OPUS in MP3 umwandeln

Opus wurde 2012 als RFC 6716 veröffentlicht und ist der vorgeschriebene Audiocodec für WebRTC, weshalb ihn jeder Browser beherrschen musste und in der Folge jede App auf Browsertechnik übernahm: WhatsApp- und Telegram-Sprachnachrichten, Discord-Mitschnitte, Aufnahmen aus Videokonferenzen, ein per Browser mitgeschnittenes Diktat. In kaum einem Land ist WhatsApp so verbreitet wie hierzulande, entsprechend häufig landet eine solche Datei auf einem deutschen Rechner.

Das erklärt, warum diese Seite eine andere Leserschaft hat als der Rest der Ton-Umwandlungen. Wer eine M4A-Datei umwandelt, weiß, dass es eine Apple-Datei ist. Wer eine .opus-Datei umwandelt, hat die Endung meist zum ersten Mal gesehen, als etwas vom Telefon kopiert wurde, und die Frage ist selten technisch — sie lautet schlicht, warum nichts diese Datei öffnet.

Hier die Zahl, die es sich zu merken lohnt: Eine Sprachnachricht ist mono, und Opus kodiert Sprache bei 16 bis 32 kbps bereits vollkommen klar verständlich — genau deshalb haben Messenger den Codec gewählt. Eine zweiminütige Sprachnachricht ist damit rund 300 Kilobyte groß.

Neu kodiert mit Hoher Qualität wird daraus eine MP3-Datei, die um ein Vielfaches größer ist als das Original, mit exakt derselben Menge an Information darin. Die zusätzlichen Bit beschreiben nichts, weil es nichts mehr zu beschreiben gibt. Kleine Datei ist die richtige Einstellung für Sprache — welche Bitrate genau dahintersteckt, entscheidet der Browser, nicht diese Seite, aber selbst die kleinste Stufe bleibt spürbar über der Ausgangsbitrate, weil MP3 bei niedrigen Bitraten weniger herausholt als Opus.

Zwei verlustbehaftete Kodierungen hintereinander kosten immer etwas, und dieses Paar kostet mehr als die meisten anderen, wegen der Richtung. MP3 stammt von 1993, Opus von 2012, dazwischen liegen neunzehn Jahre Forschung — bei 64 kbps leistet Opus Dinge, die MP3 gar nicht kann. Der zweite Encoder komprimiert also nicht bloß erneut, sondern mit einem schwächeren Werkzeug.

Bei Sprache, was die meisten dieser Dateien sind, bleibt das Ergebnis vollständig verständlich und wirkt nur leicht matter — etwas weniger Luft in Zischlauten, ein flacherer Raumklang. Bei Musik, die mit niedriger Browser-Bitrate mitgeschnitten wurde, fällt der Verlust deutlicher auf als derselbe Schritt von AAC aus. Beides ist kein Grund, die Umwandlung zu unterlassen, wenn etwas nachgelagert MP3 verlangt — beides ist ein Grund, die .opus-Datei aufzuheben.

Transkription ist das häufigste Ziel. Etliche Dienste, Whisper-Anwendungen und Kanzleisoftware für Diktate akzeptieren eine feste Liste an Formaten, und Opus steht darauf oft nicht, nicht weil der Ton ungeeignet wäre, sondern weil die Import-Logik älter ist als das Format. MP3 oder WAV erfüllt die Vorgabe, und für die reine Transkription reicht die kleinste Stufe völlig — das Modell liest Wörter, es bewertet keine Klangtreue.

Die übrigen Ziele sind Schnitt und Weitergabe: eine Schnittsoftware, die die Datei ablehnt, eine Kollegin, die sie per Doppelklick öffnen und abspielen können muss, ein altes Autoradio, ein Formular mit fester Formatliste. In allen diesen Fällen bemisst sich der Erfolg der Umwandlung schlicht daran, dass die Datei sich öffnet.

Sprachnachrichten und Mitschnitte von Anrufen sind fast immer einkanalig, und die Umwandlung behält das bei. Eine mono-MP3 ist bei gleicher Bitrate halb so groß wie eine stereo-Datei, und es gibt keinerlei Vorteil darin, einen Kanal zu verdoppeln — das würde nur die Dateigröße verdoppeln, ohne irgendetwas hinzuzufügen.

Besteht ein empfangendes Programm ausdrücklich auf Stereo, übernimmt es diese Verdopplung besser selbst beim Import, wo sie nichts an Speicherplatz kostet. Opus unterstützt am anderen Ende bis zu 255 Kanäle gegenüber den zwei von MP3, ein mehrkanaliger Opus-Mitschnitt würde deshalb auf Stereo bei 48.000 Hz zusammengeführt statt abgelehnt — ein seltener Fall außerhalb von Rundfunkexperimenten, aber genau das passiert dann.

Opus in einem Ogg-Strom führt Metadaten als Vorbis-Kommentare. Ob und wie ein vorhandenes Feld — Titel, Interpret, Album, ein eingebettetes Bild — den Weg in die ID3v2-Tags der MP3-Datei findet, entscheidet der Browser, nicht diese Seite; sie gibt dazu keine eigene Anweisung mit.

