Convertir OPUS en MP3

Opus a été publié en RFC 6716 en 2012 par Xiph.Org et est le codec audio obligatoire pour WebRTC, ce qui est la raison pour laquelle il est partout sans être célèbre. Chaque navigateur a dû l’implémenter pour prendre en charge les appels, et une fois que chaque navigateur l’a eu, chaque application construite sur la technologie de navigateur l’a utilisé : messages vocaux WhatsApp et Telegram, voix Discord et ses enregistrements, Signal, Google Meet, enregistreurs dans le navigateur, et `yt-dlp` quand il choisit le meilleur flux audio disponible.

C’est pourquoi cette page a un lecteur différent du reste du lot audio. Quelqu’un qui convertit un M4A sait qu’il a un fichier Apple. Quelqu’un qui convertit .opus a généralement découvert l’extension pour la première fois en copiant quelque chose d’un téléphone ou d’un dossier de téléchargements, et sa question ne porte pas sur les codecs — c’est « pourquoi rien n’ouvrira ceci ».

Voici le chiffre qui mérite d’être retenu. Un message vocal est mono et Opus code la parole à un débit situé quelque part entre 16 et 32 kbps tout en restant parfaitement clair ; c’est la raison pour laquelle les applications de messagerie l’ont choisi. Un message vocal de deux minutes fait donc autour de 300 kilo-octets.

Ré-encodé en Haute qualité et le MP3 est écrit à 320 kbps : environ 4,8 mégaoctets, treize à vingt fois l’original, contenant précisément la même quantité d’information. Les bits supplémentaires ne décrivent rien, parce qu’il n’y a plus rien à décrire — le détail n’a jamais été capturé. Petit fichier à 96 kbps est le bon réglage pour la parole et fait déjà trois à six fois le débit de la source. C’est la seule page du lot où le réglage le plus élevé est activement la mauvaise réponse.

Deux encodages avec perte à la suite coûtent toujours quelque chose, et cet appariement coûte un peu plus que la plupart à cause de la direction. MP3 date de 1993 et Opus de 2012, et dix-neuf ans de recherche les séparent — à 64 kbps Opus fait un travail que MP3 ne peut pas faire du tout. Donc le second encodeur n’est pas simplement en train de re-compresser ; c’est un outil moins capable qui re-compresse.

Pour la parole, ce que sont la plupart de ces fichiers, le résultat est entièrement intelligible et marginalement plus terne — une légère perte d’air sur les sifflantes et un son de pièce plus plat. Pour de la musique capturée à un faible débit de navigateur, la dégradation est plus perceptible que l’étape équivalente depuis AAC ne le serait. Ni l’un ni l’autre n’est une raison de ne pas convertir quand quelque chose en aval exige du MP3. Les deux sont une raison de garder l’original .opus.

La transcription est la destination la plus courante. Bon nombre de services, de wrappers Whisper et d’outils d’alignement forcé acceptent une liste courte de formats et Opus n’y figure souvent pas, non pas parce que l’audio ne convient pas mais parce que leur code d’ingestion précède le format. MP3 ou WAV lève l’exigence, et pour la transcription MP3 à 96 kbps est tout à fait adéquat — le modèle lit des mots, il ne juge pas la fidélité.

Les autres destinations sont l’édition et la livraison : un DAW ou éditeur de podcast qui refuse le fichier, un client ou collègue qui a besoin de double-cliquer dessus et de l’entendre jouer, un enregistreur matériel ou un système de voiture, un formulaire de téléversement avec une liste fixée. Dans chacune d’elles l’exigence porte sur le logiciel récepteur, ce qui mérite d’être su parce que cela vous dit que la conversion a fait son travail au moment où le fichier s’ouvre.

Les messages vocaux et les enregistrements d’appels sont presque toujours un seul canal, et la conversion les garde ainsi. Un MP3 mono fait la moitié de la taille d’un stéréo au même débit, et il n’y a aucun bénéfice à dupliquer un canal en deux — cela double le fichier et n’ajoute rien.

