AAC in OPUS umwandeln

Ein Bürgerfunksender, eine Kirchengemeinde mit aufgezeichneten Predigten oder eine kleine Lokalradio-Initiative, die ihr Archiv bewusst auf einem eigenen Server statt bei einem US-Cloud-Anbieter betreibt, kennt dieses Problem gut: Jede zusätzlich gesparte Gigabyte bedeutet ein Jahr mehr Aufbewahrung auf der eigenen Festplatte, ohne dass personenbezogene Aufnahmen bei einem Drittanbieter landen. Aufgezeichnet wird meist als AAC, weil das die verbreitete Standardeinstellung vieler Streaming- und Mitschnittwerkzeuge ist.

Diese Umwandlung ändert nicht das einzelne Mitschnitt, sondern die Steigung der Kurve: Sie schreibt dieselbe Sprache in OPUS bei einem Bruchteil der Bitrate um, sodass dasselbe Archiv auf demselben Server deutlich länger Platz hat.

Einzelne Dateien sind bei dieser Aufgabe nicht das Problem, die Ansammlung ist es. Ein Stream, der bei einer für AAC-Mitschnitte typischen Bitrate durchgehend aufgezeichnet wird, kommt im Jahr leicht auf mehrere hundert Gigabyte. Zwei parallel mitgeschnittene Kanäle füllen so binnen eines Jahres ohne Weiteres eine Terabyte-Festplatte, und das Archiv wächst weiter, egal ob je wieder jemand hineinhört.

Opus ändert genau diese Steigung, weil die niedrigste Stufe für Sprache spürbar weniger Bitrate braucht als AAC in vergleichbarer Qualität. Wie viele Gigabyte das im Einzelnen sind, hängt von der gewählten Stufe und dem Inhalt ab und lässt sich am ehesten an einem eigenen Probemonat ablesen, nicht an einer pauschalen Zahl — die genaue Bitrate jeder Stufe legt die verwendete Bibliothek selbst fest und wird von dieser Seite nicht veröffentlicht. Entscheidend bleibt trotzdem: Diese Umwandlung verbessert an einer einzelnen Aufnahme nichts, sie ändert nur, wie viele Jahre Aufbewahrung dieselbe Festplatte künftig hergibt.

AAC wurde 1997 genormt, Opus 2012, aus zwei ursprünglich für unterschiedliche Zwecke entwickelten Codecs, zwischen denen Opus je nach Inhalt umschaltet — einer für Sprache, einer für Musik. Genau dieser Aufbau hält bei 32 und 48 kbps zusammen, wo AAC und MP3 bereits hörbare Artefakte erzeugen.

Für ein Archiv aus gesprochenem Wort ist das der ganze Punkt. An der Stelle, an der ein mit AAC kodierter Mitschnitt schon deutlich zu rauschen beginnt, klingt derselbe Inhalt aus der kleinsten Opus-Stufe noch wie ein gewöhnliches Telefonat — für Bürgerfunk, Predigten, Vorträge und Sitzungsmitschnitte vollkommen ausreichend. Ist der Inhalt musikalisch, gilt die Rechnung nicht, und die niedrige Stufe ist dann die falsche Wahl; für Musik lohnt sich die ausgewogene oder die hohe Stufe trotz der geringeren Ersparnis.

Das AAC hat bei der ursprünglichen Aufzeichnung bereits Teile des Signals dauerhaft entfernt, nach einem Modell dessen, was ein Hörer vermutlich nicht vermissen würde. Opus arbeitet jetzt mit dem, was übrig ist, und verbraucht einen Teil seines eigenen Budgets darauf, die Artefakte der ersten Kodierung mitzubeschreiben, als wären sie Inhalt. An einer zweiten Kodierung ist nichts kostenlos.

Vertretbar ist das hier wegen der Quelle. Mitgeschnittene Streams sind meist ohnehin schon durch eine Sendekette, einen Sender-Codec und ein Netzwerk gelaufen, bevor sie auf der eigenen Platte landen, waren also nie ein originalgetreues Dokument eines Raums. Eine bereits mehrere Generationen entfernte Kopie neu zu kodieren kostet verhältnismäßig weniger als das bei einem Master der Fall wäre.

Die Quelle ist hier meist ADTS-Framing: AAC-Frames aneinandergereiht, jeder mit einem kurzen, wiederholten Kopf für Abtastrate und Kanalkonfiguration, ohne umschließenden Container. Es gibt weder ein Inhaltsverzeichnis noch ein Längenfeld — bewusst so gebaut, damit sich ein Stream an beliebiger Stelle schneiden und an einen anderen anschließen lässt.

Für ein Archiv bedeutet das zweierlei: Die Länge einer Aufnahme steht nirgends in der Datei und muss durch Abtasten ermittelt werden, weshalb manche Player die falsche Dauer anzeigen. Und es gibt keinerlei Metadatenbereich — jede Angabe zu einem Mitschnitt, Datum, Sender, Kanal, steht ausschließlich im Dateinamen und im Ordnerpfad, oder nirgends.

