WebM in M4A umwandeln

Wer in Deutschland ein Smartphone besitzt, besitzt mit hoher Wahrscheinlichkeit ein iPhone — der Marktanteil liegt seit Jahren deutlich über dem europäischen Durchschnitt. Trotzdem landet eine WebM-Datei aus einem Browser-Rekorder, einem Meeting-Tool oder einer Web-App auf genau diesem Gerät regelmäßig als toter Anhang: Die Dateien-App öffnet sie nicht, Musik weigert sich, und Sprachmemos kennt die Endung gar nicht.

Der Grund liegt nicht am Betriebssystem, sondern am Codec darin. WebM aus dem Browser trägt fast immer Opus, und iOS bringt außerhalb von Safari keinen Opus-Decoder mit. M4A ist dagegen genau das Format, das Sprachmemos selbst schreibt, wenn man auf dem iPhone eine Notiz aufnimmt — die Umwandlung sorgt also nicht für bessere Klangqualität, sondern dafür, dass die Datei auf dem Gerät überhaupt als Audio erkannt wird.

M4A ist kein eigenständiges Containerformat, sondern ein MP4-Container mit einer anderen Endung. Apple hat sie 2004 eingeführt, damit ein Doppelklick den Musikplayer statt den Videoplayer öffnet — technisch ist eine M4A-Datei eine MP4-Datei ohne Bildspur. Der Inhalt, den dieser Konverter hineinschreibt, ist AAC, derselbe Codec, den ein iPhone auch beim eigenen Aufnehmen verwendet.

Der Container kann grundsätzlich auch Apple Lossless tragen, weshalb zwei M4A-Dateien aus unterschiedlichen Quellen nicht zwangsläufig gleich klingen müssen. Was hier entsteht, ist verlustbehaftetes AAC — der Codec, den jedes Gerät liest, das den Container überhaupt öffnet, und der einzige, den ein Browser aus WebM heraus schreiben kann.

AAC klingt bei gleicher Dateigröße spürbar sauberer als MP3, besonders bei Sprache und bei allem mit Nachhall — ein klarer Vorteil für Diktate, Interviews oder eine Sprachnotiz aus einer Videokonferenz. Für ein Gerät, das jünger ist als etwa zehn Jahre, ist M4A fast immer die bessere Wahl.

MP3 gewinnt in genau einer Disziplin, dafür einer wichtigen: Es läuft auf allem. Autoradio, altes Diktiergerät, jedes Programm, das seit 1993 existiert. Wer nicht weiß, wohin die Datei am Ende geht, oder sie an jemand anderen weiterreicht, ist mit dem weniger effizienten, dafür universelleren Format auf der sicheren Seite.

Das eigentliche Problem ist meist gar nicht der Codec, sondern der Weg: Die WebM-Datei liegt schon auf dem iPhone, und der naheliegende Umweg über einen Computer kostet für eine zwei Megabyte kleine Sprachnachricht drei Schritte zu viel.

Diese Seite läuft in Safari auf dem iPhone genauso wie auf einem Desktop-Rechner. Datei aus den Dateien auswählen, umwandeln lassen, M4A zurückspeichern — Dekodierung und Kodierung passieren beide auf dem Telefon, mit denselben Codecs, die es auch zum Abspielen von Audio verwendet. Nichts wird installiert, nichts hochgeladen, und die Aufnahme verlässt das Gerät nicht, auf dem sie entstanden ist.

Opus hinein, AAC hinaus, mit einer vollständigen Dekodierung dazwischen. Beide Formate sind verlustbehaftet, die Umwandlung komprimiert also ein zweites Mal etwas, das schon einmal komprimiert wurde. Einen Weg daran vorbei gibt es nicht — kein Browser kann zwischen zwei verlustbehafteten Codecs wechseln, ohne vorher zu dekodieren.

Bei Sprache, und das ist der weit überwiegende Teil aller WebM-Sprachnachrichten, ist das Ergebnis auf allen drei Qualitätsstufen praktisch nicht unterscheidbar. Bei Musik ist der zweite Durchgang messbar und gelegentlich hörbar, etwa bei Becken oder Raumhall. Handelt es sich um eine Proben- oder Konzertaufnahme, lohnt sich die hohe Qualitätsstufe, und die WebM-Datei sollte parallel aufbewahrt werden.

Die M4A-Datei kommt mit Ton und ohne Metadaten an, weil in der WebM-Datei keine steckten, die es wert wären, mitgenommen zu werden — Browser-Rekorder und Meeting-Tools benennen Dateien nach Zeitstempel und schreiben sonst nichts hinein. Wird die Datei so in Musik oder eine andere Bibliothek gezogen, erscheint sie unter ihrem Dateinamen, ohne Interpret und ohne Album.

