M4A in OGG umwandeln

Bei der „Gesprochenen Wikipedia" liest ein Freiwilliger einen Artikel vor, meist mit dem Diktiergerät oder dem iPhone, und die Datei landet erst einmal als M4A auf der Festplatte. Wikimedia Commons nimmt AAC-Dateien nicht an — die Projektregel verlangt ein Format, das jeder ohne Lizenzfrage abspielen kann, und M4A steht auf der falschen Seite dieser Regel.

Dasselbe Muster taucht bei freier Software, bei Linux-Distributionen und in Spiele-Engines auf: Wer patentbehaftete Decoder grundsätzlich nicht ausliefern will, verlangt Ogg. Die Frage ist dabei fast nie, wie die Aufnahme klingt, sondern welche Lizenz das Format mitbringt.

Das gehört an den Anfang, nicht in eine Fußnote. Ogg ist nur der Container, und dieser Konverter füllt ihn mit Opus statt mit Vorbis. Wer seit fünfundzwanzig Jahren „Ogg" hört und automatisch „Vorbis" denkt, wird hier überrascht — Opus ist der neuere und bessere Codec, aber ein Werkzeug, das ausdrücklich Vorbis erwartet, weist die Datei trotz passender Endung zurück.

Für die „Gesprochene Wikipedia" ist das in der Praxis kein Problem: Wikimedia Commons akzeptiert Opus in Ogg ausdrücklich, und die meisten Vorlesegruppen in der deutschsprachigen Wikipedia laden längst genau so hoch. Bei einer älteren Spiele-Engine oder einem Archiv, das ausschließlich Vorbis liest, lohnt sich vorher ein Blick in die jeweilige Vorgabe.

Opus in Ogg ist exakt das, was RFC 7845 beschreibt, und .ogg ist dafür eine völlig legitime Endung. Trotzdem hat sich in der Praxis eine Konvention eingeschlichen: .opus für Opus-in-Ogg, .ogg für Vorbis-in-Ogg — und manche Software richtet sich nach der Endung statt nach dem tatsächlichen Dateikopf.

Wird eine Datei zurückgewiesen, weil sie „falsch aussieht", kostet das Umbenennen von .ogg auf .opus nichts und löst das Problem meistens. Verlangt die Gegenstelle wirklich Vorbis, hilft kein Umbenennen — dann braucht es einen Desktop-Encoder, der Vorbis tatsächlich schreiben kann.

Die M4A-Datei enthält fast immer AAC, und AAC hat beim Aufnehmen bereits endgültig Details verworfen. Beim Umwandeln wird ein zweites Mal verworfen, und die beiden Encoder sind sich nicht einig, was wichtig ist — der zweite verschwendet also Bits darauf, die Artefakte des ersten zu beschreiben. Das ist der übliche Preis jeder verlustbehafteten Umwandlung in ein anderes verlustbehaftetes Format.

Opus macht diesen Preis kleiner als die meisten anderen Codecs, weil der Codec bei gleicher wahrgenommener Qualität deutlich weniger Bits braucht als MP3 oder AAC. Bei einer vorgelesenen Wikipedia-Seite, also reiner Sprache, ist der Unterschied zum Original schon in der mittleren Stufe kaum zu hören.

Klein, Ausgewogen und Hoch geben die Bitrate nicht als Zahl an unseren Code weiter, sondern als eine von drei Konstanten der Kodierbibliothek — die je nach Codec auf einen anderen Wert aufgelöst wird, und genau deshalb wird hier keine kbit/s-Zahl genannt. Eine aus einer anderen Anleitung kopierte Zahl wäre eine Zusicherung, die dieser Code nicht macht und nicht prüft.

Für eine gesprochene Wikipedia-Seite genügt die mittlere Stufe praktisch immer. Bei Musik oder Gesang lohnt sich die hohe Stufe, weil hier die Feinheiten stärker auffallen — am verlässlichsten lässt sich das mit einer kurzen Testdatei auf der eigenen Abspielanlage prüfen, statt sich auf eine Zahl zu verlassen.

Ogg trägt Metadaten als Vorbis-Comments direkt am Audiostrom — ein Mechanismus, der Titel, Künstler:in, Album, Datum und ein eingebettetes Bild durchaus fassen kann. Was diese Umwandlung tatsächlich an Tags übergibt, reicht der Konvertierungspfad an die Kodierbibliothek aber nicht explizit weiter, und ohne diese Angabe entscheidet die Bibliothek selbst, was ankommt.

Für eine Aufnahme, bei der Lizenz und Sprecherangabe an den Tags hängen, heißt das: nach dem Umwandeln kurz mit einem Tag-Editor nachsehen, statt sich darauf zu verlassen. Das eigene Werkzeug zum Entfernen von Metadaten auf dieser Seite ist hier keine Hilfe — das ist ein anderer, gezielt anderes tuender Codepfad und für eine Umwandlung wie diese nicht gedacht.

