Convertir MP3 a AAC

Nadie empieza un proyecto produciendo MP3 para un sistema de emisión. Esta conversión ocurre porque existe un fondo anterior: los avisos grabados de una centralita que se sustituyó, las caretas de una emisora con otro sistema de emisión, un juego de locuciones que grabó una voz que ya no está disponible, los mensajes de una megafonía de estación o de un centro comercial que se instaló hace doce años.

Eso marca lo que es razonable esperar. La calidad del audio quedó fijada el día en que se hicieron esos MP3, y el trabajo de ahora es llevar el material a un formato que el sistema nuevo lea sin empeorarlo de forma perceptible. Esta página va de la segunda mitad, porque de la primera ya no se puede hacer nada.

Cuando un pliego técnico, una centralita o un segmentador dice «.aac» está pidiendo tramas de audio una detrás de otra, cada una con su cabecera corta delante, sin ningún contenedor alrededor. No hay cabecera de fichero, no hay índice y no hay estructura que agrupe las tramas.

Los sistemas pensados para transmitir quieren exactamente eso. Un analizador que solo tiene que reconocer el principio de una trama es poco código con pocos modos de fallo, y por eso el firmware empotrado, las plataformas de telefonía y la emisión segmentada llegaron a la misma solución por su cuenta. Si lo que necesitabas era un fichero que una persona archive en una fonoteca, el M4A del mismo códec es el que hay que hacer.

Pasar de un códec con pérdida a otro con caudales parecidos suele ser casi inaudible. El problema empieza cuando el destino está muy por debajo del origen, y estos sistemas piden destinos bajos con toda naturalidad: un presupuesto de emisión fijado hace años, un canal de avisos con muy poco ancho de banda, una tarjeta de una centralita con una capacidad concreta.

Comprimir un MP3 de caudal medio hacia un AAC bastante más estrecho son dos rondas de una decisión parecida, y el segundo codificador gasta parte de su presupuesto describiendo los artefactos del primero en lugar de describir el audio. Si el pliego nombra un techo, usa el margen. Si nombra una cifra exacta, el resultado es el que es y cumplir es el requisito.

Casi todo lo que circula por megafonías, menús de centralita y fonotecas de avisos es una sola voz grabada en una sala tranquila, que es lo más fácil que un códec tiene que codificar nunca. La voz tiene un espectro estrecho, una estructura predecible y ningún platillo, y sobrevive a una segunda codificación con caudal bajo conservando intacto lo único que importa, que es entenderse.

La música es donde una recodificación se anuncia sola. La música de espera, las sintonías con fondo instrumental y cualquier cosa con aplausos o reverberación son los ficheros que merece la pena escuchar después de convertir. Si el fondo mezcla los dos tipos, comprueba uno musical y no uno hablado: los hablados van a estar bien.

Una vez convertidos, los ficheros que compartan formato de trama se pueden concatenar directamente. Una hora de avisos montada a partir de cuarenta fragmentos no cuesta nada en calidad, porque unir no mete ningún descodificador ni ningún codificador por medio: los bytes van uno detrás de otro y el resultado es un flujo válido.

Merece la pena diseñar en torno a eso cuando la alternativa es montar el audio en un editor y exportar el resultado, que añadiría una tercera codificación a un material que ya lleva dos. Comprueba antes que los fragmentos que vas a unir salieron del mismo tipo de origen; la concatenación es la única operación genuinamente gratuita de toda esta cadena y conviene no estropearla mezclando material heterogéneo.

El control ofrece tres bandas —baja, media y alta—, con media por defecto, y eso es literalmente todo lo que decide nuestro código. Las bandas se pasan tal cual a la biblioteca que codifica, que las resuelve por códec, porque el mismo nombre de banda no significa el mismo caudal para AAC que para MP3 o para Opus.

Por eso aquí no vas a leer un número. Existe uno dentro de la biblioteca, pero no es nuestro, ninguna prueba de este proyecto lo sujeta y podría cambiar con una actualización sin que nada de aquí se enterara; publicarlo sería atribuirnos una decisión que no tomamos. La regla práctica que sí se sostiene: baja para voz, media para casi todo, alta cuando el fichero es una copia de trabajo que se va a volver a procesar.

