Convertir MOV a MP3

Conviene entenderlo antes de elegir nada. Una cámara graba audio para que alguien pueda oír qué estaba pasando: para sincronizar contra una grabación buena, para saber qué toma era cuál, para seguir las palabras. Incluso en un móvil, el micrófono son unos milímetros de agujero apuntando a donde apunte el objetivo.

Así que el MP3 que sale de aquí es una copia de trabajo de una copia de trabajo, y eso no es una crítica. Quien transcribe no necesita una grabación de estudio; quien monta siguiendo el diálogo necesita oír el diálogo; quien dio una charla quiere la charla y no la acústica de la sala. Saberlo evita gastar la banda más alta en describir con precisión un aire acondicionado.

Casi todas las conversiones de este sitio usan códecs que el sistema operativo ya expone al navegador. El MP3 es la excepción y lo es en una sola dirección: los navegadores lo descodifican en todas partes y no lo codifican en ninguna. Por eso, la primera vez que conviertes a este formato se trae un codificador y luego queda en caché.

Eso ocurre antes de que la barra de progreso se mueva, que es por qué la primera conversión tiene una pausa que la segunda no tiene. En esa petición no interviene tu archivo: lo que llega es un trozo de programa, no sale una grabación. En el panel de red se ve exactamente así, el codificador bajando y nada subiendo.

Merece la pena contrastarlo con lo que pasa en las conversiones de vídeo. Si un navegador no sabe codificar H.264, la conversión se detiene y lo dice con una frase, porque un codificador de vídeo en WebAssembly ocuparía decenas de megabytes y sería mucho más lento que el que ya está en la máquina sin usar.

En audio la decisión es la contraria. Para MP3, AAC y FLAC hay codificadores en WebAssembly que se cargan cuando hacen falta, así que sacar el sonido de un MOV funciona en cualquier navegador razonablemente actual aunque el equipo no aporte nada por su cuenta. Es la razón de que este par sea de los más fiables del sitio.

El control ofrece calidad baja, equilibrada y alta en lugar de un número de kilobits, y esa elección es deliberada. Las bandas se entregan al motor y él las resuelve de forma distinta según el códec, así que la misma etiqueta significa una cosa en MP3 y otra en Opus. Publicar aquí una cifra sería copiar un valor que ningún código nuestro fija.

La orientación sin cifras funciona igual de bien. Para voz salida de un micrófono de cámara, la banda baja es honestamente suficiente y la equilibrada es la que elegir si no quieres pensarlo. La alta tiene sentido cuando lo grabado es música —un ensayo, un concierto, un recital— porque ahí los bits extra describen algo que de verdad se capturó.

El audio del MOV ya viene comprimido: un teléfono escribe AAC y la mayoría de las cámaras escriben AAC o PCM sin comprimir. Descodificar eso y escribir un MP3 gasta una segunda ración de detalle encima de lo que la primera ya quitó, y no hay manera de esquivarlo salvo no convertir.

En voz es inaudible en cualquier banda sensata. Donde asoma es en música sostenida y en todo lo que tenga mucha textura aguda —platos, aplausos, lluvia, murmullo de público— que adquiere un ligero remolino si se comprime dos veces con poco presupuesto. Si la grabación es música que te importa, WAV o FLAC conservan lo que hay en vez de volver a comprimirlo.

De un MOV se conserva únicamente la primera banda sonora, y el resto se queda atrás. Con un móvil eso es siempre lo correcto porque no hay más que una. Con una cámara es una trampa real, porque la segunda pista suele llevar el micrófono de corbata, un inalámbrico o una salida de mesa de mezclas.

Comprueba un archivo antes de lanzar una tanda. Si lo que sale es el micrófono de la cámara y tú querías la corbata, el orden está en el archivo de origen y aquí no se puede cambiar: la salida es exportar la pista que quieres desde un programa de edición, o convertir directamente la grabación de audio independiente en lugar de sacarla del vídeo.

Cuando el destino es MP3, la pista de vídeo se marca explícitamente como descartada antes de empezar en vez de dejar que el contenedor la deje caer sola. La diferencia parece de matiz y no lo es: el motor sabe desde el principio qué va a escribir, no advierte sobre algo que nadie quería, y la intención queda escrita en el código en lugar de deducirse.

Para ti, el efecto es que el trabajo es proporcional a la duración del sonido y no al tamaño del vídeo. No hay que codificar imagen ninguna, así que una charla de veinte minutos se resuelve en bastante menos tiempo del que costaría convertirla a otro formato de vídeo.

Vale la pena ver la aritmética una vez. En un vídeo, el sonido suele ser una fracción pequeña del archivo y la imagen es todo lo demás. Al quitar la imagen no desaparece una parte: desaparece casi todo, y lo que queda es el contenido íntegro para cualquiera que vaya a transcribirlo, indexarlo o escucharlo.

Por eso mandar el MP3 es tan superior a mandar el vídeo. Un servicio de transcripción cobra por minuto en cualquier caso y trabaja más rápido con audio; alguien en el tren puede reproducir un MP3 y no puede ver un vídeo; un archivo de charlas guardado como sonido ocupa una fracción y, una vez transcrito, se puede buscar.

El límite se aplica al archivo que entregas, que es el vídeo, y el vídeo es enorme comparado con lo que sale. Una grabación en 4K supera los 100 MB en menos de un minuto; en 1080p aguanta algo más. El MP3 resultante de cualquiera de las dos son un par de megabytes.

Para algo más largo, el camino sensato es el programa que ya tiene el material. Cualquier editor exporta solo el audio, y hacerlo allí además te deja elegir la pista y recortar los extremos. Esta página es para el caso en que el vídeo es lo que tienes, en el ordenador donde estás sentado, y quieres el sonido ahora.

Se pueden soltar hasta cien archivos en una sola pasada y cada uno sale como su propio MP3, devueltos juntos en un ZIP. Es el caso normal en este par y no una excepción: las cámaras y las grabadoras producen tomas numeradas, y nadie transcribe una sola.

Como el trabajo es tiempo real de tu procesador y no ancho de banda, una tanda grande se lanza y se deja. No hay cupo diario que gastar en las conversiones que ocurren en el navegador, ni cola detrás de otra persona, ni cuenta que crear: los únicos límites son los cien archivos y los 100 MB de cada uno.

Leer el contenedor, descodificar el audio y escribir el MP3 ocurren todos en esta pestaña. Nada que lleve la grabación sale hacia fuera, y en el panel de red se ve llegar el codificador y no se ve salir nada.

Esa es la diferencia que importa con este material. Entrevistas, reuniones de trabajo, consultas médicas, visitas a instalaciones de un cliente y ensayos son exactamente las grabaciones que se convierten sin pensar y que nadie publicaría a propósito. Sacar un MP3 de una de ellas no debería implicar entregarle el vídeo a un desconocido, y aquí no lo implica.

El nombre del archivo es la parte de esto que sí controlas del todo, y es la que decide si la persona que lo recibe encuentra la grabación dentro de tres semanas. Una fecha, un asunto y un número de toma no cuestan nada de escribir y sobreviven a cualquier transferencia, a cualquier aplicación de mensajería y a cualquier carpeta compartida.

Merece la pena porque el destinatario típico de este par recibe muchas: una transcriptora con veinte encargos, un editor con la carpeta de una jornada entera, un cliente con las grabaciones de tres reuniones. Cambiar el nombre antes de enviar ahorra más tiempo del que cuesta cualquier ajuste de esta página.