MOV in OPUS umwandeln

Deutsche Zeitzeugenprojekte — zur Nachkriegszeit, zur deutschen Teilung, zur Wendezeit 1989/90 oder zu regionaler Industriegeschichte — sammeln oft über Jahre Interviews, die mit einer Kamera aufgenommen wurden, weil kein separates Aufnahmegerät zur Hand war. Nach der Verschriftlichung interessiert das Bild kaum noch jemanden; was bleibt, ist der Ton als Beleg dafür, dass die Aussage genau so gefallen ist.

Eine Stunde MOV-Material aus einem solchen Interview liegt schnell bei mehreren Gigabyte. Für ein Archiv mit vierzig oder achtzig Gesprächen bedeutet das schon bei mittlerer Auflösung einen Speicherbedarf, der ein einzelnes Laufwerk sprengt — der Ton allein reicht dagegen bequem auf einen USB-Stick.

Opus ist kein allgemeiner Audio-Codec mit nachträglich angeflanschtem Sprachmodus. Als RFC 6716 von der IETF für Echtzeitkommunikation standardisiert, enthält es zwei Modelle — eines für Sprache, abgeleitet von SILK, eines für Musik, abgeleitet von CELT — und wechselt je nach Inhalt zwischen beiden.

Praktisch bedeutet das: Eine einzelne Stimme bleibt selbst auf der niedrigen Stufe dieser Seite verständlich und angenehm zu hören, was kein anderes Format hier schafft — MP3 an derselben Stelle ist unbrauchbar. Das ist der Unterschied zwischen einem Archiv, das auf einem einzigen Laufwerk Platz findet, und einem, das ein ganzes Regal braucht — und der eigentliche technische Grund für diese Seite.

Die genaue Bitrate hinter niedrig, ausgewogen und hoch legt der Opus-Encoder fest, nicht diese Seite, deshalb steht hier keine Kilobit-Zahl. Fest steht nur die Größenordnung: Selbst achtzig Stunden Feldarbeit passen auf der niedrigen oder ausgewogenen Stufe noch bequem auf ein gewöhnliches Notebook, doppelt gesichert und an eine Projektpartnerin oder einen Projektpartner weitergegeben.

Ausgewogen ist die Standardwahl und passt zu Interviews, die in einem nicht schallgedämpften Raum aufgenommen wurden. Die niedrige Stufe eignet sich für eine einzelne, nah aufgenommene Stimme, die hohe Stufe für Aufnahmen mit Musik, Umgebungsgeräuschen oder mehreren durcheinanderredenden Personen, wo die zusätzlichen Bits tatsächlich zur besseren Trennung beitragen.

Nichts an dieser Umwandlung verbessert das Aufgenommene. Ein Kameramikrofon sitzt wenige Zentimeter vom Objektiv entfernt und nimmt den Raum, die Lüftung und die interviewende Person mit auf — der Codec gibt all das originalgetreu weiter. Wurde parallel ein separates Aufnahmegerät verwendet, gehört dessen Datei ins Archiv, nicht die Kameraspur.

Trägt das MOV bereits AAC, was bei Smartphones der Regelfall ist, ist dies zudem eine zweite Kompression. Bei Sprache ist das unhörbar; wichtig ist nur, dass keine Bitratenstufe eine schlecht platzierte Mikrofonposition ausgleicht — die hohe Stufe bei einer mittelmäßigen Aufnahme verwendet den zusätzlichen Speicherplatz vor allem darauf, die Klimaanlage sehr genau festzuhalten.

Automatische Spracherkennung verarbeitet Opus-Dateien in den meisten Diensten ohne Weiteres, und die geringe Dateigröße macht den Upload zu einem Bruchteil dessen, was ein Video bedeuten würde. Verweigert ein Dienst das Format, hilft die Umwandlung einer einzelnen Kopie nach WAV für diesen Schritt, ohne das Archivformat zu ändern.

Zwei Gewohnheiten helfen der Erkennungsgenauigkeit mehr als die Bitrate. Jedes Interview als eine zusammenhängende Datei umwandeln statt aufgeteilt, weil ein Erkennungsmodell den umgebenden Kontext nutzt, um Mehrdeutigkeiten aufzulösen. Und den Dateinamen mit dem der Videoquelle identisch halten, damit sich eine Zeitmarke im Transkript später eindeutig dem passenden Videoausschnitt zuordnen lässt.

