Convertir MP4 a OPUS

Opus se publicó como el RFC 6716 en 2012, pensado para comunicación en tiempo real, lo que significaba sobrevivir a velocidades de bits que antes nadie consideraba utilizables. Todos los navegadores lo implementan porque todos lo necesitaban para las llamadas, y esa procedencia es justo lo que lo hace bueno con el tipo de material que se saca de un vídeo.

La mayoría del audio extraído es alguien hablando: una clase grabada, una charla, una entrevista, un pódcast improvisado. En ese material Opus se mantiene claro y natural a tamaños donde MP3 ya suena metálico y aguado. Para un solo episodio la diferencia es una curiosidad; en un cuatrimestre entero de grabaciones en un móvil es la diferencia entre que quepan o no.

La imagen es la parte cara de un vídeo y aquí se descarta, así que el resultado depende casi enteramente de la duración de la grabación y del nivel de calidad elegido. Una clase de dos horas que llegó como un MP4 de dos gigabytes produce un archivo de audio medido en decenas de megabytes, y en el ajuste bajo, bastante menos.

Los tres niveles mueven la cifra aproximadamente al doble en cada dirección. Para voz, el nivel bajo es plenamente usable en lugar de una concesión — es exactamente el terreno para el que se diseñó este códec. Para música conviene empezar en equilibrado y subir, porque el rendimiento a poca velocidad de bits sobre material denso no es lo que Opus optimiza.

Las dos son audio Opus dentro de un contenedor Ogg, escritas por el mismo codificador. Nada en los bytes cambia de un modo que le importe a un decodificador. Lo que cambia es lo que un programa asume al ver el nombre.

Elige .opus cuando el códec fue decisión tuya — un archivo de voz, los activos de audio de una aplicación, un corpus que estás construyendo. Elige .ogg cuando algún programa, un motor de videojuego o un formulario de subida pidió esa extensión por su nombre, porque algunos de esos rechazan un sufijo desconocido aunque puedan descodificar el archivo perfectamente.

Todos los navegadores actuales lo reproducen, lo que lo hace la opción natural para audio servido desde una página web. Android lo maneja de forma nativa, VLC y Audacity lo leen, y las aplicaciones de mensajería que graban notas de voz llevan años usándolo sin que nadie lo note.

Apple llegó más tarde y de forma menos completa, y los aparatos no han llegado en absoluto: equipos de música del coche, cadenas de alta fidelidad, reproductores portátiles antiguos y máquinas de gimnasio mostrarán un archivo que no pueden reproducir. Es el precio del tamaño, y es razonable cuando el destino es un teléfono o un ordenador, y no lo es cuando el destino tiene una rueda de volumen física.

El audio del MP4 ya es AAC con pérdida. Codificarlo como Opus lo descodifica y comprime otra vez, así que se pierde un poco más de detalle. No hay forma de evitarlo salvo no convertir, y lo honesto es decirlo antes del clic y no después.

En voz, en el ajuste equilibrado, es inaudible en cualquier prueba razonable, porque los dos codificadores toman decisiones parecidas sobre lo que una voz no necesita. En aplausos, platillos y mezclas densas en el ajuste bajo sí se nota, y la solución es subir el nivel, no cambiar de formato.

Hasta cien archivos a la vez en el nivel gratuito, cada uno convirtiéndose por su cuenta, con los resultados descargables juntos como un ZIP. Nada espera detrás de otra cosa porque no hay un servidor compartido en el que hacer cola.

Aquí el argumento del tamaño se multiplica. Un mazo para aprender idiomas, una colección de historia oral o un conjunto de activos de voz son cientos de clips cortos, y un formato que pesa un tercio de la alternativa obvia cambia lo que se puede llevar, sincronizar y respaldar, en lugar de ahorrar un redondeo en un solo archivo.

Una clase grabada con un solo micrófono suele ser información monofónica entregada como dos canales idénticos, y los codificadores lo aprovechan pero no de forma gratuita. Si el origen es realmente de un solo micrófono, un editor que pueda pasarlo a mono antes de comprimir compensa el paso extra en una colección grande.

Lo otro que vale la pena escuchar antes de lanzar un lote es el primer minuto de un archivo en el nivel elegido. Las grabaciones con mucho ruido de fondo, aire acondicionado o voces solapadas son más difíciles de comprimir que una voz limpia, y el nivel que sonaba bien en un pódcast de estudio puede sonar delgado en la grabación de un móvil en un seminario.

Un vídeo puede llevar más de una pista de audio — un idioma original y un doblaje, un comentario, micrófonos separados — y todas las que el navegador pueda descodificar se escriben en el archivo Opus, en el orden en que estaban en el MP4. Una pista en AC-3, E-AC-3, DTS o TrueHD se descarta sin ningún aviso. En material grabado con un móvil o una captura de pantalla normal solo hay una y la pregunta no llega a plantearse.

En un archivo entregado de forma profesional vale la pena comprobar qué contiene antes de construir una colección con el resultado. Una grabación de clase con el micrófono de sala y otro de solapa produce un archivo con ambas pistas, y los reproductores varían en lo fácil que resulta cambiar entre ellas.

La descodificación y la codificación ocurren dentro de la pestaña del navegador, con el propio procesador, así que nada que contenga el vídeo se envía a ningún sitio. No hay cuenta, no hay recuento diario, y el nivel gratuito admite archivos de hasta 100 MB cada uno.

Para una colección de entrevistas o grabaciones de campo eso es el objetivo, no un extra. El consentimiento para una grabación rara vez incluye enviarla a un conversor del que nadie avisó, y hacer el trabajo en el propio equipo evita que la pregunta llegue a plantearse.

Para voz limpia y con un solo hablante, el ajuste bajo suele bastar de sobra. Para grabaciones con ruido de fondo, varias personas hablando a la vez o material musical mezclado con la voz — un pódcast con música de fondo, por ejemplo — el ajuste bajo empieza a mostrar artefactos y conviene subir al equilibrado sin pensarlo dos veces.

La forma más rápida de decidir es escuchar treinta segundos representativos del material en cada nivel antes de convertir el resto. Cuesta un minuto y evita rehacer un lote entero por haber elegido mal a la primera.