Convertir AAC a WAV

Un archivo con esa extensión suele ser una tira de tramas ADTS puestas una detrás de otra. Cada trama lleva delante una cabecera cortísima que describe esa trama y nada más: ni cuántas hay, ni dónde empieza cada una, ni cuánto dura el conjunto. Esa ausencia es intencionada, porque el formato se pensó para transmisiones a las que un receptor se engancha a mitad.

Puesto en un disco duro, ese diseño se convierte en tres molestias seguidas. La duración hay que estimarla, saltar a un minuto concreto obliga a buscar un límite de trama a ciegas, y el archivo entero no declara en ningún sitio cuántos canales tiene. Un WAV sustituye las tres cosas por campos fijos escritos al principio.

El objetivo WAV de este sitio está fijado a PCM de 16 bits con signo. No hay un desplegable de profundidad ni una casilla de códec: el contenedor se rellena con muestras enteras y punto. Es la combinación que el módulo `wave` de la biblioteca estándar de Python abre sin argumentos, la que devuelve `scipy.io.wavfile` como un vector `int16` y la que espera casi todo el hardware de audio.

Subir esa cifra a 24 o 32 bits agrandaría el archivo sin añadir información, porque la información la fijó el codificador AAC mucho antes de que tú llegaras aquí. Si una fase posterior de tu proceso quiere coma flotante, la convertirá al cargarla, que es donde esa conversión no cuesta bytes en disco.

Cámaras IP y videovigilancia, grabadores de sala, centralitas y plataformas de atención telefónica, segmentos de un flujo HLS descargado, cajas negras de emisión, bibliotecas de grabación de Android con los valores por defecto que nadie revisó. Todo ese material se escribe en ADTS porque se puede cortar en cualquier punto sin reescribir nada.

El hilo común es que la máquina hizo el archivo para otra máquina, y por eso quien acaba abriéndolo suele ser un script y no un oído. También explica que el audio no se parezca al de un disco: mono es lo normal, 8.000 o 16.000 Hz es lo normal en telefonía, y 32.000 Hz aparece en emisión. Todo eso pasa al WAV tal cual estaba.

Cuando un reproductor te dice que la captura dura 12 minutos y el operador jura que estuvo grabando 47, nadie está mintiendo. El programa dividió el tamaño del archivo entre la tasa de bits de la primera trama, y ese cálculo falla en cuanto el codificador varió la tasa a mitad de camino, que es exactamente lo que hace un codificador cuando la sala se queda en silencio.

En el WAV el número de muestras está escrito, así que todas las herramientas que lo abran coinciden. Eso importa mucho más de lo que parece en cualquier tarea de alineación: si el audio y el vídeo se sincronizan por marcas de tiempo calculadas sobre una duración estimada, el desfase crece a lo largo del archivo y nadie sabe de dónde viene.

La aritmética es directa porque no hay compresión: frecuencia de muestreo por canales por dos bytes. Un estéreo a 44.100 Hz son unos 10 MB por minuto; en mono, la mitad. Una hora de voz en mono a 16.000 Hz ronda los 115 MB, y esa misma hora en estéreo a calidad de disco pasa de los 600 MB.

Por eso esta página no ofrece ninguna banda de calidad. En los formatos comprimidos de este sitio hay tres bandas y sirven para algo; aquí no habría nada que ajustar, porque escribir PCM consiste en copiar muestras. Si el tamaño es el problema y aun así necesitas algo sin compresión adicional, FLAC comprime sin descartar nada y lo lee cualquier editor de este siglo.

AAC descartó de forma permanente partes de la grabación. El WAV guarda lo que quedó, muestra a muestra, en un archivo entre cinco y diez veces mayor. No hay ninguna manera de que un contenedor recupere lo que un codificador tiró; quien busca eso necesita volver a la fuente original, si es que todavía existe.

La diferencia con la persona que convierte música es que aquí el tamaño es un coste aceptado y la fidelidad nunca fue el objetivo. Un detector de silencios, un transcriptor o un analizador de nivel leen igual de bien un WAV que salió de un AAC que uno que salió de un micrófono, porque miden lo que hay y no lo que faltó.