Si un programme récepteur insiste sur le stéréo, laissez-le faire la duplication à l’importation, où cela ne coûte rien en disque. Opus lui-même prend en charge jusqu’à 255 canaux contre deux pour MP3, donc à l’extrême opposé une capture Opus multicanal est repliée en stéréo à 48 000 Hz plutôt que refusée. Ce cas est rare en dehors d’expérimentations de diffusion, mais c’est ce qui se passe.

Opus dans un flux Ogg porte des tags de commentaire de style Vorbis, et là où ils existent ils sont mappés sur ID3v2 dans le MP3 — titre, artiste, album, numéro de piste, date, commentaire — avec toute image embarquée, qui devient un cadre APIC.

En pratique la plupart de ces fichiers arrivent sans rien dedans. Un message vocal est nommé par l’application avec un horodatage et ne porte aucune métadonnée du tout, donc le MP3 sort sans tag et c’est fidèle plutôt que perdant. Si vous archivez une série d’enregistrements, le nom de fichier fait le travail que les tags ne font pas, et cela vaut la peine de les nommer avant la conversion plutôt qu’après.

Ogg Opus enregistre une valeur pre-skip pour qu’un lecteur sache exactement combien d’échantillons au début sont de l’amorçage d’encodeur et doivent être écartés, ce qui est la manière dont un flux peut démarrer proprement. MP3 n’a pas d’équivalent que quoi que ce soit lise de manière fiable.

Le MP3 écrit ici porte un en-tête Xing avec le compte de frames, la taille de fichier et une table de seek — assez pour une recherche précise et une durée correcte — mais pas les champs delay et padding qui permettraient à un lecteur de tailler le remplissage propre à l’encodeur. Quelques dizaines de millisecondes de silence sont donc ajoutées à chaque bout. Sans importance pour un message vocal ; important si vous alignez un enregistrement converti contre de la vidéo ou contre une seconde piste, où la correction est de s’aligner dans l’éditeur après la conversion plutôt que de faire confiance au fichier.

C’est la paire où l’argument cesse d’être abstrait. Les fichiers sont des messages vocaux, des appels enregistrés, des notes de thérapie, des entretiens, des réunions qui ont été capturées avec permission dans un but. Les remettre à un site de conversion signifie en remettre une copie à un inconnu, et les conditions de service que vous n’avez pas lues décident de ce qui se passe ensuite.

Ici le décodage utilise le décodeur Opus que votre navigateur contient déjà — c’est le même qui rend un appel — et le MP3 est produit par une build WebAssembly de l’encodeur LAME chargée dans l’onglet, parce qu’aucun navigateur ne peut encoder du MP3 tout seul. Aucune étape n’a besoin d’un serveur, donc il n’y a ni téléversement, ni file d’attente, ni compte, ni nulle part la trace de ce que vous avez converti. L’affirmation est vérifiable en trente secondes avec l’onglet réseau ouvert, ce qui est la seule sorte d’affirmation de confidentialité qui mérite d’être faite.

Les sauvegardes de téléphone en produisent par centaines. Déposez-en une centaine à la fois : chaque fichier se convertit de son côté et ils reviennent en un seul ZIP, avec un plafond de 100 Mo par fichier — bien au-dessus de ce qu’un message vocal approche — et cent fichiers par lot, ce qui est la limite qui mord vraiment sur un dossier de ceux-ci.

Gardez Petit fichier sélectionné pour un lot de ce genre. Quatre cents messages vocaux, quatre lots d’entre eux, à 96 kbps fait quelques centaines de mégaoctets ; les mêmes quatre cents à 320 kbps fait bien plus d’un gigaoctet de MP3 ne portant aucune information supplémentaire. C’est la décision de réglage avec la plus grande conséquence pratique n’importe où dans ce lot.