Convertir MP3 en AAC

Personne ne démarre un projet en produisant des MP3 pour un système de diffusion. Cette conversion arrive parce qu’une vieille bibliothèque existe : annonces enregistrées d’un standard téléphonique remplacé, jingles d’une installation de diffusion précédente, jeux d’invites enregistrés par un doubleur qui n’est plus disponible, ou programmes archivés dont les masters ont été supprimés il y a des années.

Cela conditionne ce qu’il est raisonnable d’attendre. La qualité audio a été fixée quand ces MP3 ont été produits, et le travail à présent est de faire passer le matériel dans un format que le nouveau système lira sans l’aggraver notablement. Cette page porte sur la seconde moitié, puisque rien ne peut être fait pour la première.

La sortie est une suite de trames AAC, chacune précédée d’un en-tête qui indique le profil, la fréquence d’échantillonnage et la disposition des canaux. Il n’y a pas d’en-tête de fichier, pas d’index, pas de structure qui contient les trames — ce qui explique qu’un décodeur puisse rejoindre le flux à n’importe quel point et commencer à produire du son en une trame.

Les systèmes conçus autour d’une transmission veulent exactement cela. Un parseur qui n’a qu’à reconnaître une limite de trame est peu de code avec peu de modes d’échec, ce qui explique pourquoi le micrologiciel embarqué, les plates-formes de téléphonie et la diffusion segmentée y ont convergé indépendamment.

Un transcodage entre deux codecs avec perte à des débits comparables est en général presque inaudible. Le problème commence quand la cible est bien plus basse que la source, et ces systèmes spécifient couramment des cibles basses : 64 kbps pour un budget de flux fixé il y a des années, 48 ou moins pour un canal d’annonces.

Compresser un MP3 à 128 kbps en AAC à 48 kbps, c’est deux tours d’une décision similaire, et le second encodeur dépense des bits à préserver des artefacts plutôt que de l’audio. Si le cahier des charges fixe un plafond plutôt qu’une cible, utilisez la marge. S’il fixe un chiffre exact, le résultat est ce qu’il est, et s’y conformer est l’exigence.

La plupart des matériaux qui passent par les systèmes d’annonces, les menus de serveurs vocaux interactifs et les bibliothèques d’invites sont une voix seule enregistrée dans une pièce silencieuse, ce qui est la chose la plus facile qu’un codec ait jamais à encoder. La parole a un spectre étroit, une structure prévisible et pas de cymbales, et elle survit à un second encodage à bas débit avec son intelligibilité intacte.

La musique, c’est là qu’un transcodage s’annonce. Une musique d’attente, un jingle de station avec un fond, et tout ce qui comporte des applaudissements ou de la réverbération sont les fichiers à écouter après conversion. Si une bibliothèque d’invites contient les deux, écoutez-en un musical plutôt qu’un parlé — les fichiers parlés seront parfaits.

Le flux conserve la fréquence d’échantillonnage qu’avait le MP3, qui pour tout ce qui a été extrait ou téléchargé est presque certainement 44 100 Hz. Rien ici ne rééchantillonne pour s’adapter à une destination, et un en-tête de trame qui annonce honnêtement 44 100 Hz n’est pas ce qu’une plate-forme attendant 8 ou 16 kHz veut lire.

La téléphonie et les systèmes d’annonces sont l’endroit habituel où cela mord, parce que les débits en bande étroite y restent la norme. Si votre cahier des charges fixe une fréquence, vérifiez les MP3 avant de convertir une bibliothèque, et utilisez un outil qui ré-échantillonne s’ils ne correspondent pas. Découvrir la mauvaise correspondance après avoir chargé 400 invites est la version coûteuse de ce problème.

Une fois convertis, des fichiers ayant la même fréquence d’échantillonnage et le même nombre de canaux peuvent être concaténés directement. Une heure d’annonces assemblée à partir de quarante fragments ne coûte rien en qualité, parce qu’aucun décodeur et aucun encodeur n’intervient dans la jointure — les octets se suivent.

Cela mérite d’être conçu en amont quand l’alternative est d’assembler l’audio dans un éditeur et d’exporter le résultat, ce qui ajouterait un troisième encodage à un matériau qui en a déjà connu deux. Concaténer de l’ADTS est la seule opération de cette chaîne qui est vraiment gratuite.

L’ADTS n’a aucune métadonnée. Tout ce que portait le MP3 comme étiquettes ID3 — un titre, un identifiant d’invite, une date d’enregistrement, une note de version — n’a nulle part où aller et est absent de la sortie. Un en-tête de trame décrit la configuration du décodeur et rien sur l’enregistrement.

Les noms de fichier deviennent donc tout le système d’identification, et il vaut mieux les établir correctement avant de convertir plutôt qu’après. Si une bibliothèque d’invites s’appuie sur des étiquettes pour suivre les versions, exportez cette information dans un manifeste d’abord ; la conversion ne la préserve pas et aucune étape ultérieure ne peut la reconstruire.

La meilleure version de cette tâche est celle qui saute le MP3 entièrement. Les voix ont en général été enregistrées et livrées en WAV, et ces fichiers existent souvent encore sur un vieux disque, dans un dossier de projet ou chez le studio qui les a enregistrés. Encoder de l’AAC à partir d’un WAV est un encodage de première génération, sans rien de composé.

Cela vaut vingt minutes de demandes avant de convertir une bibliothèque entière, parce que la différence est réelle aux débits qu’utilisent ces systèmes. Quand les masters ont vraiment disparu — et après une décennie et une migration de plate-forme c’est souvent le cas — convertir les MP3 est la bonne décision, prise en connaissance de cause.

Chaque dépôt prend jusqu’à cent fichiers à 100 Mo chacun, et les fichiers d’invite sont suffisamment petits pour qu’aucun des deux plafonds ne soit jamais en cause : un MP3 à 128 kbps tourne autour de 0,96 Mo par minute, si bien que 100 Mo représentent bien plus d’une heure. Le lot revient dans un ZIP avec un flux par fichier source.

Rien n’est téléversé à aucune étape, ce qui compte pour du matériel sous contrat ou sous embargo — programmes non diffusés, annonces d’entreprise, enregistrements qu’un doubleur a autorisés pour un seul usage. L’encodeur est téléchargé sur votre machine là où le navigateur en manque ; l’audio ne voyage jamais dans l’autre sens.