Jede Tonspur, die der Browser dekodieren kann, wird geschrieben, in der Reihenfolge, in der die Kamera sie aufgezeichnet hat — trug ein Interview also ein Funkmikrofon auf einer zweiten Spur, bleiben beide erhalten. Nicht jeder Player zeigt bei einer mehrspurigen Ogg-Datei ein Spurmenü an, weshalb es sich lohnt, eine Testdatei aus der ersten Aufnahmesession in der Software zu öffnen, die das Projekt tatsächlich nutzt.

Alles außerhalb des Tons entfällt: das Bild, eine professionelle Timecode-Spur, der Aufnahmeort, eventuelle Untertitel. Ein paar beschreibende Felder überstehen die Umwandlung, wie der nächste Abschnitt zeigt, doch für ein Forschungsarchiv verlagert sich die eigentliche Beschreibung ohnehin in eine Tabelle oder Datenbank — das gehört in den Arbeitsablauf bei der Umwandlung, nicht erst später.

Die Umwandlung übergibt dem Encoder keine eigenen Angaben, und was davon an Vorbis-Kommentaren im Ergebnis landet, ist von hier aus nicht zugesichert — verlassen kann man sich darauf nicht. Sicher ist nur, was eine Kamera von vornherein nie erfasst: eine sprechende Person, einen Projektnamen, eine Einwilligungsnummer. Ein Ordner voller Opus-Dateien mit reinen Kameranamen ist für niemanden brauchbar, und die Lösung ist eine Namenskonvention, die vor der Umwandlung feststeht — Datum, Ort, sprechende Person, Teilnummer, in dieser Reihenfolge, damit sich eine Ordneransicht von selbst sortiert.

Bei einem Projekt mit längerer Laufzeit lohnt sich zusätzlich, die Datei nach der Umwandlung gezielt mit einem Tag-Werkzeug zu beschriften, statt sich auf das zu verlassen, was durch die Umwandlung hindurch übernommen wurde. Dateien trennen sich von den Tabellen, die sie beschreiben, häufiger als man denkt, und eine Aufnahme, die selbst mitträgt, wer spricht und wann sie entstand, übersteht einen Trägerwechsel zwischen mehreren Institutionen über zwanzig Jahre deutlich besser.

Die Grenze gilt für die übergebene Videodatei, und Kameravideo ist groß — bei 4K rund 170 MB je Minute. In der Praxis eignet sich diese Seite deshalb für einzelne Takes und kurze Gespräche, nicht für eine zweistündige Sitzung in einer einzigen Datei.

Für ein ganzes Projekt gehört die Extraktion dorthin, wo das Material bereits liegt: Ein Schnittprogramm oder ein Stapelkonverter kann den Ton aus einem ganzen Ordner in einem Durchgang ziehen und dabei auch die richtige Spur auswählen. Diese Seite eignet sich für die Datei, die gerade auf dem eigenen Gerät liegt, und um die Einstellungen zu prüfen, bevor sie über den ganzen Bestand laufen.

Das Lesen der MOV-Datei, das Dekodieren und das Kodieren der Opus-Datei laufen vollständig in diesem Browser-Tab. Nichts, was die Aufnahme trägt, verlässt das Gerät, was sich während der Umwandlung im Netzwerk-Tab nachvollziehen lässt.

Für dieses Material ist das keine Bequemlichkeit, sondern eine Frage der Einwilligung. Ein Zeitzeugeninterview wird in der Regel unter einer Erklärung aufgenommen, die festlegt, wer die Aufnahme aufbewahren darf; ein Ethikvotum nennt den zulässigen Speicherort. Ein Online-Konverter, der die Datei nebenbei hochlädt, verletzt beides, ohne dass es jemand bemerkt.

Die Opus-Datei ist für die tägliche Arbeit gedacht — durchsuchen, anhören, transkribieren lassen —, nicht als Ersatz für das gefilmte Original. Ein Projekt, das später eine Ausstellung, einen Dokumentarfilm oder eine Videoinstallation daraus macht, braucht das Bild, und das lässt sich aus der Opus-Datei nicht zurückgewinnen.

Die sinnvolle Aufteilung ist deshalb: das MOV auf einem Archivmedium mit begrenztem Zugriff, die Opus-Datei auf dem Arbeitslaufwerk, mit dem tatsächlich gesucht und zitiert wird. Beide tragen denselben Dateinamen, und nur die zweite verlässt in der Praxis häufiger den eigenen Rechner.