MOV in AVIF umwandeln

In einer Online-Redaktion liegt zu einem Beitrag meist ein Video vor, und für die Artikelseite wird davon oft nur ein einziges Bild gebraucht — ein Teaserbild, ein Vorschaubild, der eine Moment, der die Meldung trägt. Statt das Video abzuspielen, anzuhalten und einen Screenshot zurechtzuschneiden, was Auflösung und den exakten Moment kostet, nimmt diese Seite den Frame direkt aus der MOV-Datei.

Wer stattdessen wegen 10-Bit- oder HDR-Material auf AVIF gestoßen ist, sollte zuerst den nächsten Abschnitt lesen: Genau das bleibt hier auf der Strecke, und das lieber vorher zu wissen als nach der Veröffentlichung eines flachen Bildes.

Der Frame wird über eine Canvas aus dem Video gelesen, und eine Canvas hält acht Bit pro Kanal. Bis das Bild beim AVIF-Encoder ankommt, ist es also gewöhnliches 8-Bit-RGB, und der Encoder schreibt entsprechend acht Bit — nicht weil AVIF nicht mehr könnte, sondern weil ihm nichts Besseres übergeben wird.

Der Effekt ist der, den jede 8-Bit-Umwandlung von hochwertigerem Material zeigt: Banding in Verläufen, die im Original glatt waren, und Licht- oder Schattenzeichnung, die in der Log-Aufnahme steckte und im Standbild nicht mehr da ist. Für ein Teaserbild spielt das keine Rolle. Geht das Bild durch eine Farbkorrektur, gehört die Extraktion in den Schnitt, wo ein 16-Bit-TIFF oder ein EXR nur einen Menüpunkt entfernt ist.

Nirgendwo in diesem Pfad wird ein ICC-Profil angehängt. Ein unmarkiertes Bild behandelt jede Software als sRGB, und Rec.2020-HDR oder selbst Display-P3-Material ist von sRGB deutlich entfernt.

Das Standbild ist also gleichzeitig schmäler als die Quelle und nicht als solches gekennzeichnet — genau die Kombination, die auf einem kalibrierten Monitor für Verwunderung sorgt. Für die Webveröffentlichung ist das vertretbar, weil ein Browser ohnehin sRGB annimmt; für alles Farbkritische gibt es dafür keine gute Antwort.

Größe. AVIF komprimiert ein fotografisches Standbild mit AV1, demselben Codec, der auch das Video komprimieren würde, und dabei mit deutlich ausgefeilteren Werkzeugen innerhalb eines Bildes als JPEG. Bei einem Frame aus echtem Videomaterial bedeutet das üblicherweise etwa die Hälfte der Bytes eines vergleichbaren JPG und einen Bruchteil eines verlustfreien PNG.

Bei einem 4K-Frame ist das der Unterschied zwischen ein paar hundert Kilobyte und mehreren Megabyte — genau der Grund, warum sich der Aufwand für eine Bildergalerie mit vielen Videostandbildern lohnt. Auch flächige, verlaufreiche Bereiche, wie sie in Videoframes häufig sind, kommen ohne die Blockbildung eines JPEG bei gleicher Größe durch.

Ein 4K-Frame kann mehrere zehn Sekunden dauern. AV1 ist rechenintensiv, weil es einen sehr großen Raum durchsucht, um die kleinste Darstellung zu finden — und genau das in einem Browser-Tab an einem einzelnen Standbild zu tun, ist der ungünstigste Fall dafür.

Das macht AVIF zu einem Veröffentlichungsformat, nicht zu einem Arbeitsformat. Beim Aussuchen und Zuschneiden lieber PNG nehmen, und die AVIF erst am Ende aus dem endgültigen Bild erzeugen. Fünfzehn Kandidaten-Zeitpunkte als AVIF zu probieren, um einen davon zu behalten, ist eine langsame Art, einen Nachmittag zu verbringen.

Die einzige Einstellung ist der Moment, in Sekunden. Das Standbild kommt in der Auflösung heraus, in der das Video angezeigt wird — 3840 mal 2160 aus einer 4K-Aufnahme, und 2160 mal 3840 aus einer hochkant gedrehten, weil die vom Telefon aufgezeichnete Rotation beim Lesen des Frames angewendet wird.

