Convertir AAC en OGG

Ogg est le conteneur, Vorbis est le codec, et la paire Ogg Vorbis est l’analogue libre du MP3 qu’elle a précédé en 2000. Le format a été développé par Christopher Montgomery sous le nom de projet OggSquish, et la société Xiph.Org le maintient depuis. Le codec a un comportement psychoacoustique différent de celui de AAC, ce qui rend la comparaison directe au même débit trompeuse : Vorbis est en général plus efficace sur les signaux complexes, AAC sur la voix pure.

L’intérêt de la conversion vers Ogg est d’obtenir un fichier qui n’est pas grevé par des brevets logiciels et qui se lit sur du matériel qui supporte Vorbis nativement — c’est le cas de beaucoup de lecteurs audio portables Linux, de quelques consoles de jeu, et d’à peu près tous les téléphones Android récents. Pour un balado distribué sous une licence libre, c’est presque toujours la cible.

L’étiquette Vorbis est un système clé-valeur en UTF-8, sans limite de longueur, sans limite de champ, et qui accepte nativement des valeurs multilingues par le mécanisme INDEX. Elle est lue par tous les lecteurs qui lisent Vorbis, ce qui est la grande majorité. Pour les langues non latines, c’est strictement meilleur que l’ID3v2, qui a des modes Latin-1 et UTF-16 mais aucune commodité pour le multilinguisme.

Si la source AAC porte un bloc ID3v2 au début, les champs équivalents sont projetés vers Vorbis : titre devient TITLE, artiste devient ARTIST, album devient ALBUM, numéro de piste devient TRACKNUMBER. La pochette devient un bloc METADATA_BLOCK_PICTURE embarqué dans le flux Vorbis, et c’est lu par la même bibliothèque que les autres champs.

Les captures de streaming HLS arrivent en segments `.aac` et la concaténation produit de l’ADTS. Les caméras IP et les dashcams écrivent en ADTS pour la même raison que la radio le fait. Les DVR et les enregistreurs de diffusion aussi. Plusieurs bibliothèques d’enregistrement Android et quelques pipelines en ligne de commande en font la valeur par défaut sans que personne ne l’ait demandé.

Le fil commun est qu’une machine a fait le fichier pour une autre machine. Pour un balado, la source est en général un fichier de production en WAV ou FLAC qui a été ré-encodé en AAC pour la diffusion, et l’étape de conversion vers OGG est une re-normalisation vers un format de distribution libre. Pour une capture de diffusion, c’est un dossier de segments qu’il faut joindre en un seul ADTS avant de convertir.

Le registre signale la perte de génération comme un problème connu d’AAC, et c’est le bon drapeau : cette conversion décode un audio qui a déjà été compressé et le compresse à nouveau avec un codec qui prend des décisions différentes sur ce qu’il faut jeter. Le second encodeur dépense des bits à décrire les artéfacts du premier, ce qui explique pourquoi deux passes avec perte coûtent plus qu’une seule au même débit.

Ce que vous devriez en penser dépend de ce qu’est le fichier. Un balado de parole, un cours enregistré, une voix off sont indiscernables dans toute situation d’écoute réaliste. La musique capturée à un bas débit de streaming est là où une seconde passe se voit, le plus audiblement sur les cymbales et le bruit de foule. La défense est de convertir une fois depuis la source originale en lossless, jamais depuis AAC de streaming que vous avez déjà ré-encodé.

Avec une capture de flux, vous ne savez généralement pas à quel débit AAC a été encodé, et le fichier ne vous donne pas de moyen facile de le savoir. La règle sûre n’est pas d’essayer de le reproduire. La conversion propose trois valeurs : 96 kbps pour la voix, 160 pour la musique peu exigeante, 320 pour le haut de gamme. Ces trois nombres couvrent les usages pratiques et produisent des fichiers qui restent en deçà de 100 Mo pour une heure de parole.

Pour un balado, 96 kbps est presque toujours suffisant et c’est le standard de l’industrie depuis une décennie. Pour de la musique, 160 est l’endroit où l’oreille moyenne commence à trouver la qualité acceptable. Pour un master de distribution qui sera ré-encodé en aval, 320 est le bon choix, parce que c’est le débit où la perte est indiscernable de la source et où une étape de ré-encodage ultérieure ne dégrade pas de manière audible.

