Uma jornalista me enviou quatro horas de entrevistas como arquivos M4A porque seu serviço de transcrição os rejeitou e perguntou se a conversão para MP3 a 320 Kbps manteria a qualidade de alta". não seria. As gravações foram memorandos de voz mono de 64 kbps, e as codificações refeitas em 320 produziriam arquivos cinco vezes maiores, segurando exatamente o mesmo áudio, além de uma nova camada de dano do segundo codificador. O que ela precisava era WAV, porque o serviço de transcrição queria PCM, e o tamanho do arquivo não importava para uma coisa que ela estava enviando uma vez e excluindo. A conversão demorou um minuto. A parte útil foi descobrir qual direção a perda é executada, e vale a pena entender antes de você converter qualquer coisa.
tl;dr: M4A e MP3 têm perdas, então a conversão entre eles decodifica o áudio que já possui detalhes ausentes e o comprime novamente com um modelo diferente. Não há nenhuma configuração que evite isso. Duas regras mantêm a pequena: nunca escolha uma taxa de bits acima da fonte, pois os bits extras descrevem os artefatos do primeiro codificador em vez da gravação, e mantenha o original como seu mestre e não como uma cópia convertida. Se o destino for um editor, um serviço de transcrição ou um modelo de fala, converta para WAV e pule totalmente a segunda geração. o conversor de áudio No Toolz.dev executa o FFmpeg por meio do WebAssembly em sua própria guia, para que uma entrevista ou um memorando de voz nunca saia da máquina.
O que está dentro de um arquivo .m4a?
A extensão nomeia o contêiner, não o áudio, e essa distinção esclarece a maior parte da confusão em torno desse formato.
M4A é um contêiner MPEG-4 com uma única faixa de áudio. O que está dentro dele geralmente é o AAC, que é o que um memorando de voz do iPhone, uma gravação de tela do Mac, uma exportação do QuickTime e a maioria dos downloads da Apple produzem. Mas o mesmo contêiner, com a mesma extensão, pode conter a Apple sem perdas, e esses dois arquivos não se comportam de maneira parecida: um já jogou os detalhes fora, o outro não. Um .m4a do iTunes Match é AAC. Um .M4A rasgado pelo Apple Music no modo sem perdas é o ALAC e tem aproximadamente cinco vezes o tamanho, e é assim que você os diferencia sem uma ferramenta.
Isso importa porque a conversão correta depende do codec, não da extensão. Um arquivo AAC convertido em MP3 perde uma segunda geração. Um arquivo ALAC convertido em MP3 perde o primeiro. Converter para WAV ou FLAC não perde nada mais, embora nenhum dos dois possa restaurar o que o AAC já foi descartado.
A mesma relação entre o contêiner e o codec governa o vídeo, onde causa o mal-entendido muito maior, O guia Remux: Alterar o wrapper é barato, mudar a compressão não.
Por que converter M4A em MP3 piora?
Como ambos os formatos funcionam descartando o que um modelo psicoacústico prevê que você não ouvirá, e o segundo codificador não pode dizer a diferença entre a gravação e as sobras do primeiro codificador.
AAC e MP3 constroem modelos diferentes. Eles discordam sobre quais frequências são mascaradas por vizinhos mais altos, dividem o sinal em diferentes números de bandas e lidam com transientes repentinos de forma diferente. Portanto, o detalhe que a AAC decidiu manter não é o detalhe que o MP3 teria guardado e vice-versa. Quando o MP3 codifica a saída decodificada de um arquivo AAC, ele gasta bits preservando artefatos que nunca estavam no sinal do microfone e joga fora um pouco do que sobreviveu à primeira passagem.
O dano aparece em uma ordem previsível. Cimbalos e chimbal vão primeiro, transformando-se em uma espécie de silvo manchado. Aplausos seguem, porque uma sala cheia de mãos está perto do ruído e o ruído é a única coisa que esses codecs não conseguem modelar. Então, o Sibilance, o "S" sons na fala, que desenvolve um gorjeio difícil de se ouvir depois de notar.
Nada disso é um argumento contra a conversão. É um argumento para converter uma vez, a partir do original, quando algo a jusante precisa genuinamente de um formato diferente. M4A não é um arquivo pior que o MP3. Ao mesmo tempo, o AAC de birra geralmente soa melhor, o que significa que passar de M4A para MP3 é uma etapa de compatibilidade que custa um pouco de qualidade, não uma atualização que ganha nada.
Qual taxa de bits você deve escolher?
Combine a fonte ou vá um pouco abaixo dela e nunca acima.
A razão é a anterior. Os bits acima da taxa de origem são gastos descrevendo artefatos, portanto, um M4A de 128 kbps re-codificado em 320 kbps MP3 tem duas vezes e meia o tamanho para nenhum ganho audível. Indo bem abaixo da fonte faz o oposto e joga fora uma segunda porção de detalhes reais. Se você souber a taxa de bits da fonte, use-a. Se você não fizer isso, 192 Kbps é um padrão razoável para música e qualquer coisa acima de 128 ou superior a 128 é bom para a fala.
