Convertir WAV a AAC

Lo que sale de esta conversión es un flujo ADTS, y el nombre es la descripción: una secuencia de bloques comprimidos, cada uno precedido de una cabecera corta que declara el perfil, la frecuencia de muestreo y la configuración de canales. No hay índice, no hay cabecera al principio del fichero y no hay ninguna estructura por encima de la trama.

Eso es un diseño deliberado y no una carencia. Un formato pensado para transmitirse no puede dar por supuesto que el receptor vio el principio, así que cada trama tiene que ser interpretable por sí sola. Sintoniza en mitad de una emisión y el descodificador se sincroniza dentro de una trama, porque todo lo que necesita lo tiene delante.

La exigencia viene de sistemas, no de personas. Los montajes de streaming segmentado cortan el audio en trozos cortos y sirven cada uno por separado, y eso solo funciona si los trozos se sostienen solos. Los reproductores empotrados y los de automoción implementan a menudo un descodificador y ningún analizador de contenedores, porque el analizador es código que tendrían que mantener. Las centralitas telefónicas, los sistemas de megafonía y los menús de voz aplican el mismo criterio por el mismo motivo.

Ninguno de esos lectores eligió el formato por cómo suena. Lo eligió porque su documentación lo nombraba, y lo útil que puede hacer esta página es producir exactamente ese fichero en lugar de algo que falle en una comprobación de subida tres pasos más adelante.

Un WAV rara vez lleva metadatos, pero aquí daría igual si los llevara. ADTS no tiene campo para un título, un álbum, un año ni una imagen, y no existe ninguna convención para colgárselo por fuera. Todo lo que una cabecera de trama puede decir es sobre la configuración del descodificador.

Así que una carpeta de estos ficheros se identifica por sus nombres de fichero y por nada más, lo cual está bien para un segmentador y es desastroso para una biblioteca musical. Si te descubres queriendo escribir el nombre del intérprete, el formato te está diciendo que lo que querías era un M4A.

Como cada trama lleva su propia cabecera, dos ficheros ADTS con la misma frecuencia de muestreo y el mismo número de canales se pueden concatenar byte a byte y el resultado es un flujo válido. No se ejecuta ningún descodificador, no se ejecuta ningún codificador y no se pierde nada de audio. Cortar funciona igual, siempre que el corte caiga en un límite de trama.

Esta es la propiedad por la que el formato existe, y conviene conocerla antes de montar una tubería alrededor de otra cosa. Componer una hora de locuciones a partir de cuarenta fragmentos ya codificados no cuesta nada en calidad con ADTS, y cuesta una recodificación completa en la mayoría de los contenedores.

No hay ningún campo de duración en el flujo, así que un reproductor que te muestre una longitud la ha calculado dividiendo el tamaño del fichero por una tasa de bits supuesta. Con tasa constante la estimación se acerca; con tasa variable se desvía, y la barra de progreso da saltos mientras avanza la reproducción.

Cuéntalo con ello y no lo depures. Si una duración exacta importa —una interfaz de reproductor, un sistema de programación de emisión, cualquier cosa que tenga que saberlo antes de empezar—, el audio necesita un contenedor que lo registre, y M4A es el mismo códec con esa información escrita dentro.

Conviene decir explícitamente que las decisiones de audio son idénticas. El codificador toma los mismos juicios sobre qué descartar tanto si la salida va a un contenedor MPEG-4 como si va directamente a tramas, así que un AAC pelado y un M4A hechos del mismo WAV con la misma banda suenan igual.

La diferencia son unos kilobytes de estructura y todo lo que esa estructura habilita: búsqueda dentro del fichero, etiquetas, duración declarada y un archivo que el sistema operativo abre en un reproductor de música en vez de ofrecerte descargarlo otra vez. Elegir entre los dos es elegir destino, nunca fidelidad.

Esta página produce un .aac perfectamente correcto a partir de una canción, y hacerlo es casi siempre un error. La pista llegará a la biblioteca sin título, sin ordenar, sin carátula y con una duración poco fiable, y buena parte del software de un teléfono se negará directamente a importarla.

