismo tiempo, la AAC generalmente suena mejor, lo que significa que pasar de M4A a MP3 es un paso de compatibilidad que le cuesta un poco de calidad, no una actualización que le gane.
¿Qué tasa de bits debería elegir?
Haga coincidir la fuente o vaya ligeramente por debajo de ella, y nunca arriba.
La razón es la de arriba. Los bits por encima de la tasa de origen se gastan describiendo artefactos, por lo que un M4A de 128 kbps codificado a 320 kbps de MP3 es dos veces y medio el tamaño para ninguna ganancia audible. Ir muy por debajo de la fuente hace lo contrario y tira una segunda porción de detalles reales. Si conoce la tasa de bits de origen, úsela. Si no lo hace, 192 kbps es un valor predeterminado razonable para la música y cualquier cosa en 128 o superior a 128 está bien para hablar.
El techo no es una decisión de herramienta. MPEG-1 Layer III alcanza los 320 kbps, que puede leer La tabla de índice de tasa de bits en el encabezado de marco de audio MPEG, y ningún codificador puede superarlo independientemente de lo que ofrezca una interfaz.
Esto es lo que cada objetivo cuesta por minuto de audio estéreo.
| blanco | por minuto | ¿Perdido? | para que sirve |
|---|---|---|---|
| mp3 128 kbps | 0,96 MB | sí | Discurso, podcasts, todo lo que va a un dispositivo que solo lee mp3 |
| mp3 192 kbps | 1.44 Mb | sí | el valor predeterminado. música que escucharás en lugar de dominar |
| MP3 320 Kbps | 2.40 MB | sí | Sólo cuando la fuente era al menos tan alta |
| M4A (AAC) | Igual que MP3 al mismo ritmo | sí | Dispositivos Apple, y mejor sonido que la velocidad de MP3 para la tarifa |
| OGG (Vorbis) | Igual otra vez | sí | Juegos, audio web, Asuntos sin patente en cualquier lugar |
| grieta | unos 6 MB | prohibido | Archivando una fuente sin pérdidas |
| ola | 10.1 MB | prohibido | Editores, Servicios de transcripción, Modelos de habla |
La cifra de WAV no es una estimación. PCM estéreo sin comprimir a 44,1 kHz y 16 bits es de 44.100 x 2 canales x 2 bytes por segundo, que es 176.400 bytes por segundo y 10.1 MB por minuto, cada vez, sea cual sea el audio que contenga. El silencio cuesta tanto como una sinfonía.
¿Cuándo deberías convertir a WAV o FLAC en su lugar?
Siempre que el destino sea una máquina en lugar de un par de oídos.
Los editores de audio, los servicios de transcripción, las herramientas de alineación forzada y los modelos de voz quieren PCM, y entregarles un archivo con pérdida significa que lo decodifican primero de todos modos. Convertir a WAV usted mismo se salta una segunda generación con pérdida por completo: la decodificación ocurre una vez, el resultado es exacto y no se descarta nada más. El archivo es grande y eso está bien para algo que subes una vez.
FLAC es la respuesta de archivo en lugar de la que trabaja. Comprime sin pérdida a aproximadamente el 60% de PCM en música típica, por lo que el audio es recuperable bit por bit mientras que el archivo es un tercero más pequeño. es ahora especificado formalmente en RFC 9639, después de dos décadas como estándar de facto, y lleva un detalle que vale la pena conocer: el El bloque StreamInfo contiene una firma MD5 del audio no codificado, para que un decodificador pueda probar que su salida coincide con la muestra original para la muestra. Ningún formato con pérdida puede ofrecer eso, y no se puede rescatar a ella ninguna fuente con pérdida. Convertir un MP3 a FLAC produce un archivo más grande que contiene el mismo audio dañado, que es una operación común y completamente inútil.