L’AAC de diffusion et de caméra n’est fréquemment pas ce que serait un fichier musical. Il peut être mono, il peut être à 32 000 ou 48 000 Hz, et dans le cas d’une capture de télévision il peut porter une disposition multicanal. Le mono et les fréquences d’échantillonnage inhabituelles se convertissent et restent tels quels.

Une disposition qu’aucun encodeur Vorbis n’acceptera déclenche un repli vers deux canaux à 48 000 Hz, donc une capture surround est repliée en stéréo et ré-échantillonnée plutôt que refusée. C’est le bon comportement pour celui qui voulait un fichier qui se lit, et le mauvais si les canaux discrets étaient le but. La même chose vaut pour AIFF et le WAV, parce que c’est la même pile de codecs qui s’occupe de la conversion.

Les enregistrements de flux HLS arrivent en vrac, et la propriété utile de l’ADTS est que les concaténer produit un flux valide. C’est ainsi que la plupart des gens se retrouvent avec un grand `.aac` en premier lieu, et c’est la bonne manière d’en assembler un. Si votre source est un ensemble de segments, faites la jointure d’abord et convertissez une fois.

Convertir cinquante segments individuellement vous donne cinquante OGG, et non un enregistrement continu. Ogg Vorbis n’a pas d’astuce équivalente à la concaténation ADTS — chaque fichier Ogg a son propre en-tête et son propre Vorbis header, et les joindre produit un fichier que la plupart des lecteurs refusent. L’ordre est donc : joindre l’ADTS, puis l’encoder en Ogg. Faire l’inverse veut dire un second travail, bien plus difficile.

Vorbis transporte la pochette dans un bloc METADATA_BLOCK_PICTURE, qui est une image encodée en base64 à l’intérieur d’un bloc Vorbis. Le bloc porte le type MIME, la description, et les dimensions, ce qui permet à un lecteur d’afficher la pochette sans avoir à la deviner à partir d’un nom de fichier ou d’un répertoire à côté.

La conversion projette la pochette embarquée de AAC vers ce bloc quand la source en porte une, ce qui est le cas pour les fichiers extraits d’iTunes ou de Music. Pour une capture de diffusion sans pochette, le bloc est absent, et c’est l’habillage du balado ou de la plateforme de distribution qui fournit l’image. Aucune pochette n’est inventée, et c’est volontaire.

Les enregistreurs de flux s’arrêtent au milieu d’une trame, et le fichier résultant se termine au milieu d’un paquet. La conversion lit jusqu’au dégât et s’y arrête, ce qui donne normalement OGG utilisable d’une fraction de seconde plus court que la source. Le fichier gagne en plus une durée correcte, ce que l’original n’avait pas, parce que l’en-tête Ogg annonce la durée totale en échantillons.

Une défaillance différente est un fichier qui n’est pas du tout de l’ADTS. Tout ce qui se nomme `.aac` mais qui est en réalité un fragment MP4, ou un M4A renommé à la main, ne s’analysera pas comme un flux de trames, et la conversion signalera que le fichier n’a pas pu être lu plutôt que de le deviner. Si cela arrive, essayez-le en tant que M4A — un démultiplexeur MP4 l’ouvrira, et vous aurez identifié ce que vous avez réellement.

C’est du JavaScript dans votre onglet. Le décodeur AAC est celui que votre appareil contient déjà, l’encodeur Vorbis est chargé à la demande, et aucune requête ne porte le fichier. Il n’y a pas d’inscription, pas de file d’attente, et le niveau gratuit accepte jusqu’à 100 Mo par fichier.

Pour ce lectorat, c’est une préoccupation pratique plutôt qu’abstraite. Les balados en production contiennent les voix d’interviewés et d’invités, enregistrés dans des lieux avec des règles sur l’endroit où ces enregistrements peuvent être stockés. Un convertisseur qui garde le fichier dans l’onglet ne crée pas de copie sur l’infrastructure de quelqu’un d’autre, et l’onglet réseau de vos outils de développement est le test d’acceptation plutôt qu’une promesse sur une page.