MOV in WAV umwandeln

Hier liegt der Unterschied zu den meisten Videos, aus denen sonst Ton gezogen wird. Ein Telefon schreibt AAC, ebenso alles, was für die direkte Weitergabe gedacht ist. Eine Kamera dagegen oft nicht: Canon, Sony, Panasonic und Blackmagic speichern häufig unkomprimiertes PCM in den QuickTime-Container, bei 48 kHz und 16 oder 24 Bit, weil eine Kamera ein Aufnahmegerät ist und Komprimieren der Referenzspur auf einer ohnehin schnellen Speicherkarte nichts einbringt.

Das verändert, was diese Umwandlung tatsächlich tut. Liegt die Quelle bereits als PCM vor, ist der Schritt zur WAV-Datei eine Umwandlung zwischen zwei unkomprimierten Darstellungen — nichts geht verloren außer dem, was der nächste Abschnitt beschreibt. Liegt die Quelle als AAC vor, ist die WAV-Datei eine originalgetreue Kopie dessen, was der AAC-Decoder ausgegeben hat.

Die Ausgabe ist in jedem Fall 16-Bit-PCM. Eine Kamera, die auf 24 Bit eingestellt ist — die meisten sind das, wegen der Reserve gegen einen falsch gesetzten Pegel —, liefert hier eine WAV-Datei mit acht Bit weniger pro Sample als aufgenommen. Beim Umwandeln erscheint dazu keine Warnung, das lohnt sich vor einem größeren Stapel zu wissen.

Für die meisten Anwendungsfälle spielt das keine Rolle: Synchronisation kümmert das nicht, ein Dialogschnitt kümmert das nicht, und 16 Bit sind der übliche Lieferstandard für alles unterhalb einer Mastering-Sitzung. Relevant wird es, wenn die WAV-Datei das Master werden soll — dann liefert der FLAC-Pfad auf dieser Seite 24 Bit, wenn die Quelle sie hat, und ist damit hier ausnahmsweise treuer als das unkomprimierte Format.

WAV speichert jedes Sample als Zahl, die Größe ergibt sich also direkt aus der Rechnung: Abtastrate mal Bittiefe mal Kanalzahl. Zwei Kanäle mit 16 Bit bei 48 kHz sind 192.000 Byte pro Sekunde — 11,5 MB pro Minute, 691 MB pro Stunde, unabhängig davon, ob die Aufnahme eine Rede oder Stille enthält.

Das ist der Tausch, den man beim Schnitt eingeht, und er lohnt sich dort: keine Dekodierkosten, kein Artefakt, über das man streiten muss, keine Formatverhandlung mit dem nächsten Werkzeug. Genau deshalb ist WAV ein Arbeitsformat und kein Archivformat — ein Interviewarchiv als WAV ist ungefähr doppelt so groß wie dasselbe Archiv als FLAC, ohne hörbaren Unterschied.

Was die Kamera aufgenommen hat, trägt die WAV-Datei unverändert weiter. Video liegt fast immer bei 48 kHz, und dabei bleibt es — es wird nicht auf die 44,1 kHz umgerechnet, die Musikprogramme standardmäßig verwenden.

Auf einem Videoprojekt ist das wichtiger, als es klingt. Eine Tonspur, die unbemerkt umgerechnet und dann gegen das Bild gelegt wurde, gehört zu den schwerer zu findenden Fehlern, weil sie am Anfang der Timeline korrekt wirkt und sich erst allmählich verschiebt — das typische Symptom ist eine Lippensynchronität, die in der ersten Minute stimmt und in der zehnten sichtbar danebenliegt. Weil hier nichts umgerechnet wird, fällt genau dieser Fehler weg.

Eine WAV-Datei kann genau eine Tonspur enthalten. Eine Kamera-MOV kann mehrere tragen, und bei einem echten Dreh tut sie das oft: das eingebaute Mikrofon auf einer Spur, ein Funkmikrofon auf einer zweiten, ein Signal vom Mischpult auf einer dritten. Es überlebt nur die erste.

Eine Datei umwandeln und probehören, bevor der Rest des Materials verarbeitet wird, lohnt sich deshalb immer. Ist die erste Spur nicht die gewünschte, kann diese Seite keine andere auswählen — dann bleibt entweder der Export der richtigen Spur aus dem Schnittprogramm, oder die Kameratonspur dient nur der Synchronisation, während die eigentliche Tonquelle das separate Aufnahmegerät ist.

Sync-Werkzeuge vergleichen Wellenformen, sie brauchen also eine reine Audiodatei pro Kamera mit derselben Zeitbasis wie das Video. Eine aus der Kamera-Originaldatei gezogene WAV erfüllt das exakt: dieselben Samples, dieselbe Rate, derselbe Startpunkt wie der Clip.

Zwei Gewohnheiten machen es zuverlässig. Den Dateinamen identisch zum Video lassen, damit ein passendes Paar in einem Ordner mit vierzig Dateien sofort erkennbar ist. Und den Anfang nicht wegschneiden — der Klappenschlag oder was auch immer als Transiente dient, ist der Ankerpunkt für den Abgleich, und die ersten zwei vermeintlich leeren Sekunden zu entfernen ist der häufigste Grund, warum eine an sich saubere Synchronisation scheitert.

Deutsche und europäische Sendeanstalten liefern nach dem Lautheitsstandard EBU R128, der eine bestimmte durchschnittliche Lautheit und einen maximalen True-Peak-Wert vorschreibt — technische Richtlinien, an denen sich ARD- und ZDF-Zulieferungen orientieren. Diese Umwandlung misst und verändert die Lautheit nicht; sie holt den Ton unverändert aus dem Video.

