M4V in JPG umwandeln

M4V ist Apples Endung für Video, das über den iTunes Store verkauft wurde, aber auch für alles, was QuickTime, iMovie oder Final Cut selbst exportiert. In einer Sammlung stehen beide Sorten oft nebeneinander: gekaufte Titel und eigene Aufnahmen, ein Vereinsvortrag, eine Jubiläumsfeier, ein digitalisiertes Familienvideo — alle ohne Titelbild, wenn die Mediathek oder der Katalog eines braucht.

Genau für dieses Regal ist diese Seite gedacht: kein perfektes Standbild, sondern ein brauchbares Bild pro Datei, damit eine Übersichtsseite nicht aus lauter grauen Kacheln besteht.

Über den iTunes Store gekaufte Videos sind mit FairPlay verschlüsselt, und diese Verschlüsselung lässt sich im Browser nicht entschlüsseln — es gibt schlicht kein Bild zu lesen, und die Umwandlung bricht mit einer entsprechenden Meldung ab. Das ist kein Fehler dieser Seite, sondern eine Folge des in Deutschland geltenden § 95a Urheberrechtsgesetz: Das Umgehen eines wirksamen technischen Schutzes ist untersagt, auch für den eigenen, privaten Gebrauch. Diese Seite versucht es deshalb erst gar nicht.

Selbst erstellte Dateien sind davon nicht betroffen. Exporte aus QuickTime, iMovie, Final Cut und Compressor, Aufnahmen von Kamera oder Telefon sowie Downloads von Kurs- und Konferenzplattformen sind unverschlüsselt und liefern ihre Bilder normal. Konvertiert sich ein Regal bis auf ein paar Ausnahmen durch, waren diese Ausnahmen fast immer gekaufte Titel.

Der Zeitpunkt steht standardmäßig auf 0, und die erste Sekunde fast jedes Videos zeigt Schwarzbild, eine Klappe, ein Logo oder eine Ladeanzeige. Als Titelbild ist das schlechter als gar kein Bild, weil es aussieht, als sei die Datei kaputt statt einfach unbebildert.

Dreißig Sekunden sind für einen Vortrag oder eine Vereinsveranstaltung ein vernünftiger erster Versuch, und zehn Prozent der Gesamtlänge ist die Faustregel, nach der viele Mediatheken vorgehen. Was am Ende erscheint, ist präzise das zuletzt begonnene Bild vor dem gewählten Zeitpunkt — ein Wert kurz nach dem Vorspann reicht in aller Regel aus.

Ein Titelbild hat mit der Bildqualität an sich wenig zu tun: Es muss in Miniaturgröße in einer Übersicht erkennbar sein und sich von den zwanzig Dateien daneben unterscheiden lassen. Ein Gesicht, eine Folie mit großer Schrift, ein markanter Ort oder eine kräftige Farbe funktionieren bei 200 Pixeln Breite noch. Eine Totale eines Sitzungssaals funktioniert nicht.

Kontrast zählt dabei mehr als Schärfe. Ein dunkles Bild aus einem schlecht ausgeleuchteten Raum wird in der Vorschau zum grauen Fleck, während ein schlechter komponiertes, aber klar erkennbares Motiv sofort lesbar bleibt. Für das Raster wählen, nicht für das Einzelbild.

Ein Videocodec spart dort, wo Bewegung das Auge ohnehin ablenkt, und niemand bemerkt das bei 25 Bildern pro Sekunde. Wird eines dieser Bilder eingefroren und in voller Größe betrachtet, wird genau diese Einsparung sichtbar — als Weichzeichnung, als Blockbildung an Kanten, als verwischtes Detail.

Der Ausweg ist ein Moment ohne Bewegung: eine gehaltene Einstellung, eine ruhige Folie, eine Pause zwischen zwei Gesten. Diese Bilder waren für den Encoder teuer und sind entsprechend detailreicher. Zwei oder drei Zeitpunkte im Sekundenabstand auszuprobieren, liefert häufig ein deutlich besseres Bild ohne zusätzlichen Aufwand.

Das Bild kommt in der ursprünglichen Pixelgröße des Videos heraus, ohne Verkleinerung: 1080p ergibt 1920 mal 1080, 4K ergibt 3840 mal 2160. Das ist weit mehr, als ein Übersichtsraster je darstellen wird — und trotzdem der richtige Standardwert, denn Verkleinern ist trivial, Vergrößern gewinnt nichts zurück.

Ein Nebeneffekt: Dasselbe extrahierte Bild kann mehreren Zwecken dienen. Das Titelbild in der Mediathek, der Kopfbereich auf einer Kursseite und das Vorschaubild in einer Liste lassen sich aus einer einzigen Datei ableiten, statt drei getrennte Extraktionen in drei Größen zu machen.

Titelbilder sind fotografisch, und JPG wurde für genau diesen Fall entworfen. Dasselbe Bild als PNG ist häufig mehrfach so groß, ohne dass der Unterschied in Miniaturgröße überhaupt sichtbar wäre — und eine Bibliothek mit tausend Titelbildern spürt diesen Unterschied beim Laden einer Übersichtsseite deutlich.

