OGG in AAC umwandeln

Ein modernes Infotainmentsystem bekommt seinen Audio-Decoder nicht von einem Softwareteam, sondern vom SoC-Hersteller mitgeliefert. Der Chip enthält einen festen AAC-Decoder-Block, weil das die Referenzarchitektur so vorsieht, mit der ein Zulieferer sein Steuergerät zertifizieren lässt. Was der Block nicht kennt, spielt er nicht ab — Vorbis und Opus stehen da schlicht nicht zur Wahl.

Für ein Entwicklungsteam bei einem Tier-1-Zulieferer ist das keine Geschmacksfrage, sondern eine Zeile im Lastenheft. Wer Musikbibliotheken, Ansagen oder Testsignale in Ogg-Dateien vorliegen hat, muss sie vor der Auslieferung ins Format bringen, das der Decoder-Block versteht — und zwar als nackten Elementarstream, nicht als Datei mit Wiedergabeknopf.

Was hier entsteht, ist ADTS: AAC-Frames direkt hintereinander, jeder mit einem kurzen Kopf, der Samplerate und Kanalzahl wiederholt. Kein Index, keine Laufzeitangabe, kein Metadatenbereich. Genau diese Kargheit macht den Stream für ein Steuergerät brauchbar, das Segmente aneinanderreiht, ohne je eine ganze Datei zu öffnen.

Verlangt das Lastenheft dagegen „AAC-Datei mit Wiedergabedauer" oder soll ein Mensch die Datei am Ende öffnen können, ist die M4A-Route die richtige — derselbe AAC-Ton, aber in einem MP4-Container mit Laufzeit, Sprungmarken und Tag-Feldern. Die falsche der beiden Dateien abzuliefern ist der häufigste Grund, warum diese Umwandlung beim ersten Versuch nicht passt.

Der Regler bietet Klein, Ausgewogen und Hoch, nicht eine Zahl in kbit/s. Was jede Stufe tatsächlich an Bitrate schreibt, legt die Encoder-Bibliothek des Browsers selbst fest, und diese Seite kennt den genauen Wert nicht und würde sich irren, ihn zu nennen — verschiedene Browser können bei „Hoch" verschieden hohe Werte ansetzen.

Für eine Sammlung von Ansagen, Warntönen und Menüklängen im Fahrzeug ist das selten ein Nachteil: Sprachdurchsagen bleiben bei der kleinen Stufe verständlich, und die wenigen längeren Musikstücke bekommen die hohe. Wer eine einzige Einstellung für alles sucht, verschenkt Speicherplatz an Dateien, bei denen es niemand hört.

Ogg ist nur der Container. Er kann Vorbis, Opus oder FLAC enthalten, und welcher der drei es ist, entscheidet darüber, wie teuer diese Umwandlung tatsächlich ist. Ältere Sample-Bibliotheken und Open-Source-Projekte liefern meist Vorbis; aktuelle Aufnahme- und Konvertierungswerkzeuge schreiben oft Opus; ein Ogg mit FLAC darin ist verlustfrei und deutlich größer als beide.

Die Dateigröße verrät es vorab: vier Minuten sind bei Vorbis oder Opus etwa drei bis fünf Megabyte, bei FLAC zwanzig bis dreißig. Aus Vorbis oder Opus heraus ist die AAC-Umwandlung die zweite verlustbehaftete Runde, aus FLAC die erste — und dann lohnt sich die höchste Stufe wirklich.

Ogg trägt seine Metadaten als Vorbis-Kommentare: offene Schlüssel-Wert-Paare für Titel, Interpret, Lizenzangabe. In der geschriebenen ADTS-Datei gibt es dafür keinerlei Bereich, also fällt jeder dieser Einträge beim Übergang komplett weg.

Für Audio-Assets, die ohnehin über eine Manifestdatei und einen Dateinamen identifiziert werden, ist das ohne Bedeutung. Trägt eine Datei jedoch eine Lizenzangabe, die nur im Ogg-Kommentar steht — bei quelloffenen Sample-Sammlungen keine Seltenheit —, geht sie mit der Umwandlung verloren und gehört vorher notiert.

Eine Zündtonfolge oder ein Standmusikloop, der im Quellmaterial exakt schließt, bekommt bei jeder verlustbehafteten Kodierung eine kleine Auffüllung am Blockende. Diese wenigen Millisekunden Stille sind bei einer einzelnen Wiedergabe unhörbar und werden bei einer endlos wiederholten Schleife zu einem hörbaren Klicken an der Nahtstelle.

Ogg selbst führt einen Pre-Skip-Wert mit, der einem guten Decoder das saubere Wiederanschließen erlaubt; ADTS kennt so etwas nicht, also kann nichts nachgelagert kompensieren. Wo eine Schleife wirklich nahtlos klingen muss, gehört sie mit expliziten Loop-Punkten in die Audio-Engine statt allein der Datei anvertraut.

Was der Decoder als Rate ausliest, bekommt die AAC-Datei unverändert — nichts hier tastet neu ab. Eine Vorbis-Aufnahme mit 44.100 Hz bleibt bei 44.100, und eine mit 22.050 Hz, für kurze Effekte immer noch üblich, bleibt dort ebenfalls.

Die Ausnahme ist ein Ogg mit Opus-Inhalt. Opus läuft intern immer auf einem festen 48.000-Hz-Takt, und ein Decoder meldet diese Rate unabhängig davon, womit ursprünglich aufgenommen wurde. Ein Audio-Movement in einer Engine, die mit einer festen Rate mischt, tastet eine solche Datei zur Laufzeit neu ab — bei hunderten gleichzeitigen Tönen ein Posten, den man vorab kennen sollte.

AAC verkraftet mehr Kanäle, als in dieser Pipeline je gebraucht werden, und die Umwandlung faltet nichts zusammen: Ein Stereo-Bett kommt als Stereo an, eine Mono-Ansage bleibt Mono. Letzteres lohnt sich zu prüfen, denn eine verdoppelte Sprachdatei kostet doppelt so viel Bitrate für exakt dieselbe Information in beiden Kanälen.

Fahrzeugtypische Audioinhalte — Warntöne, Sprachansagen, Positionsklänge — liegen meist absichtlich in Mono vor, weil eine Ortungslogik im Steuergerät aus einer Mono-Quelle rechnet und nicht aus einer fest vermischten Stereodatei. Die Umwandlung ändert daran nichts und sollte es auch nicht.

Chrome, Edge und Safari haben einen AAC-Encoder über WebCodecs eingebaut und nutzen ihn direkt, ohne dass etwas heruntergeladen wird. Firefox besitzt keinen eigenen, deshalb lädt der Browser bei der ersten AAC-Umwandlung dort einmalig ein WebAssembly-Paket nach — das einzige, was in diesem Fall überhaupt über das Netz geht.

Die Ogg-Datei selbst wird in jedem Fall lokal dekodiert. Für eine Sammlung noch unveröffentlichter Fahrzeugklänge oder eines Spiels, das noch nicht angekündigt ist, lässt sich das im Netzwerk-Tab des Browsers nachprüfen, statt einer Zusicherung im Kleingedruckten zu glauben.

Bis zu hundert Megabyte je Datei und bis zu hundert Dateien in einem Durchgang — das entspricht einem typischen Audio-Verzeichnis für ein Fahrzeugprojekt oder eine mobile Anwendung eher als einer einzelnen Datei. Das Ergebnis kommt als ein ZIP zurück, mit den Dateinamen aus dem Ordner und geänderter Endung, allerdings ohne dessen Unterordner — das Archiv ist flach.

Wer stattdessen nur wissen will, ob ein einzelner Warnton in der Zielbitrate noch sauber klingt, wandelt die eine Datei zuerst um und prüft sie auf dem Zielgerät oder im Emulator, bevor die ganze Bibliothek durch den gleichen Regler läuft.

Der Decoder-Block eines Steuergeräts unterscheidet sich zwischen SoC-Generationen, und was ein Entwicklungsboard klaglos abspielt, muss ein Serienmodell mit einem älteren Chipsatz nicht ebenso annehmen. Bevor eine ganze Klangbibliothek durch dieselbe Bitratenstufe läuft, lohnt sich ein einzelner Testton auf der tatsächlichen Zielhardware oder wenigstens im offiziellen Emulator des Herstellers — die zehn Minuten dafür sind billiger als eine Nacharbeit nach der Integration.

Das gilt besonders für Warntöne und Sicherheitshinweise, bei denen ein verschlucktes Frame oder ein falsch interpretierter ADTS-Header mehr ist als ein kosmetisches Problem. Erst wenn ein Muster auf dem Zielgerät sauber und mit korrekter Lautstärke ankommt, ist die Einstellung für die restlichen Dateien im Verzeichnis übernehmbar.

Die Reihenfolge und die Dateinamen bleiben unangetastet — eine Datei namens ui_confirm_02.ogg kommt als ui_confirm_02.aac zurück, mit unverändertem Namen bis auf die Endung. Für ein Manifest, das Assets über den Dateinamen referenziert statt über eine ID, ist das keine Nebensächlichkeit, sondern der Grund, warum sich die Umwandlung überhaupt ohne manuelle Nacharbeit in eine bestehende Build-Pipeline einfügen lässt.

Was nicht erhalten bleibt, ist bereits an anderer Stelle auf dieser Seite genannt: keine Tags, keine Lautstärkeanpassung, keine Umbenennung nach einer Konvention. Wo ein Build-Skript solche Schritte erwartet, gehören sie davor oder danach in die eigene Pipeline, nicht in diese Umwandlung hinein.