O teto não é uma decisão de ferramenta. MPEG-1 Layer III chega a 320 Kbps, que você pode ler A tabela de índices de taxa de bits no cabeçalho do quadro de áudio MPEG, e nenhum codificador pode excedê-lo, independentemente do que uma interface oferece.
Aqui está o que cada meta custa por minuto de áudio estéreo.
| alvo | por minuto | Perdido? | para que serve |
|---|---|---|---|
| mp3 128 kbps | 0,96 Mb | sim | Speech, podcasts, qualquer coisa que vá para um dispositivo que lê apenas MP3 |
| MP3 192 kbps | 1,44 Mb | sim | o padrão. música que você ouvirá em vez de dominar |
| MP3 320 kbps | 2,40 MB | sim | Somente quando a fonte era pelo menos tão alta |
| M4A (AAC) | O mesmo que MP3 na mesma taxa | sim | Dispositivos da Apple e melhor som do que a taxa de MP3 para taxa |
| OGG (Vorbis) | O mesmo novamente | sim | Jogos, áudio na web, em qualquer lugar sem patentes |
| flac | cerca de 6 MB | não | Arquivando uma fonte sem perdas |
| ondular | 10,1 Mb | não | Editores, serviços de transcrição, modelos de fala |
O valor do WAV não é uma estimativa. O PCM estéreo não compactado em 44,1 kHz e 16 bits é de 44.100 x 2 canais x 2 bytes por segundo, que é 176.400 bytes por segundo e 10,1 MB por minuto, sempre que o áudio contiver. O silêncio custa exatamente tanto quanto uma sinfonia.
Quando você deve converter para WAV ou FLAC?
Sempre que o destino for uma máquina em vez de um par de orelhas.
Editores de áudio, serviços de transcrição, ferramentas de alinhamento forçado e modelos de fala desejam PCM, e entregar a eles um arquivo com perdas significa que eles o decodificam primeiro de qualquer maneira. Converter para o wav-se pula totalmente uma segunda geração com perdas: a decodificação acontece uma vez, o resultado é exato e nada mais é descartado. O arquivo é grande e isso é bom para algo que você carrega uma vez.
FLAC é a resposta do arquivo e não a de trabalho. Ele comprime sem perdas para aproximadamente 60% do PCM em músicas típicas, então o áudio é recuperável por um pouco, enquanto o arquivo é um terço menor. agora é Especificamente especificado na RFC 9639, após duas décadas como padrão de fato, e ele traz um detalhe que vale a pena saber: o O bloco StreamInfo contém uma assinatura MD5 do áudio não codificado, para que um decodificador possa provar que sua saída corresponde à amostra original para amostra. Nenhum formato com perdas pode oferecer isso, e nenhuma fonte com perdas pode ser resgatada nele. Converter um MP3 em FLAC produz um arquivo maior contendo o mesmo áudio danificado, que é uma operação comum e totalmente 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 que há uma lacuna no início do meu MP3?
Porque o MP3 não pode representar um número arbitrário de amostras e a correção fica fora dos dados de áudio.
Uma estrutura de camada III MPEG-1 contém exatamente 1152 amostras. Portanto, o comprimento do arquivo arredonda para um limite de quadro, e o codificador também precisa de uma entrada antes de produzir uma saída válida, portanto, cada MP3 carrega uma pequena quantidade de silêncio na frente e um pequeno preenchimento na extremidade que não estava na fonte. Em 44,1 kHz, esse intervalo frontal é de algumas dezenas de milissegundos. Entre as faixas de um álbum gravado como uma performance contínua, é a diferença entre uma gravação ao vivo e uma apresentação de slides.
O formato não tem campo para isso. O que os jogadores usam em vez disso é um cabeçalho que o codificador escreve no primeiro quadro, registrando o atraso e o preenchimento, para que um jogador que o leia possa aparar ambos e um jogador que não o fará. AAC em um contêiner MP4 tem o comprimento como parte da estrutura do contêiner, e é por isso que os arquivos M4A são sem lacunas por padrão e os arquivos MP3 são sem lacunas apenas por convenção.
Para um único memorando de voz, nada disso importa. Para converter um álbum, é por isso que o resultado parece sutilmente errado, embora todas as faixas individuais estejam bem.
Por que minha conversão falhou em um arquivo com a arte do álbum?
Porque a arte é armazenada como um fluxo de vídeo e um codificador solicitado a escrevê-lo em um formato sem onde a para colocá-la.
Um MP3 ou M4A com capa embutida tem dois fluxos: o áudio e uma única imagem que o contêiner descreve como vídeo. Convertendo sem dizer o contrário, o FFmpeg tenta levar essa imagem para a saída e, para alvos como WAV, a operação não tem significado e falha com um erro que menciona um codec de vídeo no que é claramente um arquivo de áudio.
A correção é uma bandeira, -vn, que descarta completamente os fluxos de vídeo. O conversor aqui o passa em todas as conversões, então a arte é descartada e o áudio é convertido. Se você deseja preservar a arte da capa, converta para um formato que a carregue e volte a anexá-la com um editor de tags posteriormente, porque nenhum conversor fará as duas coisas de forma confiável.
