Convertir WebM a AAC

"AAC" significa dos cosas distintas según quién lo pida. Una es el códec, el mismo que va dentro de cualquier M4A o MP4. La otra es el flujo elemental: los fotogramas codificados uno tras otro, sin ningún contenedor alrededor. Esta conversión produce lo segundo.

Esa diferencia decide si esta es la página correcta. Si el objetivo es un archivo para añadir a una biblioteca musical, ponerle título y reproducirlo con doble clic, la conversión a M4A es la que hace falta y esta hará el trabajo más difícil. Si una especificación técnica pidió AAC y rechazó un MP4, este es el archivo que estaba pidiendo.

ADTS son las siglas de Audio Data Transport Stream, y su objetivo de diseño es que cualquier punto del archivo sea un punto de partida válido. Cada fotograma lleva su propia cabecera con el perfil, la frecuencia de muestreo y la configuración de canales, así que un descodificador que se une a la mitad sabe de inmediato cómo interpretar lo que sigue.

Eso es justo lo que necesitan la difusión y el streaming en directo: un segmentador HLS puede cortar el flujo en cualquier límite de fotograma y cada trozo funciona por sí solo, dos flujos se pueden concatenar con una simple unión de bytes, y un reproductor embebido con poco búfer puede empezar a descodificar sin analizar un índice que no tiene. Nada de eso es cierto en un MP4, cuyo índice vive en un único sitio y describe todo el archivo.

Todo lo que hacía el contenedor desaparece. No hay duración guardada, así que los reproductores la calculan escaneando fotogramas o, más a menudo, la estiman a partir del bitrate y se equivocan en audio de tasa variable. No hay tabla de búsqueda, así que saltar a una posición es un cálculo en vez de una consulta directa. No hay ningún sitio donde escribir un título o un artista.

Para una máquina que lee el flujo una sola vez desde el principio, nada de esto importa —por eso el formato sobrevive. Para una persona con un reproductor de música importa de inmediato, y es la razón por la que un archivo .aac muestra a menudo una duración plausible pero equivocada en el explorador de archivos.

AAC lo estandarizó MPEG en 1997 y desde entonces es el códec por defecto en emisión, streaming y móviles. Admite hasta 48 canales, aunque cualquier grabación hecha desde un navegador es mono o estéreo.

Lo que entraba era Opus, un códec más reciente y generalmente mejor que casi nada fuera de un navegador reconoce. Pasar de uno a otro es una descodificación y una codificación completas: dos códecs con pérdida no pueden intercambiar datos directamente, así que se trata de una segunda generación de compresión. Para voz es inaudible, y para un sistema de procesamiento suele ser irrelevante frente a la compresión que aplique después la propia plataforma de entrega.

La forma habitual de este problema es una aplicación web que graba desde el navegador. `MediaRecorder` escribe WebM con Opus porque es lo que los navegadores están obligados a admitir, y esa grabación tiene que entrar después en un sistema pensado para AAC: un servicio de ingesta, una granja de transcodificación, una plataforma de telefonía.

Convertir en el propio navegador, antes de subir el archivo, suele salir más barato como arquitectura: lo que cruza la red ya está en el formato que el sistema pedía, ningún servidor tiene que transcodificar por cada grabación, y no hay nada que poner en cola.

Opus trabaja a 48 kHz, así que una grabación de navegador es de 48 kHz y el AAC generado a partir de ella también. El número de canales es el que se capturó: mono para un micrófono, estéreo para lo que grabó audio del sistema además.

Nada aquí cambia la frecuencia de muestreo, y eso es deliberado: remuestrear es una decisión de procesamiento de señal con sus propias implicaciones de calidad, y un conversor que lo hiciera en silencio estaría ocultando un paso. Si una plataforma exige 44,1 kHz u otro número de canales, ese ajuste corresponde a la herramienta que impone ese requisito.

Cualquier pista de vídeo del WebM se descarta directamente, algo relevante cuando el origen es una captura de pantalla con narración. Solo sobrevive la primera pista de audio; una grabación que capturó el micrófono y el audio del sistema como pistas separadas entrega solo una de las dos, sin forma de elegir cuál.

Para un sistema automatizado conviene comprobarlo en vez de darlo por hecho: si el grabador del otro extremo escribe dos pistas, verificar cuál llega evita que se convierta en un reporte de "falta audio" semanas después.

Vale la pena descartar el uso equivocado antes de que cueste una tarde a alguien. Apuntar un elemento `<audio>` a un archivo .aac es poco fiable: los navegadores varían en si analizan un flujo ADTS puro, y los que lo hacen a menudo informan de una duración incorrecta porque no hay nada en el archivo que se la indique.

Para cualquier cosa que se reproduzca en un navegador, el mismo audio en M4A funciona en todas partes y se comporta bien, porque el contenedor lleva la duración y el índice. El flujo ADTS es para el sistema que lo pidió; el contenedor es para cualquier persona que vaya a interactuar con el archivo.

Hasta cien archivos WebM se convierten en una sola pasada, cada uno con su propio progreso, y el resultado se descarga junto como un ZIP. Como no interviene ningún servidor, no hay cuota diaria ni cola de espera; el tope por archivo es de 100 MB.

Esa es la diferencia práctica para quien hace esto como parte de un trabajo técnico y no una sola vez: un conversor gratuito con servidor suele limitar entre cinco y veinte archivos al día; aquí el mismo lote de cien se puede repetir de inmediato, y se comporta igual en el archivo número cien que en el primero.

Si el resultado tiene que abrirse con doble clic, reproducirse en un teléfono, mostrar una duración correcta en la barra de progreso o llevar un título, la respuesta casi siempre es el M4A, no este flujo. El códec de dentro es el mismo AAC; lo que cambia es únicamente el contenedor.

Guardar los dos formatos por separado —uno para el sistema técnico, otro para escuchar— es más simple que intentar que un solo archivo sirva para ambos usos, porque ADTS y M4A resuelven problemas distintos y ninguno hace bien el trabajo del otro.