Convertir AAC en OPUS

Le codec Opus a été standardisé par l’IETF en RFC 8135, après un développement conjoint de Xiph.Org, Skype et Microsoft. Il combine un codec de voix (SILK) et un codec général (CELT) dans un seul train de bits, et bascule entre les deux selon ce qu’il détecte dans le signal. Sur la parole, il est meilleur que les codecs spécialisés ; sur la musique, il rivalise avec AAC et Vorbis à débit égal.

C’est le codec qu’utilise WebRTC pour la voix et la vidéo dans le navigateur, c’est le codec qu’utilise Discord pour les appels, c’est le codec que les jeux en ligne choisissent pour la voix, et c’est le codec qu’AoMP, les players HTML5 et la plupart des navigateurs servent par défaut quand on leur demande du « bon audio ». Pour un fichier AAC dont la cible est un usage voix ou temps réel, c’est presque toujours la bonne réponse.

La conversion produit un fichier .opus dans un conteneur Ogg, ce qui est la forme recommandée par la RFC 8413. Le conteneur apporte un en-tête avec la version, l’identifiant du producteur, la durée en échantillons, le nombre de canaux et la fréquence d’échantillonnage, ce qui permet à un lecteur d’annoncer la durée immédiatement au lieu de l’estimer.

Un fichier .opus dans WebM est aussi valide, et c’est ce que les navigateurs utilisent pour les balises audio. Pour un fichier qui doit être servi par un serveur web et lu par une balise audio, WebM est parfois plus naturel. Pour un fichier qui doit être archivé, lu par un lecteur dédié ou passé à un décodeur en ligne de commande, Ogg est la forme standard. La conversion produit Ogg, ce qui est le bon défaut pour un usage généraliste.

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 de la voix d’appel, de la voix off, un message vocal reçu en pièce jointe, c’est presque toujours la situation : un fichier AAC court et de qualité médiocre, et la conversion vers Opus le rend plus compact pour la même qualité apparente, ou améliore la qualité apparente pour la même taille.

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.

Pour la voix, c’est là qu’Opus brille particulièrement. Son décodeur est conçu pour la parole, et un second encodage en Opus est souvent indiscernable d’un encodage direct de la source, parce qu’Opus sait reconnaître une voix déjà compressée et adapter son modèle psychoacoustique en conséquence. Pour la musique, l’amélioration est moindre, mais reste réelle à débit bas.

Pour la voix, Opus fonctionne bien à 24 kbps et au-dessus, là où AAC nécessite au moins 64 kbps pour une qualité comparable. Pour la musique, 96 kbps est un point de départ raisonnable, et 128 kbps est comparable à 192 kbps en AAC. La conversion propose trois valeurs : 32 kbps pour la voix, 64 pour la voix de qualité, et 128 pour la musique.

L’économie est substantielle : un fichier AAC de parole à 64 kbps devient un fichier Opus à 32 kbps, deux fois plus petit pour la même qualité apparente. Pour un dossier de messages vocaux, c’est la moitié de l’espace disque. Pour une archive de balados, c’est la moitié de la bande passante de diffusion, et c’est précisément la propriété qui rend Opus attractif pour les plateformes à grande échelle.

Opus utilise les étiquettes Vorbis pour ses métadonnées descriptives : TITLE, ARTIST, ALBUM, TRACKNUMBER, GENRE, DATE, COMMENT. La conversion projette les champs équivalents de l’ID3v2 vers Vorbis quand la source en porte. Pour un fichier AAC de streaming sans métadonnées, le fichier Opus arrive vierge, ce qui est fidèle à la source.

La pochette embarquée devient un bloc METADATA_BLOCK_PICTURE, lisible par tout lecteur qui lit Opus correctement. Pour un usage qui veut un titre et un artiste avant la pochette, c’est l’édition à faire après la conversion, parce que Opus n’a aucune autre façon d’associer une image à un enregistrement.

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 Opus, et non un enregistrement continu. Le conteneur Ogg n’a pas d’astuce équivalente à la concaténation ADTS — chaque fichier Ogg a son propre en-tête et sa propre OpusHead, et les joindre produit un fichier que la plupart des lecteurs refusent. L’ordre est donc : joindre l’ADTS, puis l’encoder en Opus. Faire l’inverse veut dire un second travail, bien plus difficile.

AAC autorise jusqu’à 48 canaux. Opus autorise jusqu’à 8, ce qui est la disposition standard pour le surround 7.1 et au-delà est replié. Le matériel stéréo ordinaire et le 5.1 passe sans incident. Une disposition au-delà de huit canaux est repliée en stéréo, ce qui est le bon comportement pour celui qui voulait un fichier qui se lit.

Si une configuration source ne peut pas être encodée, la conversion retombe sur deux canaux à 48 000 Hz plutôt que d’échouer net. Pour les fichiers AAC de capture surround, vérifiez le nombre de canaux de la première sortie contre la source avant de soumettre une livraison multicanal ; un cahier des charges qui demandait six canaux et en a reçu deux, c’est un rejet qui coûte une semaine.

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 un Opus 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 Opus 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 fichiers de voix sont ce qui ne doit pas fuiter : un entretien sous embargo, un message vocal privé, un message d’absence qui contient le nom d’un client. 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.