Convertir WebM a MP3

La gente rara vez descarga un WebM a propósito, y cuando el archivo pesa unos cientos de kilobytes casi nunca es un vídeo. Es un mensaje de voz guardado desde WhatsApp Web, un audio de un canal de Discord, una llamada grabada por una herramienta de reuniones o algo que una página capturó con la grabadora del propio navegador. Todos ellos producen un .webm con audio Opus dentro y, muy a menudo, sin imagen ninguna.

Eso explica el síntoma que te ha traído hasta aquí. El archivo se reproduce perfectamente en el navegador del que salió y se niega en cualquier otro sitio: la radio del coche no lo ve en el pendrive, la aplicación de música del móvil lo salta, el servicio de transcripción rechaza la subida y la persona a la que se lo mandaste contesta preguntando qué es eso. El archivo no tiene nada malo: está en un formato hecho para navegadores.

El audio de dentro es Opus, publicado por Xiph.Org en 2012 y normalizado como RFC 6716. Es genuinamente uno de los mejores códecs de audio que existen: gana a MP3 con comodidad en cualquier tasa y aguanta la voz en tasas donde MP3 se cae a pedazos, que es exactamente por lo que todos los productos de mensajería de voz de la web lo usan. Cualquier navegador lo descodifica, porque WebRTC lo hizo obligatorio.

Fuera del navegador el cuadro se invierte. Los equipos de sonido de coche, los reproductores de salón, los programas de dictado, buena parte de los reproductores de escritorio con su configuración de fábrica y mucho software de audio profesional no traen descodificador de Opus. MP3 es diecinueve años más antiguo y peor en cualquier medición, y es el único formato que le puedes entregar a un desconocido sin preguntas adjuntas.

Hay un caso muy frecuente que no es una nota de voz suelta: la grabación de una reunión de la asociación, del claustro, de la junta de propietarios o de una entrevista de trabajo de campo, hecha con una herramienta que devuelve WebM. La persona que grabó tiene que repartir el audio entre gente con teléfonos, ordenadores y costumbres de todo tipo.

Ahí MP3 es la respuesta no porque suene mejor —no lo hace— sino porque es la única de la que puedes dar por hecho que funcionará en todos los aparatos que no controlas. Si en cambio el destino es un móvil concreto que sí sabes que abre Opus, o una carpeta compartida que solo tocas tú, conservar el WebM es más pequeño y suena igual o mejor.

Es el rincón raro de la plataforma web que hace este par distinto de los demás. El navegador presta a la página los codificadores del sistema operativo, y MP3 es el formato que todos rechazan por igual: el destino de audio más pedido de internet es justo el que ninguno escribe.

Así que la primera vez que pides un MP3 aquí se descarga y se registra un codificador compilado a WebAssembly. Esa es la pausa breve antes de que la barra se mueva, ocurre una vez por sesión y convertir diez grabaciones seguidas solo hace esperar a la primera. Con AAC y FLAC pasa lo mismo; con Opus y con PCM no, porque esos ya están en el navegador. Nada del archivo participa en esa descarga y nada del archivo vuelve en sentido contrario.

El Opus de una nota de voz ya descartó detalle. Codificar un MP3 a partir de él descarta una segunda ración, porque el codificador trabaja sobre lo que sobrevivió y no sobre el sonido original. No hay manera de evitarlo salvo no convertir: es aritmética, no una carencia de esta herramienta en concreto.

Que importe o no depende por completo de qué se grabó. La voz a calidad de conversación sobrevive al viaje sin que un oído humano lo detecte, y eso cubre esencialmente cualquier nota de voz, reunión grabada o entrevista. La música lo lleva peor: los platillos y las colas de reverberación son donde la segunda pasada se ve. Si el WebM es un ensayo o una mezcla, usa la banda alta y conserva el original.

Los ajustes son tres —archivo pequeño, equilibrado y alta calidad— con el equilibrado por omisión. Están expresados como bandas y no como tasa de bits a propósito: quien está convirtiendo la grabación de una reunión sabe si la quiere pequeña o buena, y no sabe si eso son 96 o 192.

