Convertir WebM en AAC

Il y a deux choses que les gens entendent par « AAC ». L’une est le codec, qui est aussi ce qui se trouve dans chaque M4A, chaque MP4 et chaque piste streamée d’un grand service. L’autre est le flux élémentaire : les trames encodées seules, sans conteneur autour. Cette conversion produit le second.

Cette distinction décide si vous êtes sur la bonne page. Si le but est un enregistrement que vous pouvez ajouter à une bibliothèque musicale, donner un titre et presser play, c’est la conversion M4A qu’il vous faut et celle-ci vous rendra la vie plus dure. Si quelque chose dans un pipeline vous a dit qu’il veut de l’AAC et a rejeté un MP4, c’est ce fichier qu’il demandait.

ADTS signifie Audio Data Transport Stream, et son objectif de conception est que tout point du fichier soit un point de départ valide. Chaque trame porte un en-tête de sept octets stating le profil, la fréquence d’échantillonnage et la configuration de canaux, donc un décodeur qui rejoint en cours de route sait immédiatement comment interpréter ce qui suit.

C’est exactement ce dont ont besoin la diffusion et le streaming. Un segmenteur HLS peut couper un flux à une limite de trame et chaque morceau tient debout seul. Deux flux peuvent être concaténés sans rien de plus qu’une jointure au niveau de l’octet et le résultat est valide. Un lecteur embarqué avec quelques kilo-octets de tampon peut commencer à décoder sans analyser un index pour lequel il n’a pas la place. Rien de tout cela n’est vrai d’un MP4, où l’index vit à un endroit et décrit tout.

Tout ce que le conteneur faisait est désormais absent. Il n’y a pas de durée stockée, donc les lecteurs calculent la longueur en parcourant les trames ou, plus souvent, l’estiment à partir du débit et se trompent sur l’audio à débit variable. Il n’y a pas de table de seek, donc sauter à une position est un calcul plutôt qu’une recherche. Il n’y a nulle part où écrire un titre, un artiste ou une date.

Pour une machine qui lit le flux une fois, depuis le début, rien de tout cela n’importe — ce qui est la raison pour laquelle le format survit. Pour une personne avec un lecteur média cela compte immédiatement, et c’est la raison pour laquelle un fichier .aac montre si souvent une durée plausible mais fausse dans un navigateur de fichiers. Si cela vous dérange, le fichier voulait être un M4A.

AAC a été normalisé par MPEG en 1997 comme ISO/IEC 13818-7 et est depuis le défaut de la livraison — diffusion, streaming, mobile, catalogue d’Apple. Il gère jusqu’à 48 canaux, bien que tout ce qui vient d’un enregistrement de navigateur soit mono ou stéréo.

Ce qui est entré était de l’Opus, qui est un codec plus récent et généralement meilleur que presque rien hors d’un navigateur n’accepte. Convertir entre les deux est un décodage et un encodage complets : deux codecs avec perte ne peuvent pas échanger de données directement, donc c’est une seconde génération de compression. Pour la parole c’est inaudible, et pour un pipeline c’est en général sans importance à côté de la compression que la chaîne de livraison applique ensuite.

La forme courante de ce problème est une application web qui enregistre à travers le navigateur. `MediaRecorder` écrit du WebM avec Opus parce que c’est ce que les navigateurs sont obligés de supporter, et l’enregistrement doit ensuite entrer dans un backend conçu autour de l’AAC — un service d’ingestion, une ferme de transcodage, une plate-forme de téléphonie, un bundle d’application avec un format d’asset fixé.

Convertir côté client, avant le téléversement, est souvent l’architecture la moins chère. Le fichier qui traverse le réseau est déjà dans le format que le backend voulait, aucun serveur n’a à faire tourner un transcodeur par enregistrement, et il n’y a rien à mettre en file. C’est le même raisonnement qui a mis cette conversion dans le navigateur à l’origine.

Opus opère à 48 kHz, donc un enregistrement de navigateur est à 48 kHz et l’AAC écrit depuis lui est à 48 kHz. Le nombre de canaux est de même ce qui a été capturé — mono pour un microphone, stéréo pour tout ce qui a enregistré l’audio système.

Rien ici ne ré-échantillonne, et c’est délibéré : le ré-échantillonnage est une décision de traitement du signal avec ses propres compromis de qualité, et un convertisseur qui le ferait silencieusement cacherait une étape. Si une plate-forme cible exige 44,1 kHz, ou une disposition de canaux précise, faites cette conversion dans l’outil qui a l’exigence, où le ré-échantillonneur est un que vous avez choisi.

Toute piste vidéo dans le WebM est écartée sans détour plutôt qu’ignorée, ce qui est le point quand la source est une capture d’écran avec narration. Seule la première piste audio survit ; un enregistrement qui a capturé un microphone et l’audio système comme pistes séparées donne l’une d’elles sans moyen de choisir.

Pour un pipeline cela vaut la peine d’être affirmé plutôt qu’assumé. Si l’enregistreur de l’autre bout de votre système écrit deux pistes, vérifiez laquelle arrive avant que le comportement ne devienne un rapport de bug sur de l’audio manquant trois semaines plus tard.

Cela vaut la peine d’écarter le mauvais usage avant qu’il ne coûte un après-midi à quelqu’un. Pointer un élément `<audio>` sur un fichier .aac est peu fiable : les navigateurs varient sur le fait de savoir s’ils analyseront un flux ADTS brut, et ceux qui le font rapportent souvent une durée incorrecte parce qu’il n’y a rien dans le fichier pour leur dire la vraie. La barre de seek se comporte alors bizarrement et le bug ressemble à un problème de lecteur.

Pour tout ce qui est joué dans un navigateur, le même audio dans un M4A fonctionne partout et se comporte correctement, parce que le conteneur porte la durée et l’index. Gardez le flux ADTS pour le pipeline qui l’a demandé et utilisez un conteneur pour tout ce avec quoi une personne interagit — cette division est la raison pour laquelle les deux formats existent.

Jusqu’à cent fichiers WebM se convertissent en une passe, chacun avec sa propre progression, téléchargés ensemble en ZIP. Parce qu’aucun serveur n’est impliqué, il n’y a pas de quota quotidien et pas de file ; le plafond par fichier est de 100 Mo.

C’est la différence pratique pour quiconque fait cela dans le cadre d’un travail plutôt qu’une fois. Un convertisseur gratuit qui téléverse vous plafonnera quelque part entre cinq et vingt fichiers par jour ; ici les cent peuvent être déposés à nouveau immédiatement, et le comportement est le même au centième fichier qu’au premier.