WebM in AAC umwandeln

Mit "AAC" meinen die meisten Menschen zweierlei. Das eine ist der Codec, der auch in jeder M4A- und MP4-Datei steckt. Das andere ist der elementare Stream: die kodierten Rahmen für sich, ohne jede Hülle darum. Diese Umwandlung erzeugt Letzteres.

Dieser Unterschied entscheidet, ob hier die richtige Seite ist. Soll eine Aufnahme entstehen, die in eine Musiksammlung passt, einen Titel bekommt und einfach abgespielt wird, ist die M4A-Umwandlung die richtige Wahl, und diese hier macht die Sache eher schwerer. Hat dagegen etwas in einer Sendekette ausdrücklich AAC verlangt und ein MP4 abgelehnt, ist genau das hier gemeint.

Wer in Deutschland Radio über DAB+ hört, hört bereits AAC — genauer HE-AAC v2, den Nachfolgestandard des digitalen terrestrischen Radios, der seit dem bundesweiten DAB+-Ausbau nach 2011 die meisten öffentlich-rechtlichen und viele private Sender trägt. Der Grund, warum DAB+ überhaupt auf AAC statt MP2 wie das alte DAB setzt, ist dieselbe Eigenschaft, die diese Seite erzeugt: ein Stream aus einzelnen, für sich verständlichen Rahmen, den ein Empfänger an jeder Stelle aufgreifen kann, ohne eine Containerstruktur vom Anfang der Sendung kennen zu müssen.

Wer für eine Sendeanstalt, ein Community-Radio oder einen Streaming-Zubringer Material aus einer im Browser aufgenommenen WebM-Datei in genau diese Form bringen muss, landet hier — nicht, weil ein Player das Ergebnis abspielen soll, sondern weil eine Spezifikation es verlangt.

ADTS steht für Audio Data Transport Stream, und das Entwurfsziel dahinter ist: Jede Stelle in der Datei ist ein gültiger Einstiegspunkt. Jeder Rahmen trägt einen sieben Byte langen Kopf mit Profil, Abtastrate und Kanalkonfiguration, sodass ein Decoder, der mittendrin einsteigt, sofort weiß, wie er das Folgende zu lesen hat.

Genau das brauchen Rundfunk und Streaming. Ein HLS-Segmentierer kann einen Stream an einer Rahmengrenze zerschneiden, und jedes Stück steht für sich. Zwei Streams lassen sich durch einfaches Aneinanderhängen der Bytes verbinden, und das Ergebnis ist gültig. Ein eingebetteter Player mit wenigen Kilobyte Puffer kann zu dekodieren beginnen, ohne einen Index zu parsen, für den er keinen Platz hat. Nichts davon gilt für ein MP4, dessen Index an einer Stelle liegt und alles beschreibt.

Alles, was der Container geleistet hat, fehlt jetzt. Es gibt keine gespeicherte Dauer, ein Player errechnet die Länge durch Abtasten der Rahmen oder schätzt sie, meist ungenau bei variabler Bitrate, aus der Bitrate. Es gibt keine Sprungtabelle, an eine Position zu springen ist eine Berechnung statt eines Nachschlagens. Es gibt nirgendwo Platz für einen Titel, einen Interpreten oder ein Datum.

Für eine Maschine, die den Stream einmal von vorne liest, spielt das keine Rolle — deshalb überlebt das Format. Für einen Menschen mit einem Mediaplayer ist es sofort spürbar, und es ist der Grund, warum eine .aac-Datei in einem Dateibrowser so oft eine plausible, aber falsche Dauer zeigt. Stört das, wollte die Datei eigentlich eine M4A sein.

AAC wurde 1997 von MPEG als ISO/IEC 13818-7 standardisiert und ist seither der Standard für Auslieferung — Rundfunk, Streaming, Mobilgeräte, digitales Radio. Er unterstützt bis zu 48 Kanäle, wobei alles aus einer Browseraufnahme mono oder stereo ist.

Enthalten war zuvor Opus, ein neuerer und in vielerlei Hinsicht besserer Codec, den fast nichts außerhalb eines Browsers annimmt. Die Umwandlung zwischen beiden ist ein vollständiges Dekodieren und Neukodieren: Zwei verlustbehaftete Codecs können keine Daten direkt austauschen, hier entsteht also eine zweite Kompressionsrunde. Bei Sprache ist das kaum hörbar, und für eine Sendekette meist unerheblich neben der Kompression, die die Auslieferung ohnehin noch anwendet.

Die übliche Ausgangslage ist eine Webanwendung, die über den Browser aufnimmt. MediaRecorder schreibt WebM mit Opus, weil Browser genau das unterstützen müssen, und die Aufnahme muss anschließend in ein Backend, das um AAC herum gebaut ist — ein Aufnahmedienst, eine Umkodierungsfarm, eine Telefonieplattform, ein App-Paket mit festem Format.