Tres cosas, y todas por el mismo motivo. No vamos a decirte a qué frecuencia de muestreo sale el flujo, porque la conversión no pasa ninguna instrucción al respecto y lo que ocurra es el comportamiento por defecto de la biblioteca, que en este proyecto no está fijado ni comprobado. No vamos a decirte si el título, el intérprete o cualquier etiqueta que llevara el MP3 aparece o desaparece, por lo mismo. Y no vamos a describir qué pasa con un fichero que no sea estéreo.

Eso tiene una consecuencia práctica que conviene tomarse en serio si el destino es telefonía o megafonía, donde las frecuencias estrechas siguen siendo norma. Convierte un fichero primero, ábrelo con una herramienta que te enseñe sus propiedades reales y comprueba que encaja con el pliego antes de procesar cuatrocientas locuciones. Descubrir un desajuste después de cargarlas todas es la versión cara de este problema.

Como no podemos afirmar qué ocurre con las etiquetas, la conclusión operativa es la misma que si desaparecieran: no dependas de ellas. Si tu fonoteca identifica las locuciones por el campo de título o lleva el número de versión en un comentario, esa información tiene que salir a un fichero aparte antes de convertir nada.

Un inventario en una hoja de cálculo con el nombre de fichero, el texto de la locución, la fecha y la versión resuelve el problema para siempre y cuesta una tarde. Después de eso, los nombres de fichero son el esquema de identificación completo, que es como funcionan de todas formas los sistemas de avisos y de emisión: el fichero se llama como lo llama la programación y nada más importa.

La mejor versión de esta tarea es la que se salta el MP3 entero. El trabajo de voz se grabó y se entregó casi siempre en WAV, y esos ficheros están con frecuencia todavía en un disco viejo, en la carpeta de un proyecto o en poder del estudio que los grabó. Codificar AAC desde un WAV es una primera generación sin nada acumulado.

Vale la pena dedicar veinte minutos a preguntar antes de convertir una fonoteca entera, porque a los caudales que estos sistemas usan la diferencia se nota. Y donde los originales se hayan perdido de verdad —después de una década y un cambio de plataforma, muchas veces es así—, convertir los MP3 es la decisión correcta, tomada sabiendo lo que cuesta.

La descodificación del MP3 se hace con los códecs que el sistema operativo ya usa para reproducirlo, expuestos al navegador, así que la respuesta puede variar entre dos máquinas con el mismo navegador porque a quien se pregunta es al sistema. Antes de aceptar el fichero se ejecuta una sonda en tiempo real de lo que la máquina sabe hacer, con las mismas cadenas de códec que se usarán después.

Para escribir, el audio siempre tiene respuesta: cuando el equipo no trae codificador propio se importa uno en WebAssembly justo cuando hace falta, y AAC es uno de los tres que están cubiertos así. No hay alternativa en servidor y no hace falta: el único módulo de este sitio que sube ficheros no lee ni escribe ningún formato de audio. Un navegador que no pudiera con el trabajo recibiría una frase escrita nombrando cuáles sí pueden.

Cada tanda admite hasta cien ficheros con un techo de 100 MB cada uno, y en este material ninguno de los dos límites llega a molestar: los avisos son cortos y un MP3 de caudal medio ocupa alrededor de un megabyte por minuto. El lote vuelve en un archivo comprimido con un flujo por cada fichero de origen, y si dos se llaman igual se numeran en vez de sobrescribirse. Si sueltas más de cien, el excedente se descarta sin avisar.

Nada se sube en ningún momento, lo cual importa con material bajo contrato o con embargo: programas sin emitir, comunicaciones corporativas, grabaciones que una voz licenció para un uso concreto y no para otro. El codificador se descarga a tu máquina cuando el navegador no trae uno; el audio no viaja nunca en el sentido contrario, y la pestaña de red lo enseña durante una conversión.