# what the conversions amount to, if you have ffmpeg installed
#
# M4A to MP3, matching a 192 kbps source:
ffmpeg -i memo.m4a -vn -acodec libmp3lame -b:a 192k memo.mp3
# M4A to WAV for a transcription service (16-bit PCM, 44.1 kHz):
ffmpeg -i memo.m4a -vn -acodec pcm_s16le -ar 44100 memo.wav
# size arithmetic, which needs no tool:
# lossy MB per minute = kbps x 60 / 8 / 1000
# WAV MB per minute = 44100 x 2 x 2 x 60 / 1024 / 1024 = 10.1
¿Por qué hay una brecha al comienzo de mi mp3?
Porque MP3 no puede representar un número arbitrario de muestras, y la corrección vive fuera de los datos de audio.
Un marco MPEG-1 Layer III contiene exactamente 1152 muestras. Por lo tanto, la longitud de un archivo se redondea a un límite de cuadro, y el codificador también necesita una entrada antes de que pueda producir una salida válida, por lo que cada MP3 lleva una pequeña cantidad de silencio en la parte delantera y un pequeño relleno en el extremo que no estaba en la fuente. A 44,1 kHz, esa brecha frontal es de unas pocas decenas de milisegundos. Entre pistas de un álbum grabado como una actuación continua, es la diferencia entre una grabación en vivo y una presentación de diapositivas.
El formato no tiene campo para esto. Lo que los jugadores usan en su lugar es un encabezado que el codificador escribe en el primer cuadro, registrando el retraso y el relleno, por lo que un jugador que lo lee puede recortar ambos y un jugador que no lo haga. AAC en un contenedor MP4 tiene la longitud como parte de la estructura del contenedor, por lo que los archivos M4A no tienen espacio de forma predeterminada y los archivos MP3 no tienen espacio solo por convención.
Para una sola nota de voz, nada de esto importa. Para convertir un álbum, es la razón por la que el resultado suena sutilmente mal, aunque cada pista individual está bien.
¿Por qué falló mi conversión en un archivo con carátula del álbum?
Porque la obra de arte se almacena como una transmisión de video, y un codificador pidió que la escribiera en un formato sin ningún lugar donde colocarla.
Un MP3 o M4A con portadas incrustadas tiene dos flujos: el audio y una sola imagen fija que el contenedor describe como video. Convertándose sin decir lo contrario, FFmpeg intenta llevar esa imagen a la salida, y para objetivos como WAV, la operación no tiene significado y falla con un error que menciona un códec de video en lo que es claramente un archivo de audio.
La solución es una bandera, -vn, que elimina las transmisiones de video por completo. El convertidor aquí lo pasa en cada conversión, por lo que la obra de arte se descarta y el audio se convierte. Si desea conservar la portada, conviértala a un formato que lo lleve y vuelva a adjuntarlo con un editor de etiquetas, porque ningún convertidor lo hará de manera confiable.
¿Vale la pena elegir OGG?
Para la mayoría de las personas, no. Para dos casos específicos, sí.
Vorbis en un contenedor OGG es, en palabras propias, una "Totalmente abierto, no patentado, sin patentes y libre de derechos de autor, formato comprimido general de uso comprimido". Ese es el argumento completo, y es real si envías audio dentro de un juego, una aplicación que distribuyes o cualquier cosa en la que la licencia de códec sea una pregunta que alguien eventualmente se haga.
Contra ella: el soporte de hardware es parche. Un montón de estéreos de automóviles, teléfonos antiguos y reproductores baratos leen MP3 y nada más, razón por la cual MP3 sigue siendo la opción segura para un archivo que va a una persona en lugar de un programa. El soporte del navegador es bueno y lo ha sido durante años.
El sonido es un lavado. En las tasas de bits que la mayoría de la gente usa, Vorbis y AAC son mejores que MP3 y están cerca el uno del otro, y nada de eso sobrevive a una segunda generación de todos modos.
¿El audio sale de mi máquina?
No, y para esta categoría de archivo ese es el punto.
