M4V in AVIF umwandeln

Wer diese Seite sucht, hat meist eine konkrete Zahl im Kopf: die Ladezeit eines Titelbilds auf einer Seite, deren Geschwindigkeit gemessen und diskutiert wird. Ein M4V aus Apples eigener Produktion liefert dafür oft das beste Ausgangsmaterial, weil ein einzelnes Bild daraus deutlich schärfer ist als ein Bildschirmfoto oder eine nachträglich hochskalierte Grafik.

AVIF ist bei gleicher sichtbarer Qualität das kleinste Bildformat, das dieser Konverter schreibt, und genau deshalb kostet es auch am meisten Rechenzeit. Das lohnt sich für das eine große Bild oben auf der Seite und selten für mehr als das.

AVIF ist kein eigener Bildcodec, sondern ein Einzelbild von AV1 in einem eigenen Behälter. Stammt das Ausgangsvideo bereits von AV1, ist die Umwandlung ungewöhnlich gutmütig, weil die Eigenheiten des ersten Kodierdurchgangs genau die Formen sind, die der zweite effizient beschreibt.

Ein M4V trägt H.264 oder HEVC, beide aus der MPEG-Welt, sodass das Bild beim Herausgehen die Familie wechselt. Der Umweg über Pixel dazwischen kostet weniger, als es klingt — der Encoder bekommt ein Bild, keine Darstellung, die er neu interpretieren müsste —, aber ein Verwandtschaftsargument gibt es hier nicht, und das Bild wird rein als Bild beurteilt.

Die Registrierung führt AVIF mit zwölf Bit und weitem Farbraum, und das stimmt für das Format. Für diesen Weg stimmt es nicht. Das Bild kommt über eine Leinwand aus dem Decoder heraus, die acht Bit je Kanal im gewöhnlichen sRGB liefert, und genau das erhält der Encoder.

Das wird bei aktuellen Apple-Aufnahmen konkret, weil neuere iPhones und Final-Cut-Exporte selbstverständlich HDR mitbringen. Diese Abstufung übersteht die Umwandlung nicht: Lichter werden in den Acht-Bit-Bereich zusammengedrückt, und das Ergebnis wirkt wie mit einer gewöhnlichen Kamera aufgenommen. Für eine Webseite ist das die richtige Vereinfachung, weil kaum etwas nachgelagert die zusätzliche Tiefe genutzt hätte. Geht es um die Abstufung selbst, ist das hier nicht das richtige Werkzeug.

Die Kodierkosten fallen je Bild an, und sie sind nicht klein. AV1 gewinnt seine Effizienz durch eine erschöpfende Suche über mögliche Beschreibungen jedes Bildblocks, und bei einem vollauflösenden Bild aus einer 4K-Aufnahme kostet diese Suche auf einer ordentlichen Maschine echte Sekunden, auf einer bescheideneren entsprechend mehr.

Das legt fest, wofür diese Umwandlung gedacht ist. Ein großes Bild oben auf einer Seite, sehr oft ausgeliefert, zahlt die Wartezeit vielfach zurück. Eine Übersicht mit Kursvorschauen tut das nicht — die Ersparnis je Bild ist bei Vorschaugröße klein, und die Wartezeit vervielfacht sich mit der Zahl der Videos. WebP für das Raster, AVIF für den Kopf — genau die Aufteilung, bei der Performance-Arbeit ohnehin landet.

Die Bundesnetzagentur veröffentlicht seit Jahren Berichte über Funklöcher und schwankende Mobilfunkgeschwindigkeit abseits der Ballungsräume, und wer eine Seite für ein deutsches Publikum baut, entwirft realistischerweise für eine Verbindung, die auf der Zugfahrt zwischen zwei Städten kurz auf eine Bar zurückfällt. Ein Titelbild, das dort in wenigen hundert Kilobyte ankommt statt in zwei Megabyte, entscheidet in solchen Momenten darüber, ob die Seite überhaupt fertig lädt, bevor die Verbindung wieder wechselt.

Das ist kein Grund, jedes Bild auf einer Seite so zu behandeln — die Kodierzeit verbietet das ohnehin —, sondern ein Grund, ausgerechnet das eine Bild ernst zu nehmen, das beim ersten sichtbaren Seiteninhalt zählt.

Der Zeitstempel akzeptiert bis zu 86.400 Sekunden, jeder Moment einer langen Aufnahme ist also über die Sekundenzahl erreichbar. Welche Zahl die richtige ist, entscheidet der Videoencoder und nicht die eigene Wahl: Eine gehaltene Einstellung, eine Folie oder ein Sprecher zwischen zwei Gesten war teuer zu kodieren und kommt detailreich heraus, ein Schwenk oder ein Schnitt war billig und kommt weich heraus.

Bei diesem Paar zählt diese Entscheidung mehr als das Format. Ein Standbild aus einem ruhigen Moment, als JPG gespeichert, schlägt eines aus einer Bewegung, als AVIF gespeichert, in jeder Hinsicht einschließlich der Dateigröße, weil ein verwischtes Bild voller Details steckt, die ein Encoder erst beschreiben muss. Den Zeitstempel um eine halbe Sekunde zu verschieben, kostet nichts; ein besserer Codec ersetzt das nicht.

