MP4 in MP3 umwandeln

Die Gründe sind fast immer dieselben: ein Vortrag, den man unterwegs hören will, ein Interview, das transkribiert werden soll, ein Mitschnitt, aus dem nur die Stimme gebraucht wird. In allen drei Fällen ist das Bild überflüssiger Ballast, der die Datei um ein Vielfaches größer macht.

Eine Stunde Video sind schnell ein Gigabyte, eine Stunde Ton in guter Qualität rund sechzig Megabyte. Das ist der eigentliche Gewinn, und er kostet nichts, was man vermissen würde — der Ton bleibt derselbe.

In einem MP4 liegt der Ton fast immer als AAC vor, und es liegt nahe, ihn beim Ziel M4A einfach unverändert herauszukopieren. Genau das passiert hier nicht: Auch AAC nach AAC läuft über einen vollständigen Kodiervorgang. Die Tonspur wird dekodiert und neu kodiert, ein bloßes Umpacken des Datenstroms gibt es auf dieser Seite bei keiner Umwandlung.

Für MP3 gilt dasselbe, nur mit dem älteren Verfahren. In beiden Fällen ist es ein zweiter Durchgang auf Ton, der schon einen hinter sich hat. Bei den voreingestellten Werten hört man davon bei Sprache nichts und bei Musik so gut wie nichts — wer die Datei später aber noch bearbeitet, nimmt besser gleich die höchste Stufe.

MP3 nimmt wirklich alles: jedes Autoradio, jeder alte MP3-Player, jede Software, die je Ton abgespielt hat. Wenn die Datei irgendwohin geht, wo du die Gegenseite nicht kennst, ist das die Antwort.

M4A ist bei gleicher Dateigröße hörbar besser und wird von allem gelesen, was in den letzten fünfzehn Jahren gebaut wurde. Neu kodiert wird dabei genauso — der Vorteil liegt nicht darin, dass etwas gespart würde, sondern darin, dass AAC das sparsamere Verfahren ist: Bei gleicher Größe bleibt nach dem zweiten Durchgang mehr übrig als bei MP3. Für die eigene Sammlung ist es die technisch bessere Wahl.

Ein Film kann mehrere Tonspuren haben — Originalfassung, Synchronisation, Audiokommentar. Herausgelöst wird die erste, und das ist bei einem Mitschnitt oder einem Vortrag immer die richtige.

Bei einem Film mit Zweitsprache ist es das mitunter nicht. Es gibt hier keine Auswahl dafür, weil die überwiegende Mehrheit der Dateien nur eine Spur hat und ein Menü mit einem Eintrag nur im Weg steht.

Gerechnet wird immer, auch bei M4A: Dein Gerät liest die Tonspur aus und kodiert sie neu. Das dauert je nach Rechner einen Bruchteil der Spielzeit bis zu ungefähr ihrer Hälfte, bei einer Stunde Aufnahme also selten mehr als ein paar Minuten.

Hochgeladen wird dabei nichts. Deshalb gibt es keine Warteschlange und keine Größengrenze, die wir setzen — das Video bleibt liegen, wo es liegt, und die Arbeit passiert auf deinem Gerät.

Ein MP4 aus einer Kamera oder einem Videoportal trägt meist keine Musikangaben, also bleiben Titel und Interpret in der MP3 leer. Das ist kein Fehler, sondern die ehrliche Wiedergabe dessen, was in der Datei stand.

Was ein MP4 dagegen häufig trägt, sind Aufnahmedatum, Gerätename und manchmal der Ort. Wenn du eine Datei weitergibst, lohnt ein Blick darauf — auf dieser Seite gibt es dafür eine eigene Seite.

Diese Seite löst die vollständige Tonspur heraus. Willst du nur drei Minuten aus einer Stunde, ist es meist schneller, erst die ganze Spur zu holen und sie danach in einem Audioeditor zu schneiden, als das Video vorher zu bearbeiten.

Der Grund ist die Zahl der Durchgänge: Die ganze Spur herauszulösen kostet einen, den du ohnehin brauchst, und der Schnitt danach kostet in einem Audioeditor keinen weiteren, solange du verlustfrei arbeitest. Erst das Video zu schneiden und dabei neu zu kodieren wäre ein zusätzlicher, und jeder Durchgang zehrt von dem, was noch da ist.

Für Sprache — Vorträge, Interviews, Podcasts — reicht die niedrigste angebotene Stufe mühelos aus, und die Datei wird dabei nochmals deutlich kleiner. Eine Stimme braucht wenig Bandbreite, und der Unterschied zu einer hohen Stufe ist selbst mit Kopfhörern nicht zu hören.

Für Musik lohnt die mittlere oder hohe Stufe. Und wenn das Ergebnis später noch geschnitten, gemischt oder erneut umgewandelt wird, nimm die höchste: Jeder weitere Durchgang zehrt von dem, was übrig ist, und der Vorrat ist bereits angebrochen.

Der Ton macht in einem Video meist unter einem Zehntel der Datei aus, das Bild den ganzen Rest. Wird das Bild weggelassen, verschwindet also nicht ein Teil der Datei, sondern fast die gesamte.

Deshalb wirkt die Ersparnis dramatisch, obwohl am Ton selbst nur wenig geändert wird. Es ist der seltene Fall, in dem eine Umwandlung sehr viel Platz spart und man dafür fast nichts eintauscht — der eine Kodiervorgang auf der Tonspur fällt neben dem weggelassenen Bild nicht ins Gewicht.