¿Qué es un archivo MP4?

MP4 es un contenedor: una envoltura para flujos que ha codificado otra cosa. Se usa para entregar un archivo terminado, la web y los teléfonos.

La extensión es .mp4 y el nombre completo, MPEG-4 Video. Ambos importan menos que lo que el archivo puede contener, y de eso trata el resto de esta página.

MPEG lo publicó en 2001. La especificación es ISO/IEC 14496-14.

La edad interesa por un motivo práctico: cuanto más antiguo es un formato, más programas han tenido tiempo de aprenderlo.

Está publicada entera, así que cualquiera puede implementarla leyendo el documento en vez de a base de inspeccionar archivos. Por eso aparece en tantos programas, y por eso los archivos escritos hace veinte años siguen abriéndose hoy. Publicada no quiere decir libre de regalías: cuando un formato envuelve un códec, la licencia de las patentes es un asunto aparte que la norma no resuelve.

Normalmente contiene H.264, HEVC, AV1 y AAC. Esta distinción está detrás de casi todas las preguntas del tipo «¿por qué no se reproduce?»: dos archivos con la misma extensión pueden llevar codificaciones completamente distintas, y un reproductor que rechaza una puede entenderse perfectamente con la otra.

También explica por qué cambiar de contenedor suele ser rápido y sin pérdidas mientras que cambiar de códec no es ni lo uno ni lo otro. Mover el mismo flujo a otra caja reescribe la caja; recodificar reescribe la imagen.

MP4 puede contener varias pistas de audio, pistas de subtítulos y una disposición que le permite empezar a reproducirse antes de haber llegado entero.

Eso importa sobre todo al convertir: lo que el destino no puede contener se descarta, casi siempre sin aviso.

VLC, HandBrake y Adobe Premiere Pro lo leen, y también la mayoría de programas del mismo tipo.

Cuando un archivo no se abre, el formato rara vez es el problema: lo más habitual es que el programa sea anterior al formato. Convertir a algo más antiguo es la salida fiable, y para eso está el resto de este sitio.

Cualquier navegador actual lo lee.

Eso lo convierte en algo que puedes poner en una página o adjuntar a un mensaje sin preguntarte qué tiene instalado el otro lado.

MP4 puede guardar las propiedades del documento.

Que algo de esto sobreviva a una conversión depende por completo del destino, y la respuesta honesta suele ser «una parte».

MP4 está pensado para entregarse, no para trabajar dentro. Editar uno es posible y rara vez agradable; lo sensato es cambiar el original y volver a exportar.

Este es el dato del que salen casi todas las rarezas del MP4. El archivo no define cómo se comprime la imagen: define cómo se guardan varias pistas comprimidas una al lado de otra, indexadas y sincronizadas. Vídeo, audio, subtítulos y capítulos van cada uno en su pista, y el MP4 es la caja en la que viajan.

Por eso «la calidad del MP4» no es una propiedad del MP4. Dos archivos con la misma extensión y el mismo tamaño pueden verse completamente distintos porque uno lleva H.264 y el otro AV1, y un reproductor que rechaza el primero puede reproducir el segundo sin problema. Cuando algo falla con un MP4, la pregunta útil casi nunca es sobre el contenedor.

En vídeo, H.264 es el valor por defecto abrumador desde hace quince años: cualquier móvil, cámara, navegador o televisor lo descodifica, muchas veces en un circuito dedicado. H.265 aparece donde hacía falta que el archivo fuera más pequeño, sobre todo en grabaciones a 4K de móviles recientes, y AV1 empieza a llegar desde plataformas de streaming y herramientas de captura nuevas.

En audio, AAC es la respuesta casi universal, con algún MP3 en archivos antiguos y muy de vez en cuando PCM sin comprimir. La consecuencia práctica de ese reparto es que H.264 con AAC es la combinación que se reproduce en todas partes sin pensar, y que cualquier otra cambia compatibilidad por tamaño a sabiendas.

Porque el reproductor tiene descodificador para lo que hay dentro del primero y no para lo que hay dentro del segundo. Un televisor de 2016 resuelve H.264 por hardware y no ha oído hablar de AV1. Un programa de edición antiguo abre H.264 y rechaza H.265 porque nunca se pagó la licencia para descodificarlo. El mensaje de error casi siempre dice algo poco útil sobre un archivo no compatible.

El diagnóstico es rápido: averigua qué códec lleva el archivo. Si es H.265 o AV1 y el destino es viejo, recodificar a H.264 lo arregla, a cambio de un archivo más grande y de una generación de calidad. Si ya era H.264, el problema está en otra parte: un índice dañado, una pista de audio exótica o un reproductor que quería otra extensión.