La conversión se ejecuta a través de FFmpeg compilado a WebAssembly dentro de la pestaña del navegador. El archivo se lee desde el disco en la memoria de la página, se convierte allí y se devuelve como descarga. Abra el panel de red en DevTools durante una conversión y nada lleva el audio.
Piensa en lo que la gente convierte. Memorándum de voz. entrevistas grabadas. Notas de terapia. llamadas de clientes. Conferencias alguien grabada con permiso que no se extendió a un tercero. El arreglo normal para un convertidor en línea gratuito es que suba todo eso al servidor de un extraño a cambio de un enlace de descarga, y la política de retención es lo que diga el pie de página. Aquí no existe copia para retener.
Los límites son las pestañas en lugar de un plan de 300 MB de fuente, que es de unas cinco horas de audio de 128 kbps o media hora de WAV. pasado que un codificador de escritorio es la mejor herramienta, y la misma lógica que el compresor de video Se aplica, donde la memoria del navegador en lugar de un muro de pago establece el techo.
¿Qué pasa si el audio está dentro de un video?
Entonces esta es la herramienta equivocada, y la distinción no es pedante.
Sacar la banda sonora de un MP4 es una operación diferente de volver a codificar un archivo de audio: cuando la pista de audio de video ya es AAC y desea un M4A, la transmisión se puede copiar directamente sin volver a codificar ni pérdida. eso es lo que el extractor de audio lo hace, y es por eso que existe como una herramienta separada en lugar de un modo de este.
El orden que menos pierde, si necesitas un MP3 de un video: extrae primero, comprueba qué códec salió y solo convierta si el resultado es un formato que se niega a tu destino. Convertir el video directamente a MP3 en un solo paso funciona, pero oculta si ocurrió una nueva codificación con pérdida o no.
¿Qué pasa con la otra dirección, MP3 a M4A?
Vale la pena hacerlo en un caso y sin sentido en el resto.
El caso en el que ayuda: un dispositivo Apple o una aplicación que solo lee M4A, lo que aún sucede con las integraciones de automóviles más antiguas, algunos reproductores de audiolibros y cualquier cosa que espere una pista AAC en un contenedor MPEG-4. Entonces es el mismo paso de compatibilidad que ir al revés, con el mismo costo.
El caso en el que las personas lo buscan y no deberían: Esperar un archivo que suene mejor. AAC es un mejor códec que MP3, pero esa ventaja se aplica cuando codifica una grabación original. Entregado un MP3 decodificado, codifica fielmente los artefactos de MP3, en una nueva tasa de bits, y el resultado es una segunda generación que suena un poco peor y ocupa aproximadamente el mismo espacio. Ninguna actualización de formato puede recuperar detalles que ya no están en las muestras.
La prueba honesta es preguntar para qué es el archivo. Si algo se niega a jugarlo, convierta. Si se juega bien y estás tratando de mejorarlo, la única mejora real es encontrar el original.
¿Puedo convertir una carpeta de archivos a la vez?
No en el navegador, y ese es el límite que vale la pena tener claro.
Cada conversión carga el archivo completo en la pestaña y ejecuta un solo pase FFMPEG, por lo que la herramienta maneja un archivo a la vez por diseño. Para tres notas de voz que es más rápida que instalar cualquier cosa. Para una biblioteca de música, es la herramienta incorrecta por completo, y un bucle de shell sobre un ffmpeg local terminará mientras un navegador todavía está en el segundo archivo.
# the batch version, once there are more than a handful
for f in *.m4a; do
ffmpeg -i "$f" -vn -acodec libmp3lame -b:a 192k "${f%.m4a}.mp3"
done
La línea de división en la práctica se encuentra alrededor de diez archivos o media hora de audio. Debajo, el navegador gana en el tiempo de configuración, encima de él, un codificador local gana todo. La misma compensación rige la compresor de video, donde la memoria de pestañas en lugar de un nivel de suscripción establece el techo, y el convertidor de video Para el lado de formato del mismo problema.
