WebM in JPG umwandeln

In der technischen Dokumentation nach dem Regelwerk der tekom — dem deutschen Fachverband für Technische Kommunikation — gilt ein Prinzip, das viele Betriebe schon vor der Norm befolgt haben: Ein Screenshot muss die Oberfläche genau so zeigen, wie sie tatsächlich aussieht, in der echten Auflösung, ohne Kompressionsartefakte aus einem Foto des Monitors. Wer eine Bildschirmaufnahme als Beleg für einen Arbeitsschritt gemacht hat, braucht daraus ein einzelnes, sauberes Bild für die Anleitung.

Diese Umwandlung liefert genau das: einen Frame aus der WebM-Aufnahme, an der gewählten Sekunde, in der nativen Auflösung des Videos, als JPG für Word-Dokument, Redaktionssystem oder PDF-Export.

Wird der Zeitstempel nicht verändert, kommt das allererste Bild der Datei — Sekunde null. Bei einer Kameraaufnahme ist das oft brauchbar. Bei einem Screencast, was die meisten WebM-Dateien sind, zeigt Sekunde null häufig einen leeren Desktop, einen ladenden Browser oder den Moment vor dem eigentlichen Vorgang, weil die Aufnahme meist einen Wimpernschlag vor der Handlung gestartet wird.

Der Zeitstempel ist also keine erweiterte Option, sondern die wichtigste Einstellung auf der Seite. Die Sekunde des gesuchten Moments eintragen und umwandeln; stimmt es nicht, die Zahl ändern und erneut umwandeln. Weil alles lokal läuft, kostet jeder Versuch nur Sekunden statt eine Warteschlange bei einem fremden Dienst.

Der übliche Weg zu einem Bild aus einem Video ist, es abzuspielen, anzuhalten, einen Screenshot zu machen und zuzuschneiden. Das liefert das Bild in der Größe, in der der Player es gerade zeigte, mit einer Skalierung dazwischen — lief das Video verkleinert im Fenster, hat das Bild nur die halbe Detailtiefe. Es liefert außerdem das Bild, bei dem die Pause zufällig gelandet ist, nicht das, das gemeint war.

Hier wird der Frame in der nativen Auflösung des Videos decodiert und direkt aus diesen Pixeln kodiert. Eine 4K-Aufnahme ergibt ein JPG mit 3840 mal 2160 Pixeln, ob der Tab im Vollbild oder als Miniaturansicht offen war — und der Moment ist der genannte, nicht der, den die Reflexe getroffen haben.

Videokompression setzt darauf, dass kein einzelnes Bild lange betrachtet wird. Ein Codec investiert Bits dort, wo Bewegung ist, und spart überall sonst — bei dreißig Bildern pro Sekunde gleicht das Auge das ohnehin aus. Wird ein einzelnes Bild angehalten, bekommt genau das einen langen, ruhigen Blick, für den es nie gebaut war.

Wie stark das auffällt, hängt vom Moment ab. Eine ruhige Einstellung — eine Folie, eine unbewegte Oberfläche, ein statischer Ausschnitt — trifft den besten Fall des Codecs und wirkt sauber. Ein Frame mitten in einem Schwenk oder Schnitt trifft den schlechtesten Fall. Den Zeitstempel um eine halbe Sekunde zu verschieben ist oft die ganze Lösung, kein Ausgabeformat ersetzt das.

JPG verdient seinen Platz, weil es klein ist und praktisch nichts es je abgelehnt hat. Ein Frame in voller Auflösung landet im niedrigen dreistelligen Kilobyte-Bereich, ein Anhang, über den sich niemand beschwert, ein Upload, den kein Formular zurückweist. Jeder Dokumenteneditor, jedes Redaktionssystem und jedes Ticketsystem nimmt eines an.

Die Schwäche liegt genau bei dem Inhalt, den die meisten WebM-Dateien zeigen. JPG verwirft feines Detail an harten Übergängen, unsichtbar bei einem Foto, aber ein leichter Schleier um Text, Code, dünne Linien und Fensterrahmen. Geht es darum, dass Text im Bild lesbar bleibt, ist PNG die richtige Wahl statt JPG.

Im Browser aufgezeichnetes Video liegt praktisch immer in 4:2:0 vor — Helligkeit für jeden Pixel, Farbe nur für einen von vier. Einer der ältesten Tricks der Bildkompression, wirksam, weil das Auge auf Helligkeit deutlich empfindlicher reagiert als auf Farbton.

