MP4 in M4A umwandeln

Wer Hörbücher, Lesungen oder Podcast-Folgen für den Eigenvertrieb produziert, nimmt eine Aufnahme oft mit demselben Gerät auf, das auch das Bild liefert — ein Handy im Studio, eine Kamera bei einer Live-Lesung, ein Aufnahmegerät mit Videofunktion. Am Ende steht ein MP4, gebraucht wird aber nur der Ton, in einem Format, das eine Hörbuch-Plattform oder die eigene Musik-App ohne Umwege annimmt.

M4A ist dafür die naheliegende Wahl, weil es dasselbe Behälterformat ist, das Apple-Geräte und viele deutsche Hörbuchdienste ohnehin erwarten. Der zweite Abschnitt lohnt sich trotzdem vor dem Konvertieren, denn es gibt auf dieser Website einen Weg, der die Aufnahme wortwörtlich unverändert lässt — und das hier ist nicht dieser Weg.

Das ist keine Vereinfachung. M4A ist derselbe ISO-MPEG-4-Behälter, den Apple 2004 für Audio eingeführt hat, mit demselben AAC-Ton, der bereits in der Videodatei steckt. Strukturell ändert sich zwischen beiden nichts, eine Spur wird entfernt, und die Dateiendung sagt der Software, dass Ton statt Film zu erwarten ist.

Genau deshalb ist das das natürliche Ziel, um Ton von Video auf einem Apple-Gerät zu trennen. Die Musik-App legt die Datei richtig ab, die Metadatenfelder sind dieselben, die eine iTunes-Bibliothek ohnehin liest, und ein Telefon dekodiert AAC in Hardware, ohne Akku dafür zu verbrauchen.

Weil Quelle und Ziel beide AAC halten, könnte der Ton im Prinzip Paket für Paket herausgehoben und in den neuen Behälter gelegt werden, ohne dass jemals ein Decoder läuft. Das wäre die schnelle, exakte Version dieser Aufgabe — und der eigentliche Grund, warum überhaupt M4A statt MP3 gewählt wird.

Diese Umwandlungsseite geht diesen Weg nicht: Sie dekodiert das AAC und kodiert es erneut, was eine Generation Qualität kostet. Das Werkzeug „Ton extrahieren" auf dieser Website geht ihn wohl — dort M4A wählen, und die ursprünglichen Pakete werden unverändert kopiert. Soll die Aufnahme exakt erhalten bleiben, ist das die richtige Seite, und sie ist zudem schneller.

Weniger, als die Rechnung nahelegt, aber nicht nichts. Der erste Durchgang, bei der Videoaufnahme, ist der Schritt, bei dem der Großteil der Information verloren geht; ein zweiter Durchgang mit ausgewogener oder hoher Einstellung gibt vor allem das wieder, was übrig geblieben ist, statt erneut einen vergleichbaren Anteil zu entfernen. Bei Sprache — dem üblichen Fall bei einer Lesung — ist das mit gewöhnlichen Mitteln nicht hörbar.

Bei Musikpassagen, etwa einer Titelmelodie oder eingespielten Klängen im Hörbuch, ist es messbar und auf guten Kopfhörern gelegentlich bemerkbar, besonders bei Becken, Applaus und anderen breitbandigen Klängen, die verlustbehaftete Encoder teuer finden. Soll die M4A-Datei über Jahre in einem Archiv bleiben, ist das ein Argument für das verlustfreie Werkzeug statt dieser Seite.

M4A ist das bessere Format in der Sache. AAC erreicht dieselbe wahrgenommene Qualität wie MP3 mit weniger Bit, kommt mit hohen Frequenzen souveräner zurecht, und ist das, was jeder Streamingdienst und jedes Telefon im Hintergrund ohnehin verwendet. Auf einem Smartphone, Computer oder Tablet ist es ohne Einschränkung die richtige Antwort.

