OGG in AIFF umwandeln

Landesarchive, Universitätsarchive und Oral-History-Projekte, die sich an den Empfehlungen von nestor orientieren — dem Kompetenznetzwerk für digitale Langzeitarchivierung, an dem unter anderem die Deutsche Nationalbibliothek beteiligt ist —, verlangen für Audiodeposits häufig ein unkomprimiertes Format wie AIFF oder WAV. Der Gedanke dahinter: ein Format, dessen Struktur so einfach ist, dass sie sich auch in vierzig Jahren noch mit vertretbarem Aufwand entschlüsseln lässt, unabhängig davon, ob der ursprüngliche Codec dann noch jemand implementiert.

Ein Zeitzeugen-Interview, das mit einem Feldrekorder oder einer Open-Source-Aufnahme-App aufgezeichnet wurde, liegt dabei oft als Ogg vor. Bevor es ins Archiv geht, muss es also erst durch genau diese Umwandlung — und was dabei mitgeht und was nicht, ist bei personenbezogenen Interviews keine Nebensache.

Das lohnt sich vorab zu klären, weil das ganze Vokabular archivischer Praxis in die andere Richtung zieht. Vorbis und Opus verwerfen Teile einer Aufnahme dauerhaft, nach einem Modell dessen, was ein Hörer vermutlich nicht vermissen wird. AIFF speichert danach jedes Sample, das es bekommt, unkomprimiert, genau so, wie es übergeben wurde. Das Ergebnis ist eine große Datei mit exakt dem Inhalt, den das Ogg schon hatte.

Das erfüllt eine Vorgabe, die um Dateiformate herum geschrieben wurde. Es schützt die Aufnahme nicht, verbessert sie nicht, und stellt nichts wieder her, was der ursprüngliche Encoder entfernt hat. Wo die Vorgabe als Stellvertreter für „gebt uns etwas, das wir in vierzig Jahren noch öffnen können" gemeint ist, leistet sie sinnvolle Arbeit; wo sie als „gebt uns die beste Kopie" verstanden wird, ist die beste Kopie das, was der Rekorder ursprünglich geschrieben hat, und eine Umwandlung kann keine bessere herbeizaubern.

Eine AIFF-Datei besteht aus Chunks, und diese Umwandlung schreibt genau zwei davon. COMM nennt Kanalzahl, Anzahl der Samples, Bittiefe und Samplerate. SSND enthält die Samples. Es gibt keinen Namens-Chunk, keinen Annotations-Chunk, keinen Autoren-Chunk, kein Bild.

Ogg dagegen trägt eine offene Liste von Vorbis-Kommentaren, und bei Oral-History- und Zeitzeugenprojekten stehen genau in diesen Feldern regelmäßig Angaben zur befragten Person, zum Ort, zum Datum, zur Sprache, zum Projektkürzel und zur Einwilligungserklärung. All das fällt weg. Diese Angaben gehören vor der Umwandlung in eine begleitende Datei — eine CSV oder ein Textdokument je Interview —, und beide zusammen ins Archiv, denn das AIFF selbst lässt sich später nicht mehr fragen, was es enthält.

Nimmt das Archiv FLAC an, ist FLAC das bessere Deposit. Es ist verlustfrei, etwa halb so groß wie dieselbe Aufnahme als AIFF, trägt einen echten Tag-Block, sodass die beschreibenden Angaben in der Datei selbst bleiben statt daneben zu liegen, und enthält eine MD5-Prüfsumme der eigenen dekodierten Audiodaten, mit der sich Jahre später nachweisen lässt, dass nichts beschädigt wurde — etwas, das kein AIFF kann.

Manche Einrichtungen haben genau aus diesen Gründen FLAC in ihre Vorgaben aufgenommen. Verlangt die Spezifikation ausdrücklich AIFF oder WAV, ist das Argument in einem Abgabeformular selten gut investierte Zeit — eine abgelehnte Einreichung ist schlimmer als eine ineffiziente. Eine kurze Nachfrage bei der Sammlungsleitung, bevor mehrere hundert Interviewstunden konvertiert werden, lohnt sich trotzdem.

Ogg ist ein Container, und darin können Vorbis, Opus oder FLAC liegen. Aufnahmen aus älterer Open-Source-Software sind meist Vorbis; alles aus einem aktuellen Feldrekorder oder Konverter kann Opus sein; ein Ogg mit FLAC ist bereits verlustfrei. Die Größe verrät es: eine Stunde sind bei Vorbis mit 128 kbit/s ungefähr 57 MB, bei FLAC mehrere hundert.

Trägt der Container FLAC, ist die Umwandlung nach AIFF akustisch ein verlustfreier Schritt, verwirft aber weiterhin die Tags — ein schlechter Tausch, sofern die Spezifikation ihn nicht erzwingt. Trägt er Vorbis oder Opus, sollte irgendwo im Deposit vermerkt sein, dass die unkomprimierte Datei aus einem verlustbehafteten Original stammt, denn eine spätere Forscherin, die eine 600-MB-AIFF-Datei findet, geht sonst von einem Master aus.

Die hier geschriebene PCM-Datei ist signed 16-bit. Bei einem verlustfreien Master wäre das ein Punkt, den man sich genauer ansehen sollte, denn eine 24-Bit-Feldaufnahme trägt Tiefe, die 16 Bit nicht fassen. Bei einer Vorbis- oder Opus-Quelle ist es keine wirkliche Entscheidung — ein verlustbehafteter Codec hat keine zusätzliche Tiefe zu bewahren, und eine 24-Bit-Ausgabe wäre eine um die Hälfte größere Datei ohne einen einzigen zusätzlichen Informationswert.