Aquí tampoco vas a encontrar a qué cifra se traduce cada banda, y eso es deliberado: quien las convierte en números es la biblioteca de codificación, por códec, y ninguna prueba de este repositorio fija esos valores; publicar una cifra como si fuera nuestra sería inventarla. Lo que sí se puede decir es cómo elegir. Para voz que va a escucharse por el altavoz de un teléfono o a mandarse por correo, la banda pequeña sobra. Para algo con música dentro, sube a la alta.

No todos los WebM que llegan aquí son solo audio. Las grabaciones de pantalla, los seminarios en línea y las reuniones capturadas llegan como WebM con pista de vídeo, y muchas veces la imagen es justo la parte que nadie necesita: una presentación que además se mandó por correo, o una hora de pantalla compartida por detrás de veinte minutos de conversación útil.

La pista de vídeo se descarta de forma explícita en lugar de ignorarse, así que una hora de captura en 1080 se convierte en una hora de habla por una fracción del tamaño, que es un archivo que sí cabe en un teléfono. También hace que la conversión sea mucho más rápida de lo que la gente espera: como la imagen no se recodifica, el trabajo real es solo el del sonido.

Un WebM puede llevar varias pistas de audio y un MP3 tiene sitio exactamente para una. Cuando hay más de una se conserva una sola y las demás se descartan sin decir nada. Para una nota de voz esto no es ni una pregunta; para una reunión grabada con una herramienta que escribió el micrófono y el sonido del sistema como pistas separadas, decide con qué mitad de la conversación te quedas.

Aquí no hay forma de elegir entre ellas, y fingir lo contrario sería peor que decirlo. Si las dos importan, expórtalas por separado desde el programa que hizo la grabación, o abre el WebM en Audacity, que lee el contenedor y sabe mezclarlas o separarlas como es debido. La alternativa dentro de este sitio es convertir a M4A, a OGG o a OPUS, que son los destinos de solo audio donde se conservan todas las pistas que el navegador sepa descodificar.

Algunas conversiones se detienen antes de empezar con un mensaje que dice que no se ha podido convertir nada del archivo. No es un archivo dañado ni un fallo del programa: significa que se le preguntó al navegador si sabía descodificar la pista de audio, contestó que no, y como la imagen ya se había descartado no quedaba nada que escribir.

En un WebM salido de un navegador esto es rarísimo, porque lo que llevan dentro es Opus y eso lo descodifica cualquiera. Aparece cuando el archivo lleva la extensión .webm y por dentro es otra cosa, o cuando la grabación se hizo con el micrófono apagado y simplemente no hay pista de audio. Es el fallo honrado para ese caso, y llega como una frase legible y no como un error de motor. Tampoco hay respaldo en servidor detrás: el único módulo de este sitio que envía archivos no lee ni escribe formatos de audio.

La pregunta habitual es si el título, el intérprete o la fecha aparecerán luego en el reproductor. La respuesta honrada es que en esta conversión no lo sabemos: la rutina no pasa ninguna instrucción sobre etiquetas ni sobre carátulas, así que lo que ocurra lo decide por completo la biblioteca que hace el trabajo, y nada aquí lo comprueba.

Otros conversores contestan que sí con toda seguridad. Aquí no se va a hacer mientras no esté medido, entre otras cosas porque la mayoría de los WebM salidos de un navegador no llevan etiqueta ninguna y el resultado habitual es un archivo con el nombre del original y poco más. Si vas a ordenar una serie de grabaciones, poner las etiquetas después con un editor es trabajo de dos minutos y es la única vía con un resultado seguro.

Las notas de voz llegan en cantidad. Se pueden soltar hasta cien archivos WebM a la vez y cada uno se convierte por su cuenta con su propia barra; cuando hay más de uno terminado, un único botón ofrece el conjunto como ZIP. No hay cola, porque no hay una máquina compartida en la que hacer cola, y el tope por archivo es de 100 MB.

Aquí trabajar en local deja de ser un argumento sobre privacidad y pasa a ser uno sobre tiempo: convertir cuarenta mensajes de voz en un sitio que los sube son cuarenta subidas, un cupo diario y una espera proporcional a tu conexión. En este par, además, el argumento de privacidad se sostiene solo. El archivo es alguien hablando, con frecuencia de algo que no querría repetir en público, y la vía habitual para esta conversión es entregárselo a una web que nadie ha revisado. Comprobarlo cuesta diez segundos con la pestaña de red abierta.