MP3 gewinnt auf einer Achse, und die zählt: Es spielt auf so gut wie allem, einschließlich älterer Autoradios, Fitnessgeräten und dedizierten MP3-Playern, die noch in Schubladen liegen. Die Frage ist, ob sich das Gerät benennen lässt. Lässt es sich, und ist es dieses Jahrtausend gebaut, wähle M4A. Geht die Datei irgendwohin Unbekanntes, wähle MP3.

Ungefähr ein Megabyte pro Minute bei der ausgewogenen Einstellung, ein vierzigminütiges Kapitel landet also bei rund vierzig Megabyte, ein dreistündiges Hörbuchkapitel bei etwa hundertachtzig. Die Größe des Ausgangsvideos spielt dabei kaum eine Rolle — eine 300-MB- und eine 3-GB-Aufnahme derselben Lesung ergeben nahezu dasselbe M4A, weil der Unterschied zwischen beiden fast ausschließlich das Bild war.

Die Qualitätsstufe verschiebt diesen Wert um etwa den Faktor zwei in jede Richtung. Die niedrige Stufe passt zu Sprache auf einem Telefon mit begrenztem Speicher, die hohe zu Musikpassagen, wo die zusätzlichen Byte etwas Hörbares kaufen.

Auch Apple-Lossless-Dateien heißen .m4a, und das ist das häufigste Missverständnis zu diesem Format. ALAC bewahrt jedes Sample exakt, AAC nicht. Zwei Dateien mit derselben Endung können also verlustfrei oder verlustbehaftet sein, ohne dass der Name das verrät.

Was diese Seite schreibt, ist AAC. Das ist die richtige Wahl und kein Kompromiss, denn der Ton im MP4 war bereits verlustbehaftetes AAC — es gibt kein verlustfreies Original in der Datei, das ALAC bewahren könnte. Als ALAC zu kodieren würde eine deutlich größere Datei mit exakt demselben hörbaren Inhalt erzeugen.

Der Behälter hat richtige Felder für Interpret, Album, Titel, Titelnummer und Artwork — ein echter Vorteil gegenüber manchen Audioformaten, und der Grund, warum eine Apple-Bibliothek M4A-Dateien sauber einsortiert. Diese Umwandlung füllt sie nicht, weil das Ausgangsvideo meist nichts Sinnvolles zum Übernehmen enthielt.

Das nachträglich zu setzen lohnt die Minute, wenn die Datei in eine Bibliothek soll — am besten einmalig, bevor die Datei auf ein Telefon kopiert wird. Ein Tag-Editor oder die Infoansicht in der Musik-App erledigen das; ein Konverter, der einen Interpreten aus dem Dateinamen rät, tut es nicht.

Bis zu hundert Dateien auf einmal in der kostenlosen Stufe, jede mit eigenem Fortschritt, das Ergebnis am Ende als ein ZIP herunterladbar. Nichts wartet hinter irgendjemand anderem, weil kein gemeinsamer Server beteiligt ist.

Genau hier hört das Laufen im Browser auf, nur ein Datenschutzpunkt zu sein, und wird praktisch. Ein Semester an Vorlesungsmitschnitten über einen gehosteten Konverter bedeutet ein Semester an Uploads und ein Tageskontingent, das irgendwann ausgeschöpft ist; hier bedeutet es, einen Tab offen zu lassen, während der eigene Rechner arbeitet.

Dekodieren und Kodieren laufen im Browser-Tab, auf dem eigenen Prozessor. Ein Blick in den Netzwerk-Tab während der Umwandlung bestätigt es: Nichts, was das Video enthält, wird gesendet. Die kostenlose Stufe nimmt Dateien bis 100 MB.

Für dieses Paar ist es das Material, das die Aussage tragen muss. Videos, aus denen Ton gezogen wird, sind Lesungen, Interviews, Vorträge, manchmal ein noch unveröffentlichtes Manuskript, das gerade eingesprochen wird — genau die Art Aufnahme, bei der der sichere Umgang ist, sie keinem fremden Anbieter zu übergeben, nur um eine Datei zu erhalten, die auch lokal entsteht.