MP4 in FLAC umwandeln

Wer an einem sprachwissenschaftlichen Institut Feldaufnahmen auswertet — ein Interview für eine Dialektstudie, eine Sprachaufnahme fürs akustische Messen von Formanten, ein Korpus für eine Abschlussarbeit —, landet häufig bei genau diesem Schritt: Das Video, mit dem die Aufnahme gemacht wurde, muss zu einer Audiodatei werden, die sich beliebig oft öffnen, filtern und wieder speichern lässt, ohne dass jede Bearbeitung neue Kompressionsschäden hinzufügt.

FLAC ist dafür das richtige Format, aber aus einem anderen Grund, als der Name suggeriert. Es macht die Aufnahme nicht besser, es verändert sie beim Bearbeiten nur nicht weiter. Wer das vor der Umwandlung nicht weiß, erwartet zu Unrecht einen Klanggewinn und ist am Ende enttäuscht von etwas, das schlicht seine Aufgabe erfüllt hat.

FLAC ist seit 2001 ein verlustfreier Codec und inzwischen als RFC 9639 standardisiert. Es rekonstruiert jedes Sample, mit dem es gefüttert wurde, exakt, und es trägt eine Prüfsumme, sodass eine beschädigte Datei das auch meldet, statt still falsch abzuspielen. Das sind echte Eigenschaften, und sie machen FLAC zur richtigen Wahl für eine Arbeitsversion.

Nichts davon hilft bei dem, was in einem MP4 tatsächlich steckt. Der Ton dort ist verlustbehaftetes AAC — ein Teil des Signals ist bei der Aufnahme oder beim Export bereits entfernt worden und lässt sich nicht mehr zurückholen. Den Rest als FLAC zu kodieren, bewahrt ihn perfekt und fügt nichts hinzu. Das Wort, das man hört, ist „verlustfrei", das Wort, das zutrifft, ist „unverändert".

Der Ton in einem MP4 belegt typischerweise ein bis zwei Megabyte pro Minute. Derselbe Ton als FLAC landet bei ungefähr fünf bis zehn Megabyte pro Minute, weil er jetzt jedes Sample beschreibt statt einer komprimierten Annäherung daran. Eine einstündige Aufnahme wird so aus rund neunzig Megabyte zu einer Datei zwischen dreihundert und sechshundert.

FLAC macht dabei durchaus seinen Job — es ist ungefähr halb so groß wie dieselbe Aufnahme als unkomprimiertes WAV. Der Punkt ist nur, dass der Größenzuwachs klanglich nichts bringt. Bezahlt wird für die Fähigkeit, die Datei durch spätere Bearbeitung unverändert zu erhalten, und das ist ein echter Wert, aber ein anderer als Qualität.

Wenn die Aufnahme mehrfach bearbeitet werden soll. Rauschminderung, Entbrummen, Pegelangleichung bei einem Interview, das in einem Raum mit Lüftungsgeräusch aufgenommen wurde — jeder dieser Schritte bedeutet Öffnen, Verändern und erneutes Speichern. Bei einer verlustbehafteten Datei kodiert jeder dieser Durchgänge neu, und nach einem halben Dutzend ist der Schaden hörbar.

Ein FLAC-Zwischenschritt durchbricht diese Kette. Einmal extrahieren, so lange wie nötig in FLAC weiterarbeiten, am Ende genau einmal in ein verlustbehaftetes Zielformat exportieren. Dasselbe gilt für Transkriptionspipelines, automatische Zeitausrichtung und jede Analyse, die die Wellenform misst statt sie nur anzuhören.

Ein Vortrag, eine Episode oder ein Musikstück aus einem Video in eine Hörbibliothek einzusortieren. Das FLAC wird fünf- bis zehnmal so groß sein wie ein M4A derselben Aufnahme und auf jedem Gerät gleich klingen, weil die Information, die beide unterscheiden würde, bereits vor der Umwandlung fehlte.

