Convertir M4A a AAC

Ésta es la distinción que justifica el par y la que casi todas las webs de conversión cuentan mal. AAC es un códec: normalizado en 1997, sucesor diseñado del MP3, y lo que de verdad comprime el sonido. M4A es un contenedor: un archivo MP4 con una sola pista de audio dentro, que normalmente es AAC. Casi todos los `.m4a` y casi todos los `.aac` que hay por ahí llevan el mismo códec, y la diferencia entre los dos archivos es todo lo que está envuelto alrededor.

La cabecera del MP4 no es adorno. Registra cuánto dura el audio, cuántos canales tiene, dónde empieza cada muestra para que un reproductor pueda saltar a un segundo cualquiera, y un bloque de metadatos para el título, el intérprete y la carátula. Un archivo `.aac` normalmente no tiene nada de eso, y el resto de la página trata de qué ganas y qué pierdes al tirarlo.

Un `.aac` pelado es un flujo ADTS, es decir, una sucesión continua de tramas donde cada una abre con una cabecera de siete bytes que describe esa trama y nada más allá de ella. El objetivo de diseño era la radiodifusión, donde un receptor puede engancharse a la emisión en cualquier momento y tiene que ser capaz de encontrar un límite de trama y empezar a descodificar sin haber visto nunca el principio.

De ahí salen dos propiedades reales. Cualquier trozo del archivo que empiece en un límite de trama es a su vez un archivo válido, que es por lo que la entrega en segmentos funciona con este formato. Y dos archivos ADTS se unen concatenándolos, sin ninguna cabecera que reescribir. Ésas son las propiedades que quieren los sistemas de emisión y los empotrados, y se pagan renunciando a todo lo que aporta una cabecera de archivo.

La versión bonita de este par dice que, como los dos archivos llevan AAC, la conversión es un simple reempaquetado: sacas las tramas del MP4, le pones a cada una su cabecera ADTS, las escribes y no pierdes nada. Es una técnica real y la biblioteca que hay por debajo la implementa.

Este conversor no la usa. Se le entrega siempre una tasa de bits al codificador para cualquier destino comprimido, y eso desactiva el atajo de copia de flujo, así que el audio se descodifica a muestras y se vuelve a codificar. La consecuencia práctica es una segunda pasada con pérdida sobre un audio que ya venía con pérdida: real, casi siempre inaudible con un ajuste sensato, y no cero. Si el resultado importa, elige la banda de calidad alta. Y cuando de verdad haga falta un reempaquetado exacto al bit, la herramienta correcta es una de línea de comandos capaz de copiar el flujo, y decirlo es más útil que fingir lo contrario.

El caso principal es el firmware y los descodificadores empotrados. Un chip con un descodificador AAC que trabaja por tramas y sin ningún analizador de MP4 quiere exactamente esto: le pasas tramas y suenan. Las placas de evaluación de DSP, los módulos de audio de automoción e industriales y buena parte del firmware de descodificadores y de cámaras IP están hechos así.

Los otros son la ingesta y las interfaces antiguas. Algunas rutas de ingesta de emisión aceptan un flujo elemental y hacen ellas mismas el empaquetado. Las APIs de audio veteranas de Android y de Java leen ADTS directamente. Y los bancos de pruebas de codificadores y las suites de conformidad trabajan a nivel de trama por definición. Si no estás en ninguna de esas situaciones, el M4A que ya tienes es el archivo mejor y esta conversión te va a complicar la vida.

Tres cosas, y las tres se notan de inmediato. La duración se pierde, porque ADTS no tiene ningún campo para ella: un reproductor la estima a partir del tamaño del archivo y de la primera trama, y se equivoca en cuanto el codificador haya variado la tasa. La tabla de muestras se pierde, así que buscar un punto significa adivinar un desplazamiento y rastrear la siguiente palabra de sincronización, que es por lo que la barra de progreso da saltos y deriva.

Y desaparece el bloque de metadatos, junto con el sitio bien definido para la carátula. Lo que hay en su lugar en un archivo ADTS es la costumbre de pegar delante una cabecera del tipo que usa el MP3, que es una convención y no parte de la especificación de AAC. Los reproductores de escritorio suelen leerla; los descodificadores empotrados con frecuencia no, y alguno interpreta esos bytes como audio corrupto. Ése es un motivo excelente para probar el primer archivo en el aparato de destino.

La calidad se elige por bandas —pequeña, equilibrada o alta— con la equilibrada por defecto. Este sitio no publica a cuántos kilobits corresponde cada una, y la abstención es deliberada: la traducción de banda a número la hace la biblioteca de codificación y depende del códec, así que una cifra escrita aquí sería una cifra copiada de otro sitio y no una medición nuestra.

Para este par la elección es fácil de todas formas: alta, casi siempre. Estás recodificando un audio que ya se comprimió una vez, y la única defensa contra que la segunda pasada se oiga es darle al codificador margen suficiente para que apenas añada nada por su cuenta. Los motivos por los que alguien necesita un flujo crudo rara vez son motivos para ahorrar bytes.

Un archivo `.m4a` no siempre lleva AAC. El contenedor admite también Apple Lossless, y un disco pasado a archivo desde iTunes hace años puede estar en ese formato. ADTS es un formato de trama de AAC y no puede transportar otra cosa, así que no existe ninguna versión de esta conversión que conserve un origen sin pérdida.

La forma más rápida de saber cuál de los dos tienes es el tamaño: unos minutos de AAC ocupan una fracción de lo que ocupan los mismos minutos sin pérdida. Y si resulta ser lo segundo, la respuesta honesta es que un flujo AAC crudo es el destino equivocado para ese archivo. Cuando ninguna pista del contenedor se puede convertir, la conversión lo dice con una frase en lugar de devolver algo silencioso.

Las cabeceras ADTS llevan una configuración de canales y un índice de frecuencia de muestreo en cada trama, así que el mono sigue siendo mono, el estéreo sigue siendo estéreo y la frecuencia del origen se escribe tal cual, incluidas las poco habituales que un dispositivo empotrado pueda exigir en su ficha técnica.

El índice de frecuencia es una tabla fija y no un número libre, y ésa es la limitación que hay que tener presente cuando un aparato pide una tasa concreta: los valores estándar están cubiertos y una frecuencia exótica fuera de la tabla no tiene representación en ADTS. Comprueba la primera salida contra lo que espera el destino antes de grabar un lote entero en nada.

La extensión no demuestra nada, y en este par eso importa porque hay herramientas que producen un `.aac` que en realidad sigue siendo un MP4 con otro nombre. La comprobación es de un vistazo: abre el archivo con un visor hexadecimal y mira los dos primeros bytes. Un flujo ADTS empieza por una palabra de sincronización de doce bits a uno, que se ve como `FF F1` o `FF F9` según la versión declarada.

Si en su lugar aparece la palabra `ftyp` unos bytes más adelante, lo que tienes es un contenedor MP4 disfrazado, y el descodificador empotrado al que se lo mandes lo va a rechazar sin explicar por qué. Hacer esa comprobación una vez sobre la primera salida ahorra bastante tiempo de depuración en el lado del aparato, que es donde el tiempo cuesta caro.

Éste es el par donde una prueba se paga sola con más fiabilidad, porque el destino suele ser un aparato y no una persona. Convierte un archivo, ponlo en el equipo de destino y confirma tres cosas: que suena, que empieza por la primera trama en lugar de saltarse el principio, y que lo que haya pegado delante del flujo no descoloca al descodificador.

A partir de ahí los lotes son sencillos: sueltas una carpeta, recibes un ZIP, con un techo de 100 MB por archivo y cien archivos por lote. Y no hay cupo diario, porque el trabajo no lo hace ningún servidor nuestro.

Todo ocurre en tu equipo. El M4A se desempaqueta y se descodifica en la pestaña, y el codificador de AAC corre también ahí: de forma nativa cuando el navegador ofrece uno, y como un paquete de WebAssembly cargado en el momento cuando no lo ofrece. El audio siempre tiene una respuesta por esa vía, a diferencia del vídeo, que no la tiene.

Nada que lleve el sonido sale de la máquina, y es algo que puedes confirmar tú en el panel de red de las herramientas de desarrollo mientras dura la conversión, en lugar de creerte esta frase. Es la clase de afirmación que sólo vale si se puede comprobar.