M4A in OPUS umwandeln

Kaum jemand wandelt hier einen gekauften Song um. Die M4A-Datei, die tatsächlich Probleme macht, ist ein Vorlesungsmitschnitt vom Handy, ein Diktat aus der Praxis oder der Kanzlei, ein Interview für eine Abschlussarbeit oder die Aufzeichnung eines Meetings. Lang, gesprochen, oft eine Stunde und mehr.

Genau für diese Aufnahmen ist Opus gemacht. Wer dagegen ein Album oder eine Podcast-Produktion mit Musikbetten umwandelt, sollte eher an der hohen Qualitätsstufe bleiben — die folgenden Abschnitte gelten vor allem für gesprochenes Wort.

Opus wurde 2012 als RFC 6716 verabschiedet und vereint zwei Techniken in einem Codec: eine für Sprache, eine für Musik, mit einem automatischen Wechsel dazwischen. Deshalb bleibt eine Stimme auch bei niedrigen Datenraten verständlich, während MP3 an derselben Stelle längst zu flattern beginnt.

Das ist der Grund, warum Messenger-Apps seit Jahren auf Opus setzen, wenn sie Sprachnachrichten übertragen. Für eine Vorlesung, ein Diktat oder ein Interview ist das exakt das Einsatzgebiet, für das der Codec entworfen wurde — nicht ein Kompromiss, sondern der eigentliche Zweck.

Ein einstündiger Mitschnitt sprengt schnell das, was ein Postfach noch annimmt. GMX und WEB.DE begrenzen Anhänge klassischerweise auf rund 50 MB, viele Hochschul- und Firmenserver ziehen die Grenze deutlich enger, oft bei 25 MB. Ein Cloud-Ordner wie Sciebo oder ein Uni-LMS hat eigene, meist ebenso knappe Vorgaben.

Eine kleinere Opus-Datei ist deshalb kein kosmetischer Vorteil, sondern der Unterschied zwischen einer Mail, die ankommt, und einer Fehlermeldung des Mailservers. Bei Materialien für ein ganzes Semester summiert sich das schnell auf mehrere Gigabyte, die so gar nicht erst entstehen.

Diese Seite bietet keine Umschaltung von Stereo auf Mono an. Wer eine Stereoaufnahme hochlädt, bekommt eine Stereo-Opus-Datei zurück, auch wenn beide Kanäle bei einer Person, die allein ins Handy spricht, fast identisch sind.

Wer diesen letzten Rest an Größe noch herausholen will, summiert die Aufnahme vorher in einem freien Audio-Editor auf einen Kanal und wandelt danach um. Bei einem Gespräch mit zwei Sprechern auf getrennten Mikrofonen sollte die Trennung dagegen bestehen bleiben, weil sie ein Transkript erst zuordenbar macht.

Jeder aktuelle Browser spielt Opus ab, Android ebenso, und die gängigen Transkriptionswerkzeuge reichen die Datei an einen Decoder weiter statt sie an einer Dateiendung zu prüfen. Für den überwiegenden Teil der Ziele ist das kein Problem.

Ältere Upload-Formulare mit einer festen Liste erlaubter Endungen, manche Praxisverwaltungssysteme und einzelne Fahrzeug-Infotainmentsysteme kennen Opus dagegen nicht. Wird eine Datei allein wegen der Endung abgelehnt, hilft mitunter das Umbenennen in .ogg; kennt das Zielsystem den Codec grundsätzlich nicht, ist Opus schlicht die falsche Wahl gewesen.

Die AAC-Daten in der M4A-Datei haben bereits einmal Informationen verworfen, die das Gehör laut Modell nicht vermisst. Opus wandelt diese schon reduzierten Daten erneut um und verwirft nach eigenen Regeln ein zweites Mal — das ist bei jeder verlustbehafteten Umwandlung unvermeidlich.

Bei gesprochenem Wort fällt das in der Praxis kaum ins Gewicht: Konsonanten und Zischlaute sind das Erste, was leidet, und selbst dort bleibt eine Automatische Spracherkennung meist zuverlässig. Bei Musik oder Applaus ist der Effekt deutlicher hörbar, entsprechend lohnt sich dort die hohe statt der kleinen Qualitätsstufe.

Opus läuft intern immer mit einer festen Taktrate von 48.000 Hz, unabhängig davon, mit welcher Rate die Originalaufnahme entstanden ist. Für das bloße Anhören ändert das nichts — ein iPhone-Diktiergerät oder ein Zoom-Export liegt ohnehin meist schon nahe an diesem Wert.

Relevant wird es nur, wenn eine nachgeschaltete Software die technische Abtastrate ausliest und mit einem festen Wert erwartet. Wer eine Aufnahme in eine Spracherkennungs-Pipeline mit fester Eingaberate einspeist, sollte das im Blick behalten — die allermeisten aktuellen Werkzeuge rechnen intern ohnehin selbst um.

Der Container M4A trägt zwei völlig verschiedene Inhalte: AAC, das komprimiert, oder Apple Lossless, das nichts verwirft. Diese Seite decodiert AAC, kann eine Apple-Lossless-Datei aber nicht öffnen — die Umwandlung bricht dann mit einer Meldung ab, statt etwas Fehlerhaftes zu erzeugen.

Die Dateigröße verrät vorab, welcher der beiden Fälle vorliegt: Vier Minuten AAC wiegen wenige Megabyte, dieselben vier Minuten als Apple Lossless liegen bei zwanzig bis dreißig. Wer eine so große M4A-Datei besitzt und sie klein bekommen möchte, exportiert besser direkt aus der Quelle als AAC neu.

Ein Interview, eine Sitzung des Betriebsrats oder ein Beratungsgespräch enthält fast immer die Stimme einer anderen Person, die zugestimmt hat, aufgenommen zu werden — nicht zwangsläufig dazu, dass die Aufnahme über einen fremden Server läuft. Genau das passiert hier nicht.

AAC wird vom eigenen Gerät decodiert, und Opus benötigt keinen Zusatz-Download für die Kodierung, sodass die gesamte Umwandlung im Tab stattfindet und die Netzwerkübersicht des Browsers während der Umwandlung leer bleibt. Das lässt sich mit Bordmitteln jederzeit selbst nachprüfen.

Bis zu hundert Aufnahmen lassen sich in einem Durchgang ablegen, jede einzeln bis 100 MB groß — mehr als drei Stunden einer typischen Diktiergerät-Aufnahme. Ein einzelnes Vorlesungsmitschnitte-Semester ist damit in einem Rutsch erledigt, nicht Datei für Datei.

Am Ende steht ein ZIP-Archiv mit allen Ergebnissen, ohne Warteschlange und ohne Kontenpflicht. Da die Umwandlung im Browser läuft, kostet ein größerer Stapel niemanden Serverkapazität — die praktische Grenze ist allein der Arbeitsspeicher des eigenen Geräts.

Opus ist bei Sprache das effizienteste Format, das dieses Werkzeug anbietet — aber nicht das kompatibelste. Ein altes Diktiersystem in der Verwaltung, eine Praxissoftware mit fester Formatliste oder ein Gerät ohne aktuellen Browser lesen MP3 zuverlässiger.

Wer nicht weiß, wie das Zielsystem reagiert, probiert eine einzelne Datei zuerst aus, bevor ein ganzes Semester oder ein ganzer Aktenordner an Aufnahmen umgewandelt wird. Zehn Sekunden Test sparen im Zweifel eine zweite Runde für den ganzen Stapel.