Schon auf der Client-Seite umzuwandeln, vor dem Hochladen, ist häufig die günstigere Architektur. Die Datei, die über das Netz geht, liegt bereits im vom Backend erwarteten Format, kein Server muss pro Aufnahme einen Umkodierer laufen lassen, und es entsteht keine Warteschlange — dieselbe Überlegung, die diese Umwandlung überhaupt erst in den Browser gebracht hat.

Opus arbeitet mit 48 kHz, also ist eine Browseraufnahme 48 kHz, und das daraus geschriebene AAC ist ebenfalls 48 kHz. Die Kanalzahl entspricht ebenso genau dem, was aufgenommen wurde — mono für ein Mikrofon, stereo für alles, was Systemton mit aufgezeichnet hat.

Hier wird bewusst nicht resampelt. Resampling ist eine eigene Entscheidung mit eigenen Qualitätsabwägungen, und eine Umwandlung, die das leise mitmacht, würde einen Schritt verstecken. Verlangt eine Zielplattform 44,1 kHz oder eine bestimmte Kanalanordnung, gehört das in das Werkzeug, das diese Anforderung stellt, wo die Resampling-Methode bewusst gewählt wird.

Eine Videospur im WebM wird vollständig verworfen statt ignoriert, was besonders zählt, wenn die Quelle eine Bildschirmaufnahme mit Kommentar ist. Nur die erste Tonspur überlebt; eine Aufnahme mit getrennt aufgezeichnetem Mikrofon- und Systemton liefert nur eine der beiden, ohne Auswahlmöglichkeit.

Für eine Sendekette lohnt es sich, das zu prüfen statt anzunehmen. Schreibt der Recorder auf der anderen Seite zwei Spuren, sollte vorher klar sein, welche ankommt — sonst wird das Verhalten drei Wochen später zu einem Fehlerbericht über fehlenden Ton.

Es lohnt sich, die falsche Verwendung vorab auszuschließen. Ein audio-Element auf eine .aac-Datei zeigen zu lassen ist unzuverlässig: Browser unterscheiden sich darin, ob sie einen rohen ADTS-Stream überhaupt parsen, und die, die es tun, melden häufig eine falsche Dauer, weil nichts in der Datei die echte nennt. Der Fortschrittsbalken verhält sich dann seltsam, und der Fehler sieht wie ein Player-Problem aus.

Für alles, was im Browser abgespielt werden soll, funktioniert derselbe Ton als M4A überall zuverlässig, weil der Container Dauer und Index mitbringt. Den ADTS-Stream für die Pipeline behalten, die ihn verlangt hat, und für alles, mit dem ein Mensch interagiert, einen Container verwenden — genau dafür sind die beiden Formate gemacht.

MP3 hat ein vergleichbares Problem und eine ähnliche Lösung: Auch eine .mp3-Datei ist im Kern ein elementarer Stream aus aneinandergereihten Rahmen, kein Container mit Index. Der Unterschied ist, dass praktisch jede Software MP3-Rahmen inzwischen zuverlässig genug liest, um trotzdem eine brauchbare Dauer anzuzeigen, während ADTS deutlich seltener im Alltag vorkommt und entsprechend seltener sauber unterstützt wird.

Für eine Sendekette spielt das keine Rolle — beide Formate lösen dasselbe Problem auf dieselbe Art, nur mit unterschiedlichem Codec darunter. Für jemanden, der nur eine Datei zum Anhören will, ist MP3 deshalb in der Praxis die verzeihlichere Wahl der beiden elementaren Streams.

Bevor eine ganze Charge von Dateien in eine Sendekette oder einen Segmentierer eingespielt wird, lohnt sich ein kurzer Test einer einzelnen Datei: in VLC oder einem anderen FFmpeg-basierten Player öffnen und prüfen, ob Ton, Kanalzahl und ungefähre Dauer plausibel wirken. Ein Player, der die Datei verweigert oder mit offensichtlich falscher Länge anzeigt, deutet meist auf ein Missverständnis über das erwartete Format hin, nicht auf einen Fehler in der Datei selbst.

Erst wenn diese Stichprobe passt, den ganzen Ordner auf einmal umwandeln. Das erspart, eine ganze Charge noch einmal neu erzeugen zu müssen, nur weil die Zielsoftware am Ende doch eine M4A statt eines rohen Streams erwartet hätte.

Bis zu hundert WebM-Dateien in einem Durchgang, jede mit eigener Fortschrittsanzeige, alle gemeinsam als ein ZIP herunterladbar. Weil kein Server beteiligt ist, gibt es weder ein Tageskontingent noch eine Warteschlange — die Obergrenze pro Datei liegt bei 100 Megabyte.

Für jemanden, der das regelmäßig für eine Sendung oder einen Dienst braucht statt einmalig, ist das der praktische Unterschied. Ein kostenloser Konverter mit Upload deckelt meist irgendwo zwischen fünf und zwanzig Dateien pro Tag; hier lässt sich der Ordner mit hundert Dateien sofort erneut ablegen, und die hundertste Datei verhält sich genauso wie die erste.