Un MP4 lleva una tabla que describe dónde vive cada fotograma. Muchas herramientas la escriben al final del archivo, porque su contenido no se conoce del todo hasta que termina la codificación. En un disco local da igual; en una red es un problema real, porque el reproductor no puede empezar hasta tener esa tabla y acaba descargando el archivo entero antes de enseñar un fotograma.

La solución es un paso que suele llamarse arranque rápido u optimización para web y que mueve la tabla al principio. La imagen no cambia en nada. Si un vídeo incrustado en una página se queda en negro un buen rato mientras el mismo archivo arranca al instante desde el escritorio, esto es casi siempre lo que pasa.

El MP4 se estandarizó a partir del formato QuickTime de Apple, y los dos comparten estructura hasta el punto de que muchos archivos son válidos como ambos. Un montón de programas reproducen un MOV renombrado a .mp4 y al revés, lo cual dice mucho de lo parecidos que son y no es una técnica en la que convenga confiar.

Las diferencias que quedan están en los extremos: el MOV puede llevar los códecs de edición que producen las herramientas de Apple, ProRes entre ellos, que ningún reproductor de MP4 espera encontrarse. Como regla, MOV es lo que sale de grabar y editar en equipos de Apple, y MP4 es lo que se entrega a todos los demás.

El MP4 admite una pista de texto con tiempos, y el soporte para leerla es lo bastante desigual como para que casi nadie dependa de ella. Los reproductores de escritorio suelen encontrarla; los navegadores, los televisores y los descodificadores de salón la ignoran a menudo, así que unos subtítulos que funcionan en el equipo donde se hicieron desaparecen en cualquier otro sitio.

Hay dos apaños habituales y los dos son honestos sobre lo que cuestan. Un archivo SRT o VTT aparte se entiende en todas partes y se puede desactivar, pero tiene que viajar con el vídeo. Incrustar el texto en la imagen garantiza que aparezca siempre y lo vuelve permanente, no desactivable y no traducible.

El vídeo comprimido se construye con fotogramas completos de vez en cuando y muchos fotogramas intermedios que solo describen lo que cambió. Por eso un MP4 se puede recortar justo en esos fotogramas completos sin tocar la imagen, y por eso un corte en cualquier otro punto obliga a descodificar y volver a codificar ese tramo, con la generación de calidad que eso cuesta.

La rotación es la excepción útil. La orientación se guarda como una marca y no está horneada en los píxeles, así que poner un vídeo del derecho es un cambio de metadatos e instantáneo. Cambiar el tamaño, cambiar la cadencia, tocar el audio o unir clips con ajustes distintos son recodificaciones de verdad.

Bastante más de lo que la gente supone. Los aparatos de grabación escriben la marca y el modelo, la fecha y la hora y, si la ubicación estaba activada, las coordenadas GPS. Los programas de edición añaden su propio nombre y a menudo el del proyecto. Nada de eso se ve al reproducir.

Importa en el caso corriente de un clip grabado en casa y publicado en abierto. La herramienta de metadatos de este sitio remultiplexa el archivo en lugar de recodificarlo: copia las muestras ya codificadas y escribe las etiquetas vacías, de modo que cada fotograma de vídeo y cada muestra de audio sobreviven exactos y lo que desaparece es la información sobre el archivo. Merece la pena hacerlo a conciencia en vez de dar por hecho que la plataforma lo ha hecho por ti.

H.264 para la imagen y AAC para el sonido, que es la pareja que descodifica cualquier aparato de los últimos veinte años. La conversión ocurre en el navegador, apoyándose en los códecs del sistema operativo, así que depende de la máquina: la misma versión de un navegador codifica H.264 en un portátil y no en otro. Cuando el equipo no puede, aparece una frase que nombra navegadores que sí, y no hay un servidor detrás que lo resuelva por su cuenta.

De vídeo a vídeo se recodifica siempre, así que se pierde algo de detalle incluso en el ajuste más alto, y hay tres cosas que no llegan: los subtítulos incrustados, los capítulos y las pistas de audio en AC-3, E-AC-3, DTS o TrueHD, que se descartan. Esa última es un fallo real y frecuente en copias de disco o de streaming: la imagen se convierte y el resultado sale mudo. El selector de resolución solo reduce; pedir 1080 a un vídeo de 720 no lo agranda.

La conversión a GIF sí anima, porque va por un camino distinto del de las imágenes fijas, y sus valores son concretos: 12 imágenes por segundo, 480 píxeles de ancho y 10 segundos, con un tope duro de 600 fotogramas. Ese tope decide la duración real: unos 50 segundos a 12 fotogramas por segundo y 20 a 30, y lo que pase de ahí se corta. No hay sonido, porque un GIF no tiene dónde llevarlo.

Sacar una imagen fija es la otra operación pequeña y útil: se indica el segundo y sale ese instante a la resolución completa del vídeo, sin reducir. Sirve para una miniatura, para una captura de referencia o para comprobar qué se ve realmente en un fotograma concreto.