La conversión se apoya en WebCodecs, es decir, en los códecs que tu sistema operativo ya usa para reproducir sonido. Del lado de la escritura no hay codificador en absoluto: PCM es copiar muestras y armar una cabecera, así que este es el destino de audio más barato de toda la matriz.

También significa que el resultado depende de la máquina en la que estés, no de nuestra infraestructura. Para audio siempre hay una respuesta, porque los codificadores que sí hacen falta en otros destinos —MP3, AAC y FLAC— se cargan bajo demanda, y PCM y Opus son universales. Donde eso no se cumple es en el vídeo, y esa es otra página.

Muchos grabadores escriben un bloque de metadatos delante de las tramas, y es razonable preguntarse qué pasa con él. La respuesta honesta es que este canal de conversión no le pasa ninguna instrucción sobre etiquetas a la biblioteca que hace el multiplexado, así que el resultado lo decide esa biblioteca y no nosotros. No vamos a escribir aquí una lista de qué sobrevive cuando el código de este repositorio no lo fija.

Lo práctico es no depender de ello. Si la procedencia de una captura importa —y en material de cámara o de centralita casi siempre importa—, regístrala fuera del archivo, en el manifiesto o en la base de datos que ya usa tu proceso. Un campo dentro de un contenedor que la mitad de las herramientas ignoran no es un buen sitio para la cadena de custodia.

El límite gratuito para las conversiones que se ejecutan en el navegador es de 100 MB por archivo, y esta es una de ellas. En AAC eso es muchísimo tiempo: una captura mono a 64 kbit/s tendría que durar días para acercarse. La restricción real aparece del otro lado, en el WAV que sale, y ahí la aritmética del apartado anterior manda.

Se pueden soltar hasta 100 archivos de golpe y vuelven juntos en un ZIP. Si arrastras más de cien, la cola se recorta en silencio hasta ese número, así que en una carpeta de trescientas grabaciones conviene ir por tandas y comprobar el recuento en lugar de fiarse de que entró todo.

Buena parte del tráfico de esta página termina en un transcriptor. Las instalaciones locales de modelos de reconocimiento, las herramientas de alineación forzada y casi todo el software de investigación del habla aceptan WAV y rechazan AAC, y no porque el audio sea mejor: leer muestras sin comprimir no requiere descodificador y les elimina toda una familia de errores.

Para el español hay un detalle que conviene tener presente antes de convertir una carpeta entera: la mayoría de esas herramientas remuestrean a 16.000 Hz al cargar. Si tus capturas de telefonía ya están a 8.000 Hz, el WAV las conserva a 8.000 y el remuestreo posterior no inventa agudos. Vale la pena mirar la cabecera del primer resultado de cada tanda nueva en lugar de suponer.

Si estás vaciando un grabador antiguo te vas a encontrar con vecinos del .aac que aquí no entran. El canal de audio y vídeo lee doce formatos y escribe trece, y quedan deliberadamente fuera AVI, MPEG, WMV, WMA, FLV, AMR, 3GP y MIDI. No es una lista de tareas pendientes: es que ningún navegador descodifica esos códecs, y sin descodificador no hay nada que convertir dentro de una pestaña.

Merece la pena saberlo antes de planificar el vaciado de un archivo histórico. Un grabador de sala de los años dos mil que escribía WMA o AMR necesita otra herramienta, seguramente de escritorio; uno que escribía ADTS o MP4 entra aquí sin problema. Comprobarlo con un archivo de muestra antes de empezar con trescientos ahorra el descubrimiento a mitad del trabajo.

Nada de esto viaja a un servidor. El archivo se descodifica y se vuelve a escribir dentro de la pestaña, y puedes comprobarlo abriendo el panel de red del navegador mientras conviertes: no verás ninguna petición que lleve el archivo.

En este material eso es más que una postura. Una captura de cámara o de centralita contiene voces de personas que no eligieron estar ahí, y una grabación de voz es un dato personal en cualquier ordenamiento que se le aplique. Convertirla sin crear una copia en la infraestructura de un desconocido evita el problema en lugar de pedirte que lo asumas.