Sichtbar wird es genau dort, wovon Screencasts voll sind: farbiger Text und dünne farbige Linien vor kontrastierendem Hintergrund. Roter Text auf dunkelgrauem Grund, ein syntax-eingefärbtes Codebeispiel, ein farbiges Status-Icon — alles kommt leicht ausgefranst an, und die JPG-Kompression komprimiert diesen Rand mit, statt ihn zu entfernen. Das liegt an der Aufnahme, nicht an dieser Umwandlung.

Eine Umwandlung liefert ein Bild, eine Bildstrecke bedeutet also mehrfaches Umwandeln mit verschiedenen Zeitstempeln: umwandeln bei zwölf, dann bei einunddreißig, dann bei siebenundvierzig. Jeder Durchgang dauert ein paar Sekunden, und die Datei ist heruntergeladen, bevor die nächste Zahl eingetragen wird.

Für sechs Abbildungen aus einer Demo-Aufnahme für eine Anleitung ist das ein vernünftiger Weg, schneller als es klingt, weil zwischen den Versuchen nichts hochgeladen wird. Für hunderte Bilder ist ein Kommandozeilenwerkzeug mit fester Bildrate die passendere Wahl — das offen zu sagen ist hilfreicher, als ein Browserformular für etwas zu halten, für das es nicht gebaut ist.

Ton natürlich nicht, und die Aufnahmedaten des Videos ebenfalls nicht — selbst wenn das WebM welche trug, trägt das Einzelbild keine Koordinaten, kein Aufnahmedatum und kein Gerätemodell. Eingebrannte Untertitel dagegen bleiben erhalten, weil sie Teil des Bildes selbst sind, nicht einer eigenen Spur.

Für eine Anleitung, die weitergegeben oder veröffentlicht wird, ist das eher ein Vorteil als ein Verlust. Wer die Aufnahme dagegen als Beleg mit Zeitangabe archivieren will, sollte das Video selbst behalten — im Einzelbild steckt diese Angabe nicht mehr.

Die Bildpipeline dieser Seite decodiert die Quelle zu reinen Pixeln und gibt an den JPG-Encoder nur diese Pixel weiter — ein ICC-Profil ist an keiner Stelle Teil dieser Übergabe. Das JPG kommt deshalb ohne eingebettetes Farbprofil an, egal was das WebM selbst an Farbraum-Angabe trug.

Für einen Screencast in gewöhnlichem sRGB ändert das nichts Sichtbares. Bei einem Frame aus professionellem Kameramaterial mit weiterem Farbraum kann ein Betrachter ohne Profil Farben minimal anders zeigen als beabsichtigt — für eine Bildstrecke in einer Anleitung meist unerheblich, für ein farbkritisches Standbild ein Grund, das Ergebnis gegenzuprüfen.

Die Rechnung hinter dieser Umwandlung macht Hochladen absurd. Die Eingabe kann bis zu hundert Megabyte Bildschirmaufnahme sein, die Ausgabe zweihundert Kilobyte Bild. Die ganze Aufnahme an einen Server zu schicken, damit ein Bruchteil eines Prozents davon zurückkommt, ist viel Netzwerkaufwand für ein einzelnes Vorschaubild.

Hier decodiert der Browser das WebM mit den Codecs, die er ohnehin schon hat, springt zur gewünschten Sekunde und kodiert ein Bild. Nichts, was die Aufnahme trägt, bewegt sich, und die Dauer der Umwandlung ist die Zeit, die der eigene Rechner zum Springen braucht — bei einer langen Aufnahme der einzige Kostenpunkt.

Ein beachtlicher Teil der WebM-Dateien enthält nur Ton — Sprachnachrichten, aufgezeichnete Anrufe, aus einer Chat-App gespeicherte Clips. Ohne Videospur gibt es kein Bild zu entnehmen, und die Umwandlung sagt das direkt, statt ein leeres Bild zu erzeugen.

Trifft das auf die eigene Datei zu, liegt die passende Lösung auf der Tonseite: dieselbe Aufnahme als MP3 zum Anhören überall, oder als WAV zum Transkribieren. Ein Standbild war aus dieser Datei nie zu bekommen.