Es gibt hier keine Größenanpassung, was für AVIF durchaus etwas bedeutet: Eine 3840-Pixel-AVIF braucht ein Vielfaches der Kodierzeit einer 1280-Pixel-Version und ist deutlich größer, als eine Artikelseite braucht. Soll das Bild als Karte oder Vorschaubild dienen, ist ein PNG nehmen, verkleinern und daraus die AVIF erzeugen sowohl schneller als auch das bessere Ergebnis.

Was der Videoencoder verworfen hat, ist verloren, bevor überhaupt ein Frame gelesen wird. Bewegungsunschärfe, Blockbildung an harten Kanten, grobe Schattenzeichnung und die Weichheit eines schnellen Schwenks wurden vom Videoencoder entschieden, und AVIF verpackt das effizient, statt es zu reparieren.

Der Zeitstempel bleibt damit die wirksamste Stellschraube auf dieser Seite. Ein Frame aus einem kurzen ruhigen Moment sieht aus derselben Aufnahme, mit denselben Einstellungen, deutlich besser aus als einer mitten in der Bewegung. Erst den Moment wählen, dann über das Format nachdenken.

Immer dann, wenn das Bild in fremder Software geöffnet werden muss. Die Browser-Unterstützung ist geklärt, anderswo nicht: viele Redaktionssysteme, ältere Bildbearbeitungsprogramme, Upload-Formulare und E-Mail-Programme kennen AVIF nicht, und ein Bild, das sich nicht öffnen lässt, ist wertlos, egal wie klein es ist.

Auch als Arbeitsdatei ist AVIF die falsche Wahl, weil es verlustbehaftet und langsam ist. PNG beim Bearbeiten, WebP für die Webseite ohne größere Diskussion, JPG, wenn eine andere Person die Datei öffnen muss, und AVIF, wenn die Auslieferung selbst kontrolliert wird und jedes Byte zählt.

Kommt das Material aus einer professionellen Schnittsoftware, liegt der Master oft in ProRes vor, und dafür bringt kein Browser einen Decoder mit. Die Umwandlung endet dann mit einer Meldung, dass sich nichts in der Datei umwandeln ließ und ein nicht lesbarer Codec vorliegen könnte.

Das betrifft speziell die hochwertigen Postproduktions-Master. Die H.264- oder HEVC-Sichtungskopien, die zur Freigabe kursieren, öffnen dagegen problemlos — für einen ProRes-Master bleibt die Standbildextraktion Aufgabe des Schnittprogramms, das ihn tatsächlich lesen kann.

Für eine Bildergalerie zu einer laufenden Berichterstattung reicht selten ein einziges Video. Mehrere MOV-Dateien lassen sich hier nacheinander ablegen, jede mit ihrem eigenen Zeitstempel, und jede wird einzeln dekodiert und kodiert — es gibt keinen gemeinsamen Zeitpunkt für einen ganzen Stapel, weil jedes Video seinen eigenen besten Moment hat.

Bei zehn oder zwanzig Videos in einem Durchgang lohnt sich, die Zeitstempel vorher an einem Zettel zu notieren statt nacheinander zu suchen, denn jede Kodierung läuft für sich und blockiert die nächste, solange der Tab geöffnet bleibt. Für eine einzelne Eilmeldung ist das ohne Bedeutung, für eine Fotostrecke mit vielen Clips spart die Vorbereitung reale Wartezeit.

Sowohl das Dekodieren der MOV als auch das Kodieren der AVIF geschieht in diesem Tab. Nichts, was das Videomaterial enthält, wird übertragen, und der Netzwerk-Tab zeigt das während einer Umwandlung.

Bei unveröffentlichtem Material zählt das doppelt: Eine AVIF-Kodierung ist rechenintensiv genug, dass ein gehosteter Dienst sie in eine Warteschlange stellen müsste — und Warteschlange bedeutet, dass der Master so lange auf einer fremden Festplatte liegt, wie die Warteschlange dauert. Hier entfällt dieser Schritt vollständig.