M4V in AAC umwandeln

M4V ist die Endung, die Apple-Software für Video vergibt: ein Export aus iMovie nach der Kita-Abschlussfeier, eine Aufnahme aus QuickTime, ein Schnitt aus Final Cut — und eben auch ein Kauf aus dem iTunes Store. Alle tragen dieselbe Dateiendung, und nur an der Endung lässt sich nicht erkennen, welche der beiden Welten man vor sich hat.

Der Unterschied entscheidet aber, ob diese Seite überhaupt weiterhilft. Ein selbst produziertes Video wandelt anstandslos um; ein gekaufter Film tut das nicht, und der Grund dafür ist keine technische Beschränkung dieser Seite, sondern eine Verschlüsselung, die absichtlich so gebaut ist.

Filme und Serien aus dem iTunes Store tragen FairPlay-Kopierschutz. Der Ton lässt sich ohne den passenden Schlüssel gar nicht erst entschlüsseln, und den Schlüssel hat Apple, nicht der Käufer. Die Umwandlung bricht deshalb sofort ab und meldet, dass nichts in der Datei umgewandelt werden konnte — kein Absturz, keine defekte Datei, sondern der Schutzmechanismus, der genau das tut, wofür er gebaut wurde.

Kein Werkzeug, das im Browser läuft, kommt daran vorbei, und jede Seite, die etwas anderes verspricht, will die Datei erst einmal hochgeladen haben, um es „auszuprobieren". Der schnellere Weg ist, die Herkunft der Datei anzusehen: Kam sie aus dem iTunes Store oder der Apple-TV-App, ist sie geschützt. Kam sie aus iMovie, QuickTime, Final Cut, von einer Kamera oder einem Handy, ist sie es nicht.

Wer hier landet, hat meist in einem Datei-Inspektor gesehen, dass die M4V-Datei AAC-Ton enthält, und daraus geschlossen, dass eine AAC-Datei das Ziel sein muss. Das beschreibt den Codec richtig und die gewünschte Datei falsch.

Eine .aac-Datei ist ein nackter Strom aus Audioframes ohne Titel, ohne Coverbild und ohne Sprungmarken — mehrere gewöhnliche Player öffnen sie erst gar nicht. Eine .m4a-Datei verpackt denselben Ton in einen Container mit Titel, Interpret, Coverbild und einem Index zum Vor- und Zurückspulen. Soll die Datei auf ein Handy oder in eine Musikbibliothek, ist damit fast immer M4A gemeint, nicht AAC.

Ein Lauf von AAC-Frames, jeder mit einem kurzen Kopf, der seine eigene Abtastrate und Kanalzuordnung nennt, und sonst nichts. Keine Metadaten, keine Kapitelmarken, kein Coverbild, keine am Anfang gespeicherte Gesamtlänge.

Die praktische Folge: Manche Player zeigen erst die falsche Länge an, bis die Datei einmal komplett durchgelesen wurde, und Vor- und Zurückspulen ist ungenau statt exakt. Das ist kein Fehler — ein Strom hat schlicht kein Inhaltsverzeichnis, weil er nie zum Durchblättern gedacht war.

Der Strom fasst genau eine Tonspur. Eine M4V-Datei mit Originalton und einer zweiten Sprache, einer Audiodeskription oder einem Kommentar liefert nur die erste davon, ohne dass sich auswählen ließe, welche.

Das lohnt einen zweiten Blick besonders bei Apple-Inhalten, denn mehrere Tonspuren kommen dort deutlich häufiger vor als bei einer Handyaufnahme oder einem eigenen Videomitschnitt. Ein Vortrag mit Übersetzungsspur oder ein Film mit Kommentar hat mitunter mehr als eine, und die erste ist nicht zwangsläufig die gewünschte.

Der Ton in der M4V-Datei ist bereits AAC, das Ziel ist ebenfalls AAC — eine reine Kopie der Frames wäre also im Prinzip möglich gewesen. Dieser Weg geht ihn nicht: Der Ton wird decodiert und erneut kodiert, was eine Generation Qualität kostet.

Bei Sprache hört das niemand. Bei Musik ist es messbar — und ein reiner Paket-Kopierpfad ohne Decoder existiert auf dieser Seite derzeit für keine Umwandlung, auch nicht beim Werkzeug „Ton extrahieren": Auch dort wird decodiert und mit der gewählten Qualitätsstufe neu kodiert. Bei einem Konzertmitschnitt oder einem Musikvideo hilft am ehesten die höchste Qualitätsstufe; wer die Originalpakete wirklich unangetastet braucht, kommt an einem externen Werkzeug wie FFmpeg mit `-c:a copy` nicht vorbei.

Apple-Software-Video trägt häufiger als anderes Kapitelmarken, ein Titelbild und ordentliche Metadaten, weil genau das im Store und in der Apple-TV-App angezeigt wird. In einen nackten Audiostrom passt davon nichts, weil dort schlicht kein Platz dafür ist.

Ist genau das wichtig — ein in Kapitel unterteiltes Hörbuch, eine mehrteilige Vorlesungsreihe —, lohnt sich die Extraktion nach M4A statt nach AAC, mit dem Wissen, dass die Metadaten danach von Hand ergänzt werden müssen. Ein Tagging-Programm braucht dafür eine Minute und liefert eine Datei, die eine Bibliothek anschließend richtig einsortiert.

Die höchste Qualitätsstufe zu wählen macht den Ton nicht besser, als er in der M4V-Datei bereits war. Der ursprüngliche Ton wurde einmal kodiert, mit welcher Bitrate auch immer, und was dabei verworfen wurde, ist verworfen. Eine höhere Einstellung beim zweiten Durchlauf gibt lediglich mehr Bits aus, um das Verbliebene treuer wiederzugeben.

Praktisch schützt die hohe Stufe eher, als dass sie verbessert. Bei großzügig kodiertem Ausgangsmaterial — einem Musikvideo, einem Konzertmitschnitt — lohnt sie sich, weil dort noch etwas zu bewahren ist. Bei einem Vortrag, der schon zurückhaltend fürs Streaming kodiert wurde, unterscheidet sich die mittlere Stufe hörbar nicht von der hohen, ist aber deutlich kleiner.

VLC und FFmpeg lesen rohe AAC-Ströme anstandslos, ebenso Kommandozeilenwerkzeuge, wie sie in jeder Medienpipeline schon vorhanden sind. Browser, Handys und die meisten Musikprogramme dagegen erkennen Audio am Container und finden hier keinen.

Dass die frisch heruntergeladene Datei sich auf demselben Rechner nicht per Doppelklick öffnen lässt, ist also kein Fehler, sondern erwartbar. Soll jemand anderes die Datei hören, oder soll sie in eine Musikbibliothek, ist M4A die Datei, die tatsächlich weitergegeben werden sollte.

Decodierung und Kodierung laufen beide im Browser-Tab auf dem eigenen Prozessor, sodass nichts, was das Video enthält, irgendwohin verschickt wird — im Netzwerk-Tab der Entwicklerwerkzeuge lässt sich das nachprüfen. Die kostenlose Stufe nimmt Dateien bis 100 MB, ohne Konto und ohne Tageslimit.

Für die Dateien, die auf dieser Seite landen, ist genau das die passende Lösung. Apple-Format-Video ist häufig ein Kauf, eine private Aufnahme der Kinder oder etwas, das nur für einen bestimmten Personenkreis gedacht ist, und der kürzeste Weg zwischen der Datei und dem Ton führt hier nicht über einen Server.