Neben AAC kann M4A auch Apple Lossless (ALAC) enthalten, etwa aus einer alten iTunes-Rippung eines Chorkonzert-Mitschnitts. Dieser Decoder-Pfad kennt kein ALAC, also stoppt die Umwandlung mit einer Meldung, statt eine kaputte Datei auszuliefern.

Die Dateigröße verrät es vorher: vier Minuten AAC sind drei bis fünf Megabyte, dieselbe Länge als ALAC zwanzig bis dreißig. Liegt Letzteres vor und die Vorgabe verlangt ein freies Format, ist FLAC die richtige Zielwahl — verlustfrei zu verlustfrei, ohne zweite Kodierung, und von Wikimedia Commons aus demselben Lizenzgrund akzeptiert.

Opus ist bei den Kanälen großzügiger als MP3, das bei zwei bleibt — die Registry verzeichnet für Opus bis zu 255. Für eine gewöhnliche Mono- oder Stereo-Aufnahme, wie sie beim Vorlesen entsteht, spielt das keine Rolle, kommt aber jedem Mehrkanal-Material zugute.

Ein Detail lohnt sich zu kennen, wenn irgendetwas mit der Aufnahme synchron bleiben muss: Opus arbeitet fest mit 48.000 Hz, ein Player meldet also 48 kHz, selbst wenn das M4A ursprünglich mit 44.100 Hz aufgenommen war. Zu hören ist das nicht, aber eine Pipeline, die von unveränderter Abtastrate ausgeht, sollte das vorher wissen.

Die deutschsprachige Wikipedia hat eine der aktivsten Vorlesegruppen im gesamten Wikimedia-Universum, und die Projektseite Gesprochene Wikipedia listet seit Jahren, welche Artikel schon vertont sind und welche noch fehlen. Wer dort mitmacht, nimmt meist am Diktiergerät oder mit dem Smartphone auf, oft in AAC, weil das die Standardeinstellung der eigenen Aufnahme-App ist — und trifft dann auf eine Commons-Regel, die genau dieses Format ausschließt.

Der Grund dafür ist keine technische Marotte, sondern die Grundsatzentscheidung von Wikimedia, ausschließlich Medien zu verbreiten, die niemand für eine Lizenzgebühr entschlüsseln muss. Für eine einzelne Vorlesung mag das nach viel Aufwand für eine einzige Dateiendung aussehen; für ein Projekt, das mit Millionen Nutzenden rechnet, ist es die einzige Haltung, die sich konsequent durchhalten lässt.

Eine vorgelesene Wikipedia-Seite ist selten in einem Rutsch fertig — häufig liest jemand einen langen Artikel in mehreren Sitzungen ein, oder zwei Freiwillige teilen sich Abschnitte. Ogg selbst kennt keine Kapitelmarken in der Form, wie ein Hörbuchformat sie hätte; was hier ankommt, sind Titel, Sprecher:in im Kommentarfeld und der reine Audiostrom.

Für eine mehrteilige Aufnahme bleibt deshalb die gewachsene Praxis der Vorlesegruppen die richtige: mehrere Ogg-Dateien mit durchgehender Nummerierung statt eine einzelne Datei mit unsichtbaren Kapitelgrenzen. Das ist keine Einschränkung dieser Umwandlung, sondern eine Eigenschaft des Formats, die die Community um die Gesprochene Wikipedia lange vor diesem Konverter schon so gelöst hat.

Gelegentlich meldet ein Upload-Assistent, dass die Datei nicht angenommen wird, obwohl sie eindeutig als Ogg mit Opus vorliegt — meist liegt das nicht am Codec, sondern an der Dateigröße gegenüber dem Upload-Limit des jeweiligen Formulars, oder an einem fehlenden Lizenzbaustein in der Beschreibung, den Commons unabhängig vom Audiocodec verlangt. Es lohnt sich, die Fehlermeldung wörtlich zu lesen, bevor man den Codec verdächtigt, weil die eigentliche Ursache fast immer woanders liegt.

Ein zweiter, selteneren Fall betrifft sehr alte Wikis oder Sonderprojekte, die noch eine Positivliste bestimmter Ogg-Profile führen und ein neueres Opus-Profil ablehnen, das es beim Verfassen ihrer Regeln noch nicht gab. Dort hilft nur eine kurze Rückfrage bei der jeweiligen Projektseite — ein Konverter kann eine solche projektspezifische Regel nicht kennen, weil sie nirgends im Dateiformat selbst steht.

Opus ist der einzige Ton-Zielcodec hier, für den nichts nachgeladen werden muss. Jeder Browser bringt ihn wegen Videotelefonie ohnehin mit, anders als bei MP3, AAC und FLAC, wo ein WebAssembly-Paket erst kommt. Die Umwandlung beginnt also sofort.

Zusammen mit dem im Gerät ohnehin vorhandenen AAC-Decoder läuft die ganze Operation ohne Download und ohne Upload im Tab. Dateien bis 100 MB werden angenommen, ein ganzer Ordner kommt als ZIP zurück — für eine Aufnahme, die später bewusst hochgeladen werden soll, ist das mehr als eine Nebensache: Sie wird erst zum Beitrag, wenn du sie dazu machst, nicht schon beim Umwandeln.