Die Ausnahme ist ein Bild, das überwiegend aus Text oder Bedienoberfläche besteht — eine Folie, eine Bildschirmaufnahme, eine Klappe mit feiner Schrift. JPEGs Kompression legt einen leichten Schleier um harte Kanten, unsichtbar bei einem Gesicht, störend bei Schrift. Für solche Fälle ist ein PNG die bessere Wahl.

Bis zu hundert Dateien gleichzeitig auf der kostenlosen Stufe, jede unabhängig umgewandelt und am Ende gemeinsam als ZIP herunterladbar. Weil die Arbeit auf dem eigenen Gerät stattfindet, gibt es keine Warteschlange, keinen Upload und keine Obergrenze, die zwei Drittel durch den Stapel plötzlich greift.

Ein Punkt, der in der Praxis auffällt: Jede Datei im Stapel wird bei demselben Zeitpunkt abgetastet. Ein Regal aus lauter Vorträgen mit identischer Titelsequenz funktioniert damit einwandfrei; ein gemischtes Regal aus Kurzclips und langen Aufzeichnungen nicht — dafür lohnen sich zwei oder drei Durchgänge nach ungefährer Länge sortiert.

Die meisten Mediatheken und Kataloge ordnen ein Titelbild dem Video über den Dateinamen zu, und das extrahierte JPG trägt den Namen der Quelldatei. Diese Zuordnung sollte erhalten bleiben; wer mehrere Kandidaten pro Titel zieht, legt den zweiten besser in einen anderen Ordner, statt ihn mit einem Zusatz umzubenennen, der die Zuordnung bricht.

Es lohnt sich außerdem, kurz zu notieren, welcher Zeitpunkt für welchen Titel gewählt wurde — ein Vortrag, der in einem Jahr noch einmal aufgerufen wird, ist ein Vortrag, für den irgendwann ein besseres Bild gesucht wird, und das erneute Auffinden des passenden Moments ist der langsamste Teil dieser Arbeit.

Das Bild wird direkt im Browser-Tab auf dem eigenen Prozessor dekodiert und kodiert, sodass die M4V-Datei das Gerät nie verlässt — im Netzwerk-Tab während der Umwandlung leicht nachprüfbar. Die kostenlose Stufe nimmt Dateien bis 100 MB an.

Bei diesem Format-Paar ist das auch eine Frage der Verhältnismäßigkeit: Ein zwei Gigabyte großes Video an einen Server zu schicken, nur damit ein 400-Kilobyte-Bild zurückkommt, wäre für ein einzelnes Titelbild schon ungewöhnlich viel Datenverkehr — für ein ganzes Archiv hundertfach wiederholt erst recht.

Ein digitalisiertes VHS-Band oder eine ältere Camcorder-Aufnahme aus einem Vereinsarchiv hat oft eine deutlich geringere Auflösung als ein modernes Smartphone-Video — 720 mal 576 Pixel oder ähnlich ist bei solchen Quellen keine Seltenheit. Das extrahierte Bild kommt exakt in dieser Auflösung heraus, denn diese Umwandlung vergrößert nichts über die Größe des Quellmaterials hinaus.

Für eine kleine Vorschaukachel reicht das trotzdem meistens, weil ein Miniaturbild ohnehin klein dargestellt wird. Problematisch wird es erst, wenn dasselbe Bild zusätzlich als großformatiger Kopfbereich einer Seite dienen soll — dort zeigt sich die niedrige Ausgangsauflösung als sichtbare Unschärfe, und keine Umwandlung kann Bildinformation liefern, die im Ausgangsmaterial nie vorhanden war.

Diese Seite liefert immer genau ein festes Bild, nie eine Abfolge. Wird stattdessen eine kurze animierte Vorschau gebraucht — etwa für eine Kachel, die beim Überfahren mit der Maus kurz Bewegung zeigt —, ist das eine andere Umwandlung: Video zu GIF. Anders als bei einem einzelnen Standbild aus einem Foto oder einer Zeichnung erzeugt diese Route auf dieser Website tatsächlich mehrere Einzelbilder hintereinander, weil dafür ein eigenes Modul zuständig ist, das nicht mit der einzelnen Bildextraktion verwechselt werden sollte.

Für ein Titelbild in einer Mediathek ist das ohnehin die falsche Richtung: Eine Kachel, die sich bewegt, lenkt in einer Übersicht eher ab, als dass sie beim schnellen Überfliegen hilft. Für die meisten Bibliotheken bleibt ein einzelnes, gut gewähltes Standbild die bessere Wahl.

Beim Herausziehen eines Standbilds wird ausschließlich die Bildspur gelesen. Eine Tonspur, gleich in welchem Format oder mit wie vielen Kanälen, hat auf das Ergebnis keinerlei Einfluss und wird für diese eine Aufgabe schlicht nicht angefasst.

Das ist auch der Grund, warum diese Umwandlung bei Dateien funktioniert, deren Ton beschädigt oder in einem seltenen Format vorliegt: Solange die Bildspur intakt ist, liefert die Seite ihr Bild, unabhängig davon, was mit dem Rest der Datei ansonsten los ist.