Vale a pena escolher a Ogg?
Para a maioria das pessoas, não. Para dois casos específicos, sim.
Vorbis em um recipiente OGG é, nas próprias palavras do XIPH, um "Totalmente aberto, não proprietário, patente e livre de royalty, formato de áudio compactado de uso geral". Esse é todo o argumento para isso, e é real se você estiver enviando áudio dentro de um jogo, um aplicativo que você distribuir ou qualquer coisa em que o licenciamento de codec seja uma pergunta que alguém eventualmente fará.
Contra isso: o suporte a hardware é irregular. Muitos aparelhos de som para carros, telefones mais antigos e jogadores baratos lêem MP3 e nada mais, que é a razão pela qual o MP3 continua sendo a escolha segura para um arquivo ir para uma pessoa e não para um programa. O suporte ao navegador é bom e tem sido há anos.
O som é uma lavagem. Nas taxas de bits que a maioria das pessoas usa, Vorbis e AAC são melhores que MP3 e próximos um do outro, e nada disso sobrevive de uma segunda geração.
O áudio sai da minha máquina?
Não, e para esta categoria de arquivo, esse é o ponto.
A conversão é executada por FFmpeg compilado para WebAssembly na guia do navegador. O arquivo é lido do disco na memória da página, convertido lá e devolvido como download. Abra o painel de rede no DevTools durante uma conversão e nada carrega o áudio.
Pense no que as pessoas convertem. Memos de voz. entrevistas gravadas. Notas de terapia. Ligações do cliente. Palestras que alguém gravava com permissão que não se estendeu a terceiros. O arranjo normal para um conversor online gratuito é que você envia tudo isso para um servidor de um estranho em troca de um link de download, e a política de retenção é o que o rodapé diz. Aqui não existe uma cópia para reter.
Os limites são os TABs e não um plano: 300 MB de fonte, que é cerca de cinco horas de áudio de 128 kbps ou meia hora de WAV. Passado por isso, um codificador de desktop é a melhor ferramenta e a mesma lógica que o compressor de vídeo Aplica-se, quando a memória do navegador em vez de um paywall define o teto.
E se o áudio estiver dentro de um vídeo?
Então esta é a ferramenta errada, e a distinção não é pedante.
Retirar a trilha sonora de um MP4 é uma operação diferente de re-codificar um arquivo de áudio: quando a faixa de áudio do vídeo já está AAC e você deseja um M4A, o fluxo pode ser copiado diretamente sem uma nova codificação e nenhuma perda. é isso que o extrator de áudio existe, e é por isso que existe como uma ferramenta separada e não como um modo desta.
A ordem que perde menos, se você precisar de um MP3 de um vídeo: Extraia primeiro, verifique qual codec saiu e converta apenas se o resultado for um formato que seu destino se recusa. Converter o vídeo direto para MP3 em uma etapa funciona, mas esconde se aconteceu ou não uma nova codificação com perdas.
E a outra direção, MP3 para M4A?
Vale a pena fazer em um caso e sem sentido no resto.
O caso em que ajuda: um dispositivo Apple ou um aplicativo que lê apenas o M4A, o que ainda acontece com integrações de carros mais antigos, alguns players de audiolivro e qualquer coisa que espere uma faixa AAC em um wrapper MPEG-4. Então é a mesma etapa de compatibilidade de ir para o outro lado, com o mesmo custo.
O caso em que as pessoas o buscam e não devem: esperando por um arquivo com melhor som. AAC é um codec melhor que o MP3, mas essa vantagem se aplica quando codifica uma gravação original. Entregou um MP3 decodificado, ele codifica os artefatos MP3 fielmente, com uma nova taxa de bits, e o resultado é uma segunda geração que soa um pouco pior e ocupa aproximadamente o mesmo espaço. Nenhuma atualização de formato pode recuperar detalhes que não estão mais nas amostras.
O teste honesto é perguntar para que serve o arquivo. Se algo se recusar a jogá-lo, converta. Se ele funcionar bem e você estiver tentando melhorar, a única melhoria real é encontrar o original.
Posso converter uma pasta de arquivos de uma vez?
Não no navegador, e esse é o limite que vale a pena ser claro.
Cada conversão carrega o arquivo inteiro na guia e executa uma única passagem FFmpeg, de modo que a ferramenta manipula um arquivo de cada vez por design. Para três memorandos de voz, mais rápido do que instalar qualquer coisa. Para uma biblioteca de músicas, é a ferramenta totalmente errada, e um loop de shell em um FFmpeg local terminará enquanto um navegador ainda estiver no segundo arquivo.
# 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
A linha divisória na prática fica em torno de dez arquivos ou meia hora de áudio. Abaixo dele, o navegador vence no tempo de configuração, acima dele um codificador local vence em tudo. O mesmo trade-off rege o compressor de vídeo, onde a memória da guia em vez de uma camada de assinatura define o teto, e o conversor de vídeo Para o lado do formato do mesmo problema.
