Convertir WebM a WAV

Esta página tiene un lector más estrecho que la mayoría. Un WAV no es algo que se lleve en el móvil o se le mande a alguien: pesa entre cuatro y veinte veces más que el archivo del que sale y no suena distinto. Existe porque algún programa al otro lado de la conversión te ha dicho, explícitamente o rechazando todo lo demás, que quiere PCM sin comprimir.

Ese programa suele ser una de cuatro cosas: un modelo de transcripción o de reconocimiento del habla, un editor de audio como Audacity o una estación de trabajo, un guion de análisis construido sobre una biblioteca que lee WAV y nada más, o un sistema de telefonía o de accesibilidad con un formato de entrada documentado. Todos van a seguir trabajando sobre las muestras, y todos prefieren partir de algo que no se ha comprimido una segunda vez.

Muestras PCM de 16 bits en un contenedor RIFF WAVE, el formato que Microsoft publicó en 1991 y el que cualquier herramienta de audio del planeta lee sin rechistar. La frecuencia de muestreo y el número de canales son los que ya tenía el WebM, trasladados tal cual y sin remuestrear. El Opus grabado por un navegador va a 48 kHz, así que una nota de voz suele llegar como 48 kHz en mono y una reunión capturada como 48 kHz en estéreo.

Dieciséis bits es la profundidad que corresponde a lo que entró. El origen era un flujo con pérdida descodificado a coma flotante; escribir 24 o 32 bits guardaría el error de redondeo del descodificador con más precisión y produciría un archivo la mitad más grande sin nada extra dentro. Si tu cadena exige una profundidad o una frecuencia concretas, remuestrea en la herramienta que lo necesita, donde el remuestreador es uno que puedes inspeccionar.

Cualquier otro destino de audio de este sitio ofrece una banda de calidad, porque a un codificador con pérdida hay que decirle cuántos bits por segundo puede gastar y la respuesta correcta cambia entre códecs por más de un factor de dos. WAV no tiene esa perilla, porque PCM no es un códec. Son las muestras, escritas.

Las dos únicas cosas que se podrían cambiar son la frecuencia de muestreo y la profundidad de bits, y cambiar cualquiera de las dos es remuestrear y no convertir: una operación distinta, con sus propios compromisos, que pertenece a la herramienta que tenga un motivo para hacerla. Así que el control sencillamente no se ofrece, y esa ausencia es la respuesta honesta y no un descuido.

Esta es la idea equivocada que la página existe para corregir. Convertir una grabación comprimida a un formato sin pérdida no restaura nada. Opus descartó de forma permanente las partes de la señal que juzgó inaudibles, y lo hizo antes de que el archivo llegara a tus manos. El WAV conserva con fidelidad perfecta lo que sobrevivió y no conserva nada más.

El valor mira hacia delante y no hacia atrás. A partir del WAV, cada edición, cada filtro y cada exportación parte de las mismas muestras sin más pérdida generacional. Eso es exactamente lo que quiere un editor o un modelo de transcripción: no una grabación mejor, sino la garantía de que la herramienta no está peleando con artefactos que una segunda pasada con pérdida habría añadido.

El audio sin comprimir cuesta un número constante de bytes por segundo: 96 kB por canal y por segundo a 48 kHz y 16 bits. Eso son unos 5,8 MB por minuto en mono y 11,5 MB por minuto en estéreo, y no varía según lo alta, lo compleja o lo silenciosa que sea la grabación. Una entrevista de una hora en mono ronda los 350 MB.

Compáralo con el WebM del que salió, que para esa misma hora de conversación puede rondar los cuarenta megabytes. La proporción impresiona la primera vez y no es un fallo de ninguno de los dos formatos: Opus es extraordinariamente bueno con la voz y PCM no intenta ser bueno en nada salvo en ser exacto. Ten dónde meter el archivo antes de convertir una tarde entera de grabaciones.

Las herramientas de reconocimiento del habla son el destino más frecuente de esta conversión, y casi todas aceptan WAV primero y lo demás a regañadientes. Whisper y sus muchos envoltorios, los servicios comerciales de transcripción y las bibliotecas de audio que hay debajo de ambos documentan PCM como la entrada que esperan, y convierten cualquier otra cosa por su cuenta antes de empezar.

Hacer tú esa conversión merece la pena por un motivo: puedes ver el resultado. Si el WAV sale mudo, dura medio segundo o es la pista equivocada de dos micrófonos, te enteras en un editor de audio en diez segundos, y no en una transcripción llena de disparates una hora después. Convertir es además el momento en el que se descubre que una grabación no tenía pista de audio en absoluto, cosa que pasa más a menudo de lo que nadie espera.

Un WebM puede llevar varias pistas de audio y el WAV que se escribe aquí lleva una. La primera pista del contenedor es la que sobrevive. Donde esto muerde es en los programas de reunión que graban el micrófono y el sonido del sistema como pistas separadas: te llevas una de las dos y ningún aviso sobre la otra.

Si la grabación importa lo bastante como para transcribirla, abre el WAV antes de fiarte de él. Cuando hagan falta las dos pistas, Audacity lee el contenedor WebM directamente si tiene instalado su componente de FFmpeg y puede importarlas en paralelo. Esa instalación extra vale la pena una vez, tratándose de una grabación que no se puede repetir.

Si el WebM era una grabación de pantalla, la imagen se descarta entera. En una captura normal es donde estaban casi todos los bytes, así que el WAV resultante puede ser más pequeño que el vídeo original a pesar de no estar comprimido, cosa que sorprende hasta que se piensa un momento.

Tampoco cruza nada de lo que el archivo llevara escrito: ni fecha, ni dispositivo, ni título. Para transcribir da igual, porque lo que importa es la señal, pero si la grabación forma parte de un expediente conviene anotar la procedencia en otro sitio antes de quedarse solo con el WAV.

Un WAV de una llamada de una hora son cientos de megabytes, y subirlo a un conversor y traerlo de vuelta es con diferencia la parte más lenta del trabajo. Aquí la descodificación y la escritura ocurren en la pestaña, a la velocidad de tu propio disco, así que lo único que cuesta tiempo es la duración de la grabación.

También quita de en medio la pregunta incómoda que planea sobre este par en concreto. Las grabaciones que se transcriben son llamadas, consultas, entrevistas y declaraciones: exactamente el material que no debería entregarse a un servicio desconocido. No se envía nada que contenga el archivo, y la pestaña de red te lo enseña en lo que tarda una conversión.

El WAV es un formato de trabajo, no de conservación. Cuando la transcripción esté hecha o la edición terminada, lo que conviene guardar es el WebM original —que ocupa una fracción y contiene el mismo audio recuperable— y el resultado final, no los cientos de megabytes intermedios.

Se puede volver a generar el WAV el día que haga falta, porque esta conversión es determinista y no depende de ningún ajuste: siempre son las mismas muestras a la misma frecuencia. Guardar el paso intermedio solo tiene sentido si el proceso siguiente ya está en marcha y va a leerlo mañana.