Verlangt eine Vorgabe ausdrücklich unkomprimiertes 24-Bit-Audio, kann dieser Weg das nicht liefern, und die richtige Antwort ist, zu den ursprünglichen Aufnahmen zurückzugehen statt eine verlustbehaftete Datei künstlich aufzublähen. Schrieb der Feldrekorder ursprünglich eine 24-Bit-WAV, bevor überhaupt nach Ogg komprimiert wurde, sind genau diese Dateien das Deposit, für das die Vorgabe gedacht war, und es lohnt sich, danach zu suchen, bevor irgendetwas anderes umgewandelt wird.

Nichts hier tastet neu ab. Welche Rate der Decoder ausliest, bekommt die AIFF-Datei unverändert, eine 44.100-Hz-Vorbis-Aufnahme ergibt also 44.100 Hz und eine mit 48.000 Hz bleibt bei 48.000. Das ist für ein Deposit das richtige Verhalten, denn Resampling ist eine Entscheidung mit Folgen und sollte bewusst getroffen werden, nicht als Nebenwirkung einer Formatumwandlung.

Opus ist die Ausnahme, und sie lässt sich nicht abstellen. Der Codec läuft intern immer auf einem festen 48.000-Hz-Takt, ein Decoder meldet diese Rate unabhängig von der tatsächlichen Aufnahme, also kommt eine mit 44,1 oder 32 kHz aufgezeichnete Opus-Datei als 48-kHz-AIFF an. Ein Katalog, der die technische Rate aus der abgelieferten Datei übernimmt, widerspricht damit den Feldnotizen — die ursprüngliche Rate gehört deshalb in die begleitende Dokumentation.

Unkomprimiertes 16-Bit-Stereo bei 44.100 Hz kostet 176.400 Byte pro Sekunde, ungefähr 10 MB pro Minute, gleichgültig ob die Minute Sprache oder Stille enthält, weil jedes Sample als schlichte Zahl geschrieben wird. Mono halbiert das. Eine Vorbis-Aufnahme mit 128 kbit/s kostet rund 0,96 MB pro Minute, der Faktor liegt also bei etwa zehn.

Ein einstündiges Interview wächst damit von rund 57 MB auf etwa 600 MB, hundert Stunden Feldarbeit von unter 6 GB auf fast 60. Diese Zahl gehört vor die Entscheidung darüber, wer die Speicherung bezahlt, und sie ist zugleich das stärkste praktische Argument, bei der Sammlungsleitung nachzufragen, ob FLAC als Alternative infrage kommt — dasselbe formal verlustfreie Deposit bei halber Größe.

Ein großer Teil der Dokumentationsaufnahmen ist tatsächlich einkanalig: ein Ansteckmikrofon, ein Handrekorder auf dem Tisch. Die Umwandlung befördert das nicht zu Stereo, und das sollte sie auch nicht — zwei identische Kanäle verdoppeln die Datei, ohne eine einzige zusätzliche Information zu liefern. Der COMM-Chunk hält die Kanalzahl korrekt fest.

Wo zwei Mikrofone verwendet wurden und die Kanäle verschiedene Sprechende tragen, ist diese Trennung oft die nützlichste technische Eigenschaft der Aufnahme, weil sie ein Transkript zuordenbar macht. Nichts hier faltet das zusammen. Was das AIFF nicht festhält, ist die Bedeutung der Kanäle: COMM nennt die Anzahl, nicht welches Mikrofon wo stand — auch das gehört in die Begleitdokumentation.

Das ist bei diesem Format-Paar kein Nebenaspekt. Interviews werden auf Grundlage von Einwilligungserklärungen geführt, die das Projekt namentlich nennen und eine Weitergabe an Dritte häufig ausdrücklich untersagen — eine Datei bei einem fremden Umwandlungsdienst hochzuladen, der sie eine Stunde lang vorhält, ist eine Weitergabe, ob sie jemand liest oder nicht.

Hier geht nichts irgendwohin. Das Schreiben der AIFF-Datei braucht keine Abhängigkeit — die Samples werden per Arithmetik neu verpackt —, und der Ogg-Decoder liegt bereits auf dem eigenen Rechner, es wird also weder etwas heruntergeladen noch übertragen. Dateien sind auf 100 MB je Stück begrenzt, was bei 128 kbit/s etwa anderthalb Stunden Vorbis entspricht, und hundert Dateien lassen sich auf einmal ablegen und gesammelt als ZIP zurückholen.

Ein Projekt mit mehreren Dutzend Interviews profitiert davon, alle Aufnahmen in einem Schritt umzuwandeln statt einzeln. Jede Ogg-Datei behält dabei ihren ursprünglichen Namen mit geänderter Endung, was für ein Archiv wichtig ist, das Interviews über eine feste Signatur im Dateinamen mit der begleitenden Dokumentation verknüpft — ändert sich der Name, bricht diese Verknüpfung, ohne dass es sofort auffällt.

Vor der eigentlichen Abgabe lohnt sich trotzdem eine Stichprobe: eine kurze und eine lange Aufnahme öffnen und die Kanalzahl sowie die Samplerate im Dateiinfo prüfen, gerade wenn die Sammlung aus unterschiedlichen Aufnahmegeräten stammt und manche Dateien Opus, andere Vorbis enthalten. Das dauert wenige Minuten und erspart, eine ganze Reihe noch einmal umwandeln zu müssen, weil eine einzelne Geräte-Charge anders lag als erwartet.