Opus wird hier in einen Ogg-Container geschrieben, und Ogg kennt Vorbis-Kommentare: eine offene Liste von Feldern mit Text, so viele wie gewünscht. Das ist der erste Punkt in dieser Kette, an dem eine Aufnahme Datum, Quelle, Kanal und Aufbewahrungsklasse in sich selbst tragen kann statt nur im Dateipfad.

Das lohnt sich direkt bei der Umwandlung zu erledigen. Ein Archiv, das sich auf seine Ordnerstruktur verlässt, verliert seinen Katalog beim ersten Umsortieren der Platte oder bei der Wiederherstellung eines Backups an falscher Stelle; ein Archiv, dessen Dateien sich selbst beschreiben, übersteht das. Die Felder lassen sich gesammelt mit einem Tagger schreiben und wandern danach mit jeder weiteren Kopie mit.

Ein großer Teil mitgeschnittener Sprache ist im Grunde einkanalig — ein einzelner Sender, ein Mikrofon, ein bereits vor der Ausstrahlung zusammengemischtes Signal. Zwei identische Kanäle zu speichern verschenkt dann die Hälfte der Bitrate. Liegt tatsächlich nur eine Quelle vor, halbiert eine Zusammenführung zu Mono vor der Umwandlung das Ergebnis noch einmal zusätzlich zur Codec-Ersparnis.

Eine Kanalsteuerung bietet diese Seite nicht an — ein Stereo-AAC ergibt also ein Stereo-Opus, und die Reduktion muss vorher in einem eigenen Werkzeug geschehen. Tragen beide Kanäle unterschiedliche Inhalte — zwei getrennt mitgeschnittene Sender, ein Konferenzmitschnitt mit getrennten Sprecherspuren —, sollte das unangetastet bleiben, weil genau diese Trennung die Aufnahme später überhaupt brauchbar macht.

Opus läuft auf einer festen Taktrate von 48.000 Hz, und ein Decoder gibt diese Rate unabhängig von der ursprünglichen Aufnahme an. Rundfunk- und Konferenzmitschnitte liegen meist ohnehin schon bei 48.000 Hz, sodass sich nichts sichtbar ändert; eine mit 44.100 Hz oder eine schmalbandige Aufnahme mit 32.000 Hz erscheint danach trotzdem als 48 kHz.

Kein Hörer merkt das, kein Player stört sich daran. Relevant wird es nur, wenn ein Katalogisierungsskript die technische Abtastrate jeder Datei ausliest und protokolliert — das umgewandelte Archiv meldet dann überall dieselbe Zahl, wo die Originale mehrere unterschiedliche gemeldet hätten. Wer diesen Unterschied für die Sammlung braucht, sollte die ursprüngliche Rate während der Umwandlung als Tag festhalten, weil sie danach nicht mehr rekonstruierbar ist.

Klein schreibt spürbar weniger als Ausgewogen, Ausgewogen spürbar weniger als Hoch — die genaue Bitrate jeder Stufe legt die Kodierbibliothek selbst fest, nicht diese Seite, und lässt sich daher nicht seriös in Kilobit oder Megabyte je Stunde beziffern. Für ein Archiv ist die entscheidende Frage ohnehin nicht, welche Stufe am besten klingt, sondern wie viele Jahre Aufbewahrung jede davon auf der tatsächlich vorhandenen Festplatte kauft — und das lässt sich zuverlässig nur an der eigenen Ausgabedatei messen, nicht an einer Tabelle.

Für Sprache ist Klein die pragmatische Antwort im Regelfall, Ausgewogen für alles, was möglicherweise noch zitiert, transkribiert oder erneut gesendet wird. Hoch bleibt Musik und Material vorbehalten, das später noch geschnitten wird, wo dem Encoder Reserve nützt. Eine Probemonat in zwei Stufen umzuwandeln und beides gegenzuhören ist eine bessere Entscheidungsgrundlage als jede Tabelle.

Dateien sind auf 100 MB begrenzt — etwa dreieinhalb Stunden bei 64 kbps AAC — und bis zu hundert lassen sich in einem Durchgang ablegen und als ZIP zurückholen. Mitschnitte liegen meist ohnehin schon segmentiert vor, ein Tagesstapel stündlicher Dateien ist deshalb genau die passende Menge für einen einzelnen Durchgang.

Opus ist das einzige Audioziel hier, für das kein Encoder nachgeladen werden muss, weil jeder Browser es ohnehin für Anrufe mitbringt, und der AAC-Decoder ist auf dem Gerät bereits vorhanden. Ein ganzer Stapel läuft deshalb mit ruhendem Netzwerk durch — bei überwachten Kanälen oder Material unter einer Schweigepflicht ist das keine Annehmlichkeit, sondern die Voraussetzung dafür, dass die Umwandlung überhaupt stattfinden darf.