Convertir MKV a OPUS

Una reunión, una entrevista o un pleno municipal grabados en Matroska son, en su inmensa mayoría, imagen. Y esa imagen es la parte menos interesante del archivo: un plano fijo de una mesa, una pantalla compartida que cambia dos veces por hora, una cuadrícula de miniaturas. Se comprime mal precisamente porque casi nada se mueve de forma interesante, y por eso una grabación de dos horas se mide en gigabytes.

Tirar esa imagen no es una concesión: es la conversión entera. Nada del sonido depende de cuánto duraba el vídeo ni de lo que ocupaba. Lo que sale es un archivo de audio cuyo tamaño depende solo de la duración y de la banda de calidad, y por eso la reducción aquí resulta llamativa de una manera que comprimir el vídeo nunca conseguiría.

Opus se normalizó en 2012 como RFC 6716 y se diseñó alrededor de la voz en tiempo real, que es un problema distinto de la música: tiene que seguir siendo inteligible cuando el bitrate baja y la conexión falla. Todos los navegadores incorporaron un codificador porque WebRTC lo necesitaba, y esa es la razón de que esta conversión arranque al instante mientras un MP3 tiene que descargarse primero un codificador.

Para un trabajo de transcripción ese diseño importa. Donde el MP3 a bitrate bajo emborrona unas consonantes contra otras, Opus conserva las partes del habla en las que se apoya un reconocedor. La consecuencia práctica es que puedes elegir la banda pequeña sin un coste real de exactitud, que es exactamente la elección a la que te obliga un límite de subida.

Los errores de reconocimiento vienen de la grabación, no de la compresión. Un micrófono al otro lado de la mesa, una sala de superficies duras con un segundo de reverberación, dos personas hablando a la vez, un aire acondicionado: eso es lo que produce una transcripción llena de conjeturas, y todo ello quedó fijado antes de que el archivo llegara a ningún conversor.

Conviene decirlo porque el instinto, cuando la transcripción sale mal, es volver a convertir en una banda más alta, y eso no va a ayudar. Si la grabación es mala, las palancas están en el propio audio: conviértelo a WAV, límpialo en Audacity y manda eso. Si la grabación es buena, la banda pequeña se transcribe igual de bien que la alta y sube en un tercio del tiempo.

El contenedor Ogg en el que se escribe aquí no tiene límite de una sola pista, así que entran todas las pistas de audio que el navegador sepa descodificar. Es un comportamiento poco habitual — un MP3, un AAC, un WAV o un FLAC se quedarían con una — y para este lector es más una trampa que una ventaja, porque un punto final de reconocimiento leerá el primer flujo e ignorará el resto.

En una grabación con un solo micrófono no hay nada que pensar. En la captura de una jornada con toma de atril, toma de sala y canal de traducción, el primer flujo del archivo puede no ser aquel donde está la persona que hablaba. Aquí no se consulta la marca de pista predeterminada de Matroska, así que comprueba el orden con MediaInfo y extrae la pista que quieras con MKVToolNix antes de convertir si no viene primera.

Tres bandas: archivo pequeño, equilibrado y alta calidad, con la de en medio por defecto. El control es una banda y no un bitrate porque el número que significa «bien» depende del códec, y este sitio no publica ninguna cifra propia: la resuelve la biblioteca de codificación en el momento.

Para voz destinada a una máquina y no a un oyente, empieza por la pequeña y sube solo si la transcripción decepciona. Para una entrevista que además vas a publicar como audio, la equilibrada es la elección sensata y la diferencia de tamaño con la pequeña no da para discutir. La banda alta existe para material con música o interpretación dentro y casi nunca es la respuesta correcta en una reunión.

Los dos destinos de este sitio escriben audio Opus dentro de un contenedor Ogg con el mismo muxer, así que la salida es idéntica byte a byte y lo único que cambia es el nombre. No se gana ni se pierde nada eligiendo uno u otro en cuanto a lo que el archivo contiene.