In der Praxis kommen die meisten dieser Dateien ohnehin ohne jede Angabe an. Eine Sprachnachricht wird von der App mit einem Zeitstempel benannt und trägt keine Metadaten, die MP3-Datei kommt entsprechend ohne Tags heraus, was schlicht der Wahrheit entspricht und kein Verlust ist. Wer eine Reihe von Mitschnitten archiviert, sollte deshalb vor der Umwandlung auf den Dateinamen achten — er trägt die Information, die die Tags nicht liefern.

Ogg Opus speichert einen Vorlaufwert, damit ein Player weiß, wie viele Samples am Anfang reine Encoder-Einschwingzeit sind und verworfen werden sollten. MP3 kennt dafür kein verlässlich gelesenes Gegenstück.

Die hier geschriebene MP3-Datei trägt einen Xing-Header mit Bildanzahl, Dateigröße und einer Sprungtabelle — genug für präzises Springen und eine korrekte Laufzeitanzeige —, aber nicht die Felder, mit denen ein Player die Encoder-eigene Auffüllung wegschneiden würde. Ein paar Dutzend Millisekunden Stille an jedem Ende sind die Folge. Bei einer Sprachnachricht spielt das keine Rolle; wer eine umgewandelte Aufnahme gegen ein Video oder eine zweite Spur ausrichten muss, gleicht das im Schnittprogramm an, statt sich auf die Datei zu verlassen.

Die Unterstützung für Opus verteilt sich nicht danach, wie modern ein Programm sonst wirkt. Audacity, VLC und FFmpeg lesen die Datei ohne Umstände. Etliche ältere Digital-Audio-Workstations, Diktiergeräte, Autoradios und auch der klassische Windows Media Player kennen sie dagegen nicht — nicht weil das Format schlecht wäre, sondern weil es 2012 kam, während MP3 seit 1993 im Umlauf ist und in jede Software eingebaut wurde, die seither geschrieben wurde.

Eine Software, die seit Jahren nicht mehr aktualisiert wird, wird dieses Verhalten auch nicht mehr ändern. Der praktische Rat lautet deshalb, die Formatliste der Zielsoftware einmal kurz zu prüfen, statt bei jeder abgelehnten Datei aufs Neue zu rätseln, ob am Ton etwas defekt ist.

Ogg Opus speichert einen sogenannten Vorlaufwert, damit ein Player weiß, wie viele Samples am Anfang reines Einschwingen des Encoders sind und beim Abspielen übersprungen werden sollten — ein technisches Detail, das ein Player normalerweise unsichtbar für die hörende Person auflöst.

MP3 kennt dafür kein verlässlich gelesenes Gegenstück, weshalb ein paar Dutzend Millisekunden Stille an jedem Ende der umgewandelten Datei zurückbleiben können. Bei einer Sprachnachricht fällt das niemandem auf. Nur wer eine umgewandelte Aufnahme exakt gegen ein Video oder eine zweite Tonspur ausrichten muss, sollte diesen kleinen Versatz im Schnittprogramm ausgleichen, statt sich auf die Zeitangabe der Datei zu verlassen.

Bei diesem Paar hört das Argument auf, abstrakt zu sein. Die Dateien sind Sprachnachrichten, mitgeschnittene Anrufe, ein Beratungsgespräch, ein mit Einverständnis aufgenommenes Meeting. Sie einem beliebigen Umwandlungsdienst zu geben bedeutet, einer fremden Firma eine Kopie in die Hand zu drücken, und die ungelesenen Nutzungsbedingungen entscheiden dann, was damit passiert.

Hier übernimmt der Opus-Decoder des eigenen Browsers das Dekodieren — derselbe, der auch Anrufe wiedergibt —, und ein per WebAssembly geladener LAME-Encoder schreibt die MP3-Datei, beides im Tab, ohne Server. Es gibt also keinen Upload, keine Warteschlange, kein Konto und keine Aufzeichnung darüber, was umgewandelt wurde — im Netzwerk-Tab lässt sich das in dreißig Sekunden selbst nachprüfen.

Ein Telefon-Backup bringt diese Dateien gleich zu Hunderten mit. Hundert auf einmal ablegen: Jede wird einzeln umgewandelt und kommt als ein ZIP zurück, mit einer Grenze von 100 MB je Datei — weit über allem, was eine einzelne Sprachnachricht erreicht — und hundert Dateien je Ablage, was in der Praxis die eigentlich spürbare Grenze ist.

Bei einem solchen Stapel bleibt Kleine Datei die richtige Wahl: Vierhundert Sprachnachrichten kommen damit auf einige hundert Megabyte, mit Hoher Qualität auf ein Vielfaches davon, ohne einen einzigen zusätzlichen Informationsgehalt. Diese Einstellung hat hier die größte praktische Auswirkung von allen.

Diktatprogramme und Praxisverwaltungssoftware, wie sie in vielen Kanzleien und Arztpraxen im Einsatz sind, kennen häufig ein festes, oft veraltetes Set an Formaten — WAV oder MP3, aber kein Opus. Eine per Diensthandy oder Aufnahmegerät mitgeschnittene Anmerkung, die als Opus-Datei anfällt, muss dann erst diesen Umweg nehmen, bevor sie in die vorhandene Ablagestruktur passt.

Für diesen Zweck ist die niedrigste Stufe fast immer ausreichend, weil gesprochenes Diktat keine hohe Klangtreue braucht, sondern Verständlichkeit — und genau die bleibt vollständig erhalten. Wichtiger als die Bitrate ist hier, dass der Dateiname dem Ablageschema der Software entspricht, denn Tags trägt die Opus-Datei ohnehin meist keine.