Convertir MOV en WAV

Un MOV est un conteneur qui tient côte à côte une piste vidéo et une ou plusieurs pistes audio. Cette opération lit l’audio, le décode et l’écrit en WAV. La vidéo n’est pas convertie, pas ré-encodée, pas dégradée : elle n’est pas dans la sortie, et le fichier d’origine reste intact.

Ce cadrage explique pourquoi c’est rapide même pour un long enregistrement. Il n’y a pas d’encodage vidéo, qui est la partie coûteuse de toute opération sur la vidéo ; décoder une heure d’AAC et écrire les échantillons est un travail comparativement trivial, et le navigateur le fait à la vitesse à laquelle le décodeur matériel peut servir les échantillons.

La bande-son dans un MOV est presque toujours en AAC, et l’AAC est avec perte — l’encodeur a jeté des parties du signal au moment où la vidéo a été faite. La décoder en WAV reproduit exactement ce qui a survécu, et rien de plus.

La sortie est donc un gros fichier non compressé contenant un audio qui a déjà été compressé une fois. Ce n’est pas un défaut, et cela mérite d’être dit parce que l’attente est fréquente. Ce que le WAV achète, c’est un fichier d’échantillons bruts, ce que les outils de montage veulent ; le son est identique à ce que le MOV contenait.

L’audio d’une vidéo est presque toujours à 48 000 Hz, parce que la cadence vidéo et la cadence audio d’une caméra sont asservies à la même horloge. Un MOV issu d’un tournage pro est à 48 kHz ; un MOV issu d’un smartphone récent est à 48 kHz ; un MOV issu d’une caméra plus ancienne peut être à 44 100 Hz.

Le WAV hérite de la fréquence qu’il a trouvée. Pour un montage vidéo c’est ce qu’il faut, parce que la cible est une timeline à 48 kHz. Pour un CD audio c’est trop haut — un ré-échantillonnage à 44 100 Hz est alors nécessaire, dans un outil qui vous laisse choisir l’algorithme, et il se fait une fois. La conversion ne le fait pas pour vous parce qu’elle ne sait pas où va le fichier.

Le format WAV accepte 8, 16, 24 et 32 bits par échantillon, et la source peut être en 16, 24 ou 32 bits selon la caméra. L’encodeur fixe la profondeur à 16 bits sur toutes les sorties, ce qui est la profondeur la plus largement acceptée par les outils d’analyse et de transcription. Une source en 24 bits est tronquée à 16, et c’est documenté dans le code de l’encodeur.

Pour un travail de montage, cela suffit largement : l’audio d’une caméra est presque toujours en 16 bits à l’enregistrement, et la différence entre 16 et 24 bits est inaudible sur un signal qui a déjà traversé un microphone de poche et un préampli de caméra. Pour un mixage en haute résolution, garder le MOV d’origine et exporter depuis un DAW est la bonne route, parce que la conversion ignore la profondeur supérieure.

Le WAV est mono ou stéréo et ne peut pas porter plus de deux canaux. Si le MOV contient une bande-son stéréo, elle arrive en stéréo dans le WAV. Si le MOV contient une bande-son mono, elle arrive en mono. Si le MOV contient un film 5.1, la sortie dépend du registre : le WAV prend la première piste et laisse le reste, et le programme qui a fait le MOV est responsable d’y avoir mis un downmix s’il voulait que la sortie soit lue partout.

Pour un MOV qui porte une langue et un commentaire, le WAV ne porte qu’une seule des deux. Si les deux sont nécessaires, passer par un conteneur qui accepte plus de canaux — un M4A, un OGG, un OPUS — est la bonne réponse, parce que ces conteneurs reçoivent toutes les pistes que le navigateur peut décoder.

Les caméras pro et les ripper de disque utilisent souvent de l’AC-3, de l’E-AC-3, du DTS ou du TrueHD, qui sont des formats avec perte que le navigateur ne décode pas en l’état. Quand la seule piste est dans l’un de ces formats, la conversion réussit techniquement et arrive silencieuse, parce que le moteur renvoie « au moins une piste a survécu » sans signaler la perte.

C’est un cas qui se voit surtout sur des ripper de Blu-ray, où la bande-son est presque toujours en AC-3 ou en DTS. Si le MOV vient de chez vous et que la bande-son compte, vérifiez dans VLC ou MediaInfo quel codec la piste utilise avant de convertir : un MOV en AAC donne un WAV lisible, un MOV en AC-3 donne un WAV silencieux.

Les balises ID3, les pochettes, les commentaires, les paroles, les coordonnées GPS si la caméra en a posé, la date, le modèle d’appareil — tout cela reste dans le MOV. Le WAV qui sort est techniquement propre, sans balise ni champ, et c’est cohérent avec ce que produit le reste de la chaîne audio du navigateur : un décodage vers les échantillons et un ré-encodage en PCM ne transportent rien, parce que rien n’est prévu pour le faire.

Pour archiver un enregistrement, l’information d’accompagnement doit être copiée à la main dans les champs du WAV, ou posée dans un side-car, ou conservée dans le MOV d’origine. La conversion ne le fait pas, et ne sait pas qu’il y a quelque chose à faire.

La conversion décode l’audio dans l’onglet et l’encode dans l’onglet. Aucune requête ne porte le fichier, parce que les décodeurs et encodeurs sont chargés à la demande et utilisés nulle part ailleurs. Pour une bande-son qui n’a pas à fuiter — un enregistrement sous embargo, un entretien préalable, une scène de film à protéger — c’est la bonne forme de conversion.

La limite est la limite de tout ce qui tourne dans le navigateur : 100 Mo par fichier dans la version gratuite, et les fichiers plus grands sont refusés à la frontière du drop. Un MOV d’une heure à 48 kHz stéréo pèserait environ 1 Go en WAV non compressé, ce qui est au-delà de cette limite et exige un ré-échantillonnage ou un découpage avant d’arriver ici.

Décoder la bande-son d’un MOV d’une minute est un travail de quelques secondes, et la sortie WAV est écrite à la vitesse à laquelle le décodeur sert les échantillons. Pour un MOV d’une heure, le temps de conversion approche l’heure parce que c’est la lecture complète du fichier audio qui est nécessaire, et il n’y a pas de raccourci : extraire un sous-ensemble demanderait de ré-encoder, ce qui n’est pas le travail de cette page.

Pour un long enregistrement, lancer la conversion en tâche de fond et revenir chercher le fichier est la bonne discipline. Pour un pipeline automatisé qui doit traiter des centaines de MOV, cette conversion est appropriée quand la cible est un WAV, mais elle devient lente quand le volume est important, et un traitement local avec FFmpeg est souvent plus rapide à l’échelle.