Der Instinkt dahinter — die beste verfügbare Kopie behalten — ist richtig, nur die Umsetzung dafür ist hier eine andere: das MP4 aufheben. Das ist die beste Kopie. Ein daraus erzeugtes FLAC ist eine größere Datei mit strikt weniger Inhalt als das Original, das ja auch noch das Bild enthält.

Beide sind verlustfrei und beide exakt, die Entscheidung fällt also über alles, was um die Samples herum liegt. FLAC ist ungefähr halb so groß, trägt eine Prüfsumme, die Beschädigung erkennt, und hat richtige Felder für Titel, Sprecher und Projekt. WAV hat davon nichts und ist im Kern nur eine Kiste voller Samples.

WAV gewinnt allein bei der Kompatibilität. Manche ältere Audiosoftware, manche Transkriptionswerkzeuge und manche Sendeanlagen lesen ausschließlich WAV, und dort ist die Entscheidung vorgegeben. Wo beides angenommen wird, ist FLAC die bessere Datei, und der Größenunterschied bei einer langen Aufnahme geht in die hundert Megabyte.

Eine FLAC-Datei enthält genau eine Tonspur. Ein Video mit Originalsprache und Übersetzung, mit einem Kommentar oder mit getrennten Mikrofonspuren aus einer Mehrkamera-Aufnahme liefert eine FLAC-Datei mit der ersten dieser Spuren — die übrigen fehlen, ohne dass sich das nachträglich auswählen lässt.

Für ein Handyvideo oder eine gewöhnliche Bildschirmaufnahme ist das ohnehin die einzige Spur, die Frage stellt sich also nicht. Bei professionell geliefertem Material lohnt sich vorher ein Blick auf die Spurenstruktur — die falsche Spur fällt spät auf und ist dann aufwendig zu korrigieren.

Die Grenze gilt für die Datei, die eingespielt wird, und das FLAC, das dabei entsteht, wird deutlich größer sein als der Ton, der darin steckte. Ein 100-MB-Video eines langen Vortrags kann ein FLAC erzeugen, das diese Zahl klar überschreitet — aufgebaut im Arbeitsspeicher des Browsers, bevor es auf der Platte landet.

Das ist die ehrliche Obergrenze für verlustfreie Extraktion im Browser, und darüber ist ein Desktop-Werkzeug die richtige Wahl, das auf die Festplatte streamen kann statt eine ganze Datei im Tab zu halten. Das offen zu sagen ist besser, als eine Umwandlung zu starten, die zwei Drittel einer dreistündigen Aufnahme durchhält und dann am Speicher scheitert.

Der FLAC-Encoder wird erst bei Bedarf nachgeladen, nicht von jedem, der die Seite besucht. Danach besteht die Arbeit aus dem Dekodieren des AAC und einer verlustfreien Kompression über die Samples — Arithmetik statt Wahrnehmungsanalyse, entsprechend schnell.

Es gibt keine Qualitätseinstellung, und das ist keine Lücke. Ein verlustfreier Encoder hat nichts zu verhandeln — jede Einstellung würde denselben Ton liefern und sich nur darin unterscheiden, wie viel Rechenzeit in eine minimal kleinere Datei investiert wird. Das Fehlen des Reglers ist das Format, das ehrlich zu sich selbst ist.

Dekodieren und Kodieren laufen beide im Browser-Tab auf dem eigenen Prozessor, das Video wird also nicht hochgeladen. Es gibt keine Warteschlange, kein Konto und kein Tageskontingent, und die Aussage lässt sich im Netzwerk-Tab während der Umwandlung selbst nachprüfen.

Für das Material, das an dieser Stelle typischerweise entsteht, ist das mehr als eine Formalie. Wer Interviews mit Gewährspersonen, Feldaufnahmen oder unveröffentlichte Sprachdaten verarbeitet, sollte diese nicht bei einem fremden Dienst hochladen müssen, nur um eine Datei zu bekommen, die auch lokal entsteht — gerade wenn eine Einverständniserklärung genau das ausschließt.