Wer also für eine Sendeabgabe liefert, braucht nach dieser Umwandlung noch einen Lautheitsmessung- und Limiting-Schritt in der eigentlichen Schnittsoftware oder einem dafür gebauten Werkzeug. Die WAV-Datei hier ist der Rohstoff für diesen Schritt, nicht das fertige Lieferprodukt.

Das Bild fällt weg, das ist der Sinn der Sache. Ebenso der Timecode, den eine professionelle Kamera mitschreibt, dazu Kapitelmarken, Untertitelspuren und jede Metadaten, die der Kamerakörper zur Aufnahme notiert hat. Die WAV-Datei besteht aus Samples und einem Kopf, ohne jedes Tag.

Timecode ist der Punkt, den man einplanen sollte. Läuft der eigene Workflow über Timecode statt über Wellenform-Abgleich, trägt eine hier extrahierte WAV-Datei keinen, und der Abgleich muss anders erfolgen — über Audio oder indem die MOV-Datei zusätzlich vorgehalten wird. Auf einem Job, bei dem das zählt, gehört die Extraktion in die Schnittsoftware, die eine Broadcast-WAV mit Timecode schreiben kann.

Die Grenze gilt für die übergebene Datei. Kamera-Originale sind groß: 4K bei 30 Bildern pro Sekunde von einem Telefon sind etwa 170 MB pro Minute, ein professioneller Codec liegt mehrfach darüber. In der Praxis eignet sich diese Seite für einzelne Takes und Clips, nicht für ganze Aufnahmen.

Bei einem langen Interview oder einem Mehrkamera-Drehtag gehört die Extraktion dorthin, wo das Material bereits liegt. Jede Schnittsoftware exportiert Ton, und dort bekommt man Spurauswahl, Timecode und Stapelverarbeitung in einem Schritt. Diese Seite ist für den Moment gedacht, in dem eine Datei vor einem liegt und das nächste Werkzeug eine WAV verlangt.

Die MOV-Datei wird komplett in diesem Browser-Tab gelesen, dekodiert und als WAV geschrieben, auf dem eigenen Prozessor. Es geht nichts hinaus, was die Aufnahme enthält, und der Netzwerktab zeigt das während der Umwandlung.

Bei bezahlter Arbeit ist das mehr als eine Vorliebe. Material unter Sperrfrist, auf einem Kundengelände gedreht, ein noch nicht freigegebenes Interview oder alles, was einer Geheimhaltungsvereinbarung unterliegt, sollte keinen ungeprüften Konverter durchlaufen. Der praktische Nebeneffekt: Eine große Datei wandelt sich mit der Geschwindigkeit des eigenen Rechners um, nicht mit der eines Uploads.

Viele deutschsprachige Podcasts werden inzwischen mit Video mitgeschnitten, auch wenn am Ende nur der Ton veröffentlicht wird — ein zusätzliches externes Aufnahmegerät läuft parallel für die eigentliche Tonqualität. Fällt dieses Gerät aus, versagt eine Karte oder wird versehentlich die falsche Einstellung gewählt, ist die Tonspur der Kamera oft die einzige vollständige Aufnahme der Folge, die noch existiert.

Für genau diesen Ernstfall lohnt es sich, die Kameraspur schon während der Produktion probeweise als WAV zu extrahieren und anzuhören, statt erst beim Ausfall des Hauptaufnahmegeräts zum ersten Mal festzustellen, wie sie klingt. Eine brauchbare, wenn auch nicht ideale Tonspur zu haben, ist in dem Moment mehr wert als eine Folge, die komplett neu aufgenommen werden muss.

Bei einer Mehrkamera-Produktion mit gemischtem Equipment — eine Spiegellose für die Nahaufnahme, ein Camcorder für die Totale — kann es vorkommen, dass die eine Kamera unkomprimiertes PCM schreibt und die andere AAC, ohne dass am Set jemand bewusst danach ausgewählt hat. Für diese Umwandlung macht das keinen Unterschied in der Bedienung: Beide MOV-Dateien werden gleich behandelt und liefern jeweils eine 16-Bit-WAV-Datei mit der ursprünglichen Abtastrate.

Wissenswert ist der Unterschied trotzdem für die Beurteilung des Ergebnisses. Die WAV-Datei aus der PCM-Kamera ist eine unkomprimierte Kopie ohne Zwischenschritt; die WAV-Datei aus der AAC-Kamera trägt bereits eine Kompressionsrunde in sich, die diese Umwandlung nicht rückgängig machen kann. Beide sind für Synchronisation gleichermaßen brauchbar — für eine kritische Tonabmischung ist der Unterschied den zweiten Blick wert.

Vor einem langen Drehtag mit vielen Clips lohnt sich derselbe kurze Test wie bei jeder Stapelverarbeitung: eine Datei umwandeln, die WAV in Kopfhörern anhören und prüfen, ob tatsächlich die erwartete Tonspur zu hören ist und nicht etwa eine leere oder eine falsch belegte. Das kostet eine Minute und erspart, am Ende des Tages festzustellen, dass vierzig Clips ohne den gewünschten Ton konvertiert wurden.

Bei einer Produktion mit wechselndem Equipment über mehrere Tage ist dieser Test sogar für jeden neuen Kameraaufbau sinnvoll, weil sich die Spurbelegung zwischen zwei Setups unterscheiden kann, auch wenn dieselbe Kamera verwendet wird.