El nombre sí importa, porque muchísimo software decide qué es un archivo antes de mirar dentro. Formularios de subida, scripts de ingesta y bastantes APIs se bifurcan por la extensión, así que usa la que aparezca en la documentación del servicio. Si no menciona ninguna, .ogg es la más reconocida de las dos.

Una conversión que se detiene diciendo que no se pudo convertir nada del archivo se ha topado con una pista de sonido que el navegador no descodifica: AC-3, E-AC-3, DTS o Dolby TrueHD, para ninguna de las cuales los navegadores llevan decodificador. Descartada ya la imagen, no queda nada que escribir.

Los equipos de grabación no producen eso. Una reunión capturada con OBS, con Zoom, con un sistema de videoconferencia o con un móvil es AAC u Opus y convierte sin incidentes. Lo que falla es el Matroska que viene de un disco, que para este lector significa la grabación archivada de un acto antiguo en DVD más que nada actual, y esos necesitan una conversión previa de su audio con una herramienta de escritorio.

Aquí no existe una opción de mezclar a mono, así que la disposición de canales del original es la que obtienes. Cuando la grabación son de verdad dos micrófonos separados en el espacio, eso resulta útil para un reconocedor que distinga interlocutores y es puro desperdicio para uno que no lo haga.

Si reducir el archivo a la mitad importa más que esa separación, la mezcla a mono es un paso previo con una herramienta de escritorio. Merece la pena pensarlo antes en las grabaciones largas: en una sesión de tres horas, la diferencia entre uno y dos canales es lo que decide si entra bajo un límite o no.

El límite gratuito acepta un MKV de hasta 100 MB, lo que da para una reunión corta y no para una larga. Es la incomodidad honesta de esta pareja: los archivos que más necesitan que se les quite el vídeo son justamente los que menos caben.

Para los grandes, la secuencia que conserva las dos propiedades es extraer el audio localmente con ffmpeg y convertir aquí el resultado. Y si el MKV que tienes ya cabe, no hay cola, ni cuenta, ni cupo diario que gastar: las conversiones que corren en tu navegador no nos cuestan nada y no se cuentan.

El objetivo de esta conversión es casi siempre entregarle el resultado a un servicio. Eso hace que valga la pena mirar lo que cuesta el camino alternativo: subir un gigabyte de grabación a un conversor, esperar, descargar el audio y subir eso al reconocedor. La misma reunión confidencial pasando por dos terceros en lugar de por uno.

Aquí la descodificación y la codificación en Opus ocurren en la pestaña, sobre tu propio procesador, así que nada que contenga la grabación se mueve hasta que decides mandar el audio terminado. En una entrevista periodística con una fuente, o en la grabación interna de un comité, esa diferencia no es un detalle de folleto: es la condición para poder hacerlo.

Toda la conversión de audio y vídeo de este sitio se apoya en los códecs que el propio sistema operativo expone al navegador. Eso significa que la misma versión de Chrome puede resolver un archivo en un portátil y negarse en otro, porque lo que está preguntando es qué sabe hacer la máquina de debajo. Antes de aceptar el archivo se ejecuta una comprobación de capacidades, una vez por sesión.

Aquí no hay plan de reserva en servidor: el único módulo que sube archivos no lee ni escribe un solo formato de audio o de vídeo. Si el navegador no puede, la página lo dice con una frase y nombra los que sí pueden, en lugar de mandar la grabación a alguna parte por su cuenta. Con Opus, en la práctica, esto casi nunca aparece, porque el codificador viene de serie en todos los navegadores.

La rutina que evita repetir trabajo tiene tres pasos. Comprueba primero, si hay varios micrófonos, cuál viene en primer lugar. Convierte después en la banda pequeña y escucha treinta segundos del resultado antes de subir la hora entera. Y guarda el MKV original hasta que la transcripción esté revisada.

Ese último punto es el que más veces se salta. El audio convertido es un derivado con pérdida de otro derivado con pérdida, y si dentro de un mes hay que volver sobre un pasaje discutido, el archivo al que se vuelve es la grabación tal como salió del equipo, no el que se le mandó al reconocedor.