Aus einem picture-Element heraus ausliefern, mit einer WebP-Quelle dahinter und einem JPG als letztem img — drei Zeilen, kein JavaScript, und der Browser nimmt die erste Quelle, die er versteht. Das ist wichtig, weil AVIF-Unterstützung Jahre nach WebP kam und Geräte ohne Updates weiterlaufen.

Das andere Ende der Kette gehört mit geprüft. Manche Content-Management-Systeme und statische Build-Schritte lehnen .avif beim Hochladen ab oder erzeugen daraus keine Ableitungen — das ist in der Praxis häufiger ein Hindernis als ein Besucher ohne Decoder. Das vor dem Kodieren von dreißig Bildern zu klären, kostet zwei Minuten.

Alles außer einer Webseite. E-Mail-Programme stellen es nicht dar, Office-Software meist auch nicht, Druckabläufe ebenso wenig, und ein Kollege, dem man es schickt, fragt in der Regel zurück, was das für eine Datei sei. Uploadformulare auf fremden Seiten lehnen die Endung oft genug ab, dass man das vorab einplanen sollte statt es als Ausnahme zu behandeln.

Der Bibliotheksfall gehört separat genannt, weil er naheliegt und trotzdem anders ist: Eine Mediensammlung für Plex, Jellyfin oder Emby erwartet JPG oder PNG und ordnet über den Dateinamen zu. AVIF außerhalb eines Browsers ist eine kleinere Datei, die niemand öffnen kann, und das ist keine Optimierung.

Filme und Folgen, die im iTunes Store oder in der Apple-TV-App gekauft oder geliehen wurden, tragen eine FairPlay-Verschlüsselung. Kein Browser kann sie entschlüsseln, es gibt also kein Bild zu kodieren, und die Umwandlung meldet vor dem Start, dass nichts aus der Datei umgewandelt werden konnte.

Alles andere funktioniert normal: QuickTime, iMovie, Final-Cut- und Compressor-Exporte, Kameraaufnahmen, Konferenz- und Kursaufzeichnungen. Bricht bei einem größeren Stapel nur eine Handvoll ab, waren das mit hoher Wahrscheinlichkeit gekaufte Titel und keine beschädigten Dateien.

AVIF-Kodierung ist so rechenintensiv, dass Dienste, die sie anbieten, sie tendenziell in eine Warteschlange stellen, begrenzen oder bezahlen lassen. Hier läuft sie im eigenen Tab auf dem eigenen Prozessor, es gibt also keine Warteschlange und kein Tageskontingent — ein Ablegen nimmt bis zu 100 Dateien gleichzeitig an, und der einzige Preis ist die eigene Zeit, bewusst eingesetzt, weil die Abwägung das wert war.

Das Video bleibt dabei, wo es ist. Die freie Obergrenze liegt bei 100 MB Eingabedatei, und nichts, was die Aufnahme trägt, wird übertragen — bei diesem Paar ist das ebenso eine Frage der Verhältnismäßigkeit wie der Privatsphäre: ein großes Video hochzuladen, um ein vierzig Kilobyte großes Bild zurückzubekommen, wäre ein merkwürdiges Verhältnis von Aufwand zu Ergebnis.

Sind Titelbilder für mehrere Artikel oder Produktvideos fällig, lässt sich eine ganze Sammlung von M4V-Dateien auf einmal ablegen, jede mit demselben Zeitstempel — sinnvoll etwa bei einer Reihe ähnlich aufgebauter Produktclips, die alle bei Sekunde drei einen ruhigen Moment zeigen. Für Videos mit unterschiedlichem Aufbau ist es meist genauer, jede Datei einzeln zu bearbeiten und den Zeitstempel individuell zu wählen, weil ein pauschaler Wert bei einer Aufnahme mitten in einer Bewegung landen kann.

Das Ergebnis kommt als ein ZIP mit allen erzeugten Bildern zurück. Die Kodierzeit addiert sich dabei je Bild, sodass eine größere Sammlung spürbar länger dauert als ein einzelnes Standbild — bei zehn 4K-Aufnahmen sind das eher Minuten als Sekunden, was bei der Zeitplanung für einen Redaktionsschluss berücksichtigt werden sollte.

AVIF ist auf jeder Webseite ein Risiko mit geringer, aber realer Wahrscheinlichkeit: ein älteres Firmen-Tablet, ein Browser mit deaktivierter Bildunterstützung für neue Formate, ein Vorschau-Bot, der nur JPG kennt. Neben der AVIF-Version dieselbe Stelle auch als JPG zu erzeugen — der Zeitstempel bleibt gleich, nur das Zielformat ändert sich — kostet eine zweite Umwandlung und schließt diese Lücke vollständig, ohne dass eine einzige Zeile Code dafür geschrieben werden muss.

Für einen Screenshot in einer Präsentation, ein Vorschaubild in einem sozialen Netzwerk oder eine Miniaturansicht in einer E-Mail ist ohnehin JPG die robustere Wahl. AVIF gehört auf die eigene, kontrollierte Webseite, wo die eigene Auslieferungslogik entscheidet, welches Format ankommt — nicht auf einen Kanal, dessen Software man nicht kennt.