La regla es lo bastante simple como para aplicarla sin pensar: si el consumidor es código, produce el flujo; si el consumidor es una persona con una lista de reproducción, produce un M4A o un MP3 y conserva el WAV como original. No se gana nada dándole a quien escucha el fichero más primitivo.

Los requisitos escritos para AAC suelen ser techos impuestos por un transporte y no objetivos de calidad: una cifra porque el canal es estrecho, otra porque el presupuesto por segmento se fijó hace años. El control de esta página ofrece tres bandas y no una cifra en kilobits, porque nuestro código pasa la banda al motor y es el motor quien la resuelve según el códec.

Elige la banda más próxima al requisito y comprueba el fichero resultante, que son diez segundos y zanja la cuestión. Si el material es habla —locuciones, avisos, narración—, la banda pequeña ya suele quedar por debajo de cualquier número que te hayan dado. Y no cuentes con pasar a mono para bajar: esta conversión no ofrece ningún control de canales.

La codificación ocurre en la pestaña, y de dónde sale el codificador depende del equipo: varios navegadores exponen uno de AAC del propio sistema, y donde no lo hay se carga en la página un codificador compilado a WebAssembly. Para el audio siempre hay una respuesta, a diferencia del vídeo, donde no existe ninguna reserva razonable en software.

Ese matiz tiene una consecuencia práctica: la primera conversión en un equipo sin codificador nativo tarda un poco más porque hay que traerse el módulo, y las siguientes no. Lo que en ningún caso viaja es el audio: se descarga código, nunca se sube contenido.

Un WAV estéreo de 16 bits a la frecuencia habitual ocupa del orden de 10,6 MB por minuto, y el tope por fichero de esta página son 100 MB, es decir algo menos de diez minutos. Ese tope existe porque el fichero entero se sostiene en la memoria del navegador mientras se convierte, no por ninguna cuota de subida: aquí no hay subida.

Para una tubería esa forma suele ser exactamente la adecuada, porque las locuciones, los segmentos y las cortinillas son cortos por naturaleza y se pueden soltar cien de golpe y recuperarlos juntos en un ZIP. Un programa de larga duración hay que trocearlo antes, y de todas formas había que trocearlo para el segmentador.

Los WAV que llegan a una tubería de audio vienen de sitios muy distintos: una grabadora de mano, una estación de trabajo, un sintetizador de voz, una exportación de un locutor. Algunos traen bloques de metadatos, marcadores de región, listas de reproducción o un canal de más porque alguien exportó en formato envolvente sin darse cuenta.

Nada de eso puede cruzar. ADTS solo tiene sitio para muestras codificadas y para lo que la cabecera de trama declara, así que los marcadores, las regiones y cualquier anotación se quedan en el WAV. Es un buen momento para comprobar el número de canales antes de convertir, porque un origen con más canales de los que el pliego admite produce un flujo que se reproduce y que el sistema de destino rechaza más adelante por un motivo que no parece tener que ver.

Conviene tener clara la dirección del cambio. Un WAV guarda muestras sin comprimir y AAC descarta información para ocupar menos, así que esta conversión pierde datos por definición y no hay ninguna configuración que la haga reversible. El WAV del que partes es el original, y merece la pena conservarlo aunque el flujo AAC sea lo que se despliega.

Para el uso al que va destinada esta página eso apenas es un problema. Un aviso de megafonía, una cortinilla o un segmento de emisión están hechos para reproducirse por altavoces en entornos ruidosos, y la parte del audio que el codificador descarta no es la que decide si el mensaje se entiende. Lo que sí conviene evitar es encadenar codificaciones: si el material ya venía comprimido y lo pasaste a WAV para poder traerlo aquí, cada eslabón cuesta, y a partir del tercero se nota.

Tres cosas, y todas están en la cabecera de la primera trama: la frecuencia de muestreo, el número de canales y el perfil. Si el pliego que te dieron nombra alguno de los tres, comprobarlo cuesta menos que discutirlo después, y cualquier utilidad de análisis de medios los imprime.

La cuarta comprobación es de sentido común y se olvida a menudo: escucha los dos primeros segundos. Un flujo pelado no avisa de nada por sí mismo, así que un fichero silencioso, con los canales cambiados o con la frecuencia equivocada se ve exactamente igual que uno correcto hasta que alguien lo reproduce.