Titel, Interpret und Album lassen sich anschließend direkt in Musik oder mit einem Tag-Editor nachtragen. Dreißig Sekunden pro Datei entscheiden darüber, ob eine Aufnahme in zwei Jahren noch auffindbar ist oder in einem Haufen gleich benannter Dateien untergeht.

Jede Tonspur, die der Browser dekodieren kann, wandert vollständig in die M4A-Datei, eine eventuell vorhandene Bildspur wird verworfen. Bei einer aufgezeichneten Videokonferenz mit getrennter Mikrofon- und Systemton-Spur kommen deshalb beide Spuren an, nicht nur die erste — eine Spur in AC-3, E-AC-3, DTS oder TrueHD wäre die Ausnahme, die stillschweigend verworfen wird, kommt bei einer Browser-Aufnahme aber praktisch nie vor.

Kapitelmarken und eingebettete Untertitel fallen ebenfalls weg. Für eine Podcast-Folge, die anderswo zusammengesetzt wird, ist das wichtig zu wissen, bevor diese Umwandlung zum Auslieferungsschritt wird: Kapitel gehören zu dem Werkzeug, das sie gesetzt hat, und müssen dort erneut hinzugefügt werden.

Bei gleicher Aufnahme wird die M4A-Datei in aller Regel größer als die WebM-Datei, bei reiner Sprache oft deutlich. Opus ist bei Sprache und niedrigen Bitraten außergewöhnlich effizient — es wurde für Echtzeit-Gespräche entwickelt —, während AAC eher auf Musik und allgemeine Auslieferung ausgelegt ist. Eine fünfminütige Sprachnotiz, die als Opus anderthalb Megabyte wog, kann als AAC in der mittleren Qualitätsstufe deutlich mehr Speicherplatz belegen.

Die niedrige Qualitätsstufe macht die Datei kleiner, die hohe deutlich größer — eine genaue Quote nennt diese Seite bewusst nicht, weil die drei Stufen intern in eine Qualitätsangabe übersetzt werden, die AAC anders in Bitrate umsetzt als andere Codecs. Für alles, worin ausschließlich gesprochen wird und was auf ein Telefon soll, reicht die niedrige Stufe. Die hohe Stufe lohnt sich nur, wenn Musik in der Aufnahme steckt, denn es handelt sich bereits um eine zweite Kompressionsgeneration mit entsprechend wenig Spielraum.

In Deutschland ist der Umgang mit personenbezogenen Aufnahmen gesetzlich sensibel geregelt, und eine Sprachnachricht ist genau das: die Stimme einer Person, oft mit Inhalt, der nicht für Dritte bestimmt war. Ein Konvertierungsdienst, der die Datei zunächst auf einen fremden Server lädt, macht aus einer privaten Aufnahme kurzzeitig eine Kopie außerhalb der eigenen Kontrolle.

Hier entfällt dieser Schritt vollständig — Dekodierung und Kodierung laufen im Browser-Tab, die Datei bleibt auf dem Gerät. Das lässt sich im Netzwerktab des Browsers nachprüfen, statt einer Datenschutzerklärung glauben zu müssen: Bei der Umwandlung geht keine Anfrage mit der Audiodatei nach außen.

Bis zu hundert Dateien lassen sich gleichzeitig ablegen, jede wird einzeln mit eigenem Fortschritt umgewandelt, und ab der zweiten fertigen Datei steht ein ZIP mit allen Ergebnissen bereit. Eine Warteschlange gibt es nicht, weil kein gemeinsamer Server bedient werden muss.

Gerade bei mobilen Datentarifen mit begrenztem Volumen macht das einen praktischen Unterschied: Einen Ordner mit Sprachnachrichten hoch- und wieder herunterzuladen kostet Zeit und Datenvolumen, das Umwandeln im Tab kostet nur Akku. Die Grenze ist die Rechenleistung des eigenen Geräts, nicht die Upload-Geschwindigkeit des Anschlusses.

Bleibt die Aufnahme auf dem Gerät, das sie erzeugt hat, und wird sie nur über eine Web-App oder Safari abgespielt, ändert die Umwandlung nichts am Ergebnis — der Browser dekodiert Opus ohnehin. Der Aufwand lohnt sich erst in dem Moment, in dem die Datei den Browser verlässt: Sprachmemos, eine Musikbibliothek, ein Anhang für jemanden mit einem Android-Gerät, das AAC ebenso problemlos liest.

Wer dagegen ohnehin nur innerhalb einer Web-App bleibt, spart sich die zweite Kompressionsrunde und die etwas größere Datei, indem er die WebM-Datei einfach dort lässt, wo sie ist. Die Umwandlung ist ein Werkzeug für den Übergang zwischen zwei Welten, kein Standardschritt, der jeder Aufnahme automatisch guttut.