Convertir WebM en MP3

On télécharge rarement un WebM exprès, et quand le fichier ne pèse que quelques centaines de kilo-octets il n’est presque jamais une vidéo. C’est un message vocal sorti de WhatsApp Web, un clip audio d’un salon Discord, un appel enregistré par un outil de réunion, ou quelque chose qu’une page a capté avec l’enregistreur du navigateur. Tous ces cas produisent un fichier `.webm` contenant de l’audio Opus, et souvent aucune image.

Cela explique le symptôme qui vous a mené ici. Le fichier se lit parfaitement dans le navigateur d’où il vient et refuse partout ailleurs : l’autoradio ne le voit pas sur une clé USB, l’app musique du téléphone le saute, le service de transcription rejette le téléversement, et le collègue à qui vous l’avez envