M4A in AAC umwandeln

Genau darum geht es bei diesem Paar, und genau das wird auf den meisten Konverterseiten falsch dargestellt. AAC ist ein Codec — 1997 als Teil von ISO/IEC 13818-7 standardisiert, als geplanter Nachfolger von MP3 — und komprimiert tatsächlich den Klang. M4A ist ein Behälter: eine MP4-Datei, die Apple seit iTunes 4 im Jahr 2003 verwendet, mit genau einer Tonspur, die normalerweise AAC enthält. Fast jede .m4a und fast jede .aac auf einer Festplatte tragen denselben Codec, der Unterschied liegt vollständig in dem, was drumherum liegt.

Der MP4-Kopf ist keine Dekoration. Er hält fest, wie lang der Ton ist, wie viele Kanäle er hat, wo jeder Sample beginnt, damit ein Player auf eine beliebige Sekunde springen kann, und einen Metadatenblock für Titel, Interpret und Cover. Eine reine .aac-Datei hat davon in der Regel nichts, und die folgenden Abschnitte handeln davon, was das Wegwerfen dieser Hülle kostet und bringt.

Die typische deutsche Zielgruppe für diese Umwandlung sitzt nicht am Schreibtisch, sondern in der Entwicklung: ein Infotainmentmodul eines Automobilzulieferers, ein DSP-Evaluierungsboard eines Mittelständlers, ein IP-Kamera-Modul, dessen Audiopfad einen Frame-Dekoder ohne MP4-Parser enthält. Solche Geräte wollen Frames, keine Datei mit Kopfbereich, und ADTS liefert genau das.

Auch ältere Android- und Java-Audiopfade sowie Testrahmen für Encoder arbeiten auf Frame-Ebene, weil sich ADTS an beliebiger Framegrenze schneiden, zusammenfügen und starten lässt, ohne einen Kopfbereich neu schreiben zu müssen. Auf einem gewöhnlichen Rechner ist eine rohe .aac-Datei dagegen in jeder Hinsicht unpraktischer als die M4A, aus der sie stammt.

Die naheliegende Geschichte zu diesem Paar ist, dass beide Dateien AAC enthalten und die Umwandlung deshalb nur ein Umverpacken ist — Frames aus der MP4 herauslösen, jeden in einen ADTS-Kopf einwickeln, fertig, ohne Qualitätsverlust. Das ist technisch möglich und die zugrunde liegende Bibliothek unterstützt diesen Weg.

Dieser Konverter nutzt ihn nicht. Für jedes komprimierte Ziel wird dem Encoder eine Bitrate übergeben, was den Stream-Copy-Pfad der Bibliothek deaktiviert — der Ton wird also zu Samples dekodiert und erneut kodiert. Praktisch bedeutet das einen zweiten verlustbehafteten Durchgang auf bereits verlustbehaftetem Material: bei sinnvoller Einstellung meist unhörbar, aber nicht nichts. Für hörbar bessere Ergebnisse eignet sich die Einstellung „Hoch", die oberste der drei angebotenen Stufen. Wo eine wirklich bitgenaue Umverpackung gebraucht wird, ist ein Kommandozeilenwerkzeug mit echtem Stream-Copy das richtige Werkzeug, und das offen zu sagen ist ehrlicher als das Gegenteil zu behaupten.

Drei Dinge, und alle drei fallen sofort auf. Die Spieldauer verschwindet, weil ADTS kein Feld dafür hat — ein Player schätzt sie aus Dateigröße und der Bitrate des ersten Frames und liegt bei variabler Bitrate daneben. Die Sample-Tabelle verschwindet ebenso, sodass Springen zu einer Suche nach dem nächsten Sync-Wort wird, was das Ruckeln beim Scrubben und die springende Fortschrittsanzeige erklärt.

Und der Metadatenblock verschwindet mitsamt dem klar definierten Platz für ein Cover. An seine Stelle tritt ein ID3v2-Kopf, der vorne an den Stream angehängt wird — dasselbe Verfahren wie bei MP3, eine Konvention und kein Teil des AAC-Standards. Desktop-Player lesen ihn meist problemlos, eingebettete Dekoder oft nicht, manche halten die ID3-Bytes sogar für beschädigten Ton. Ein Grund, das allererste Ergebnis auf dem tatsächlichen Zielgerät zu testen.

Die Qualitätseinstellung ist ein Regler mit drei Stufen — „Klein", „Ausgewogen", „Hoch" —, die sich intern auf die Bitraten-Konstanten der verwendeten Kodierbibliothek abbilden, statt dass diese Seite selbst eine Kilobit-Zahl festlegt. Eine feste Angabe wie 128 oder 192 kbit/s wäre deshalb ein Versprechen, das eine künftige Version der Bibliothek stillschweigend brechen könnte.

Für dieses Paar ist die Entscheidung meist einfach: fast immer „Hoch". Da bereits einmal komprimierter Ton erneut kodiert wird, ist ausreichend Spielraum für den Encoder die einzige Absicherung gegen einen hörbaren zweiten Durchgang, und die üblichen Gründe für eine rohe Stream-Datei sind selten Gründe, an Byte zu sparen.

Die Registrierung listet für M4A sowohl AAC als auch ALAC als möglichen Codec, und eine mit iTunes von CD gerippte Datei kann durchaus Apple Lossless enthalten. ADTS kann ALAC überhaupt nicht tragen — es ist ausschließlich ein AAC-Frame-Format —, es gibt also keine Version dieser Umwandlung, die eine verlustfreie Quelle erhält.

In der Praxis stoppt die Umwandlung, statt still etwas Falsches zu erzeugen: ALAC gehört nicht zu den auf diesem Weg verfügbaren Codecs, und die Meldung lautet, dass nichts in der Datei konvertierbar war. Die Dateigröße verrät es meist im Voraus: vier Minuten AAC liegen bei drei bis fünf Megabyte, Apple Lossless bei zwanzig bis dreißig. Ist das der Fall, ist ein roher AAC-Stream ohnehin das falsche Ziel.

ADTS-Köpfe tragen pro Frame eine Kanalkonfiguration und einen Index für die Abtastrate, mono bleibt also mono, stereo bleibt stereo, und die Rate der Quelle wird unverändert übernommen — auch ungewöhnliche Werte, die ein eingebettetes Zielgerät ausdrücklich braucht.

Der Frequenzindex ist dabei eine feste Tabelle statt einer beliebigen Zahl, was bei einem Gerät zu beachten ist, das eine bestimmte Rate vorschreibt. Übliche Werte sind abgedeckt; eine exotische Rate außerhalb der Tabelle hat keine ADTS-Entsprechung. Genau deshalb lohnt sich das erste Ergebnis auf dem Zielgerät zu prüfen, bevor ein ganzer Bestand an Dateien umgewandelt wird.

Bei diesem Paar zahlt sich ein Probelauf besonders zuverlässig aus, weil das Ziel meist ein Gerät und keine Person ist. Eine Datei umwandeln, aufs Zielgerät spielen und drei Dinge prüfen: dass sie überhaupt läuft, dass sie ab dem ersten Frame spielt statt zu überspringen, und dass der ID3-Kopf am Anfang den Dekoder nicht stört.

Sobald das funktioniert, ist die Stapelverarbeitung unkompliziert: Ordner ablegen, ZIP zurückbekommen, bis 100 MB je Datei, bis zu hundert Dateien pro Stapel, ohne Upload. Das Dekodieren nutzt die Codecs des eigenen Geräts, der AAC-Encoder läuft im Tab — nativ, wo der Browser einen mitbringt, sonst als nachgeladenes WebAssembly-Paket, weil Firefox keinen eigenen AAC-Encoder mitliefert.

Das Entpacken der M4A, das Dekodieren und das erneute Kodieren finden im eigenen Browsertab statt, nicht auf einem Server. Wer prüfen will, ob wirklich nichts übertragen wird, öffnet den Netzwerktab der Entwicklerwerkzeuge während einer Umwandlung — dort erscheint keine Anfrage, die Audiodaten enthält.

Für Firmenumgebungen mit strengen IT-Vorgaben zu Cloud-Uploads ist das mehr als eine technische Nebensächlichkeit: Ein Audiobeispiel für ein noch nicht angekündigtes Gerät oder ein internes Testfile lässt sich hier bearbeiten, ohne es jemals außerhalb des eigenen Rechners zu haben.

In deutschen Foren und in internen Wikis liest man häufig, M4A und AAC seien „im Grunde dasselbe" und eine Umbenennung reiche aus. Die Dateiendung lässt sich zwar ändern, aber ein Player, der eine ADTS-Struktur erwartet, findet in einer umbenannten MP4-Datei keinen gültigen Anfang und weigert sich, sie zu öffnen — und umgekehrt versucht kein MP4-Player, eine rohe ADTS-Datei als Container zu lesen.

Der einzige verlässliche Weg vom einen zum anderen ist eine echte Umwandlung wie diese, mit dem Wissen, dass dabei neu kodiert wird. Wer das vor der Umwandlung weiß, wählt die passende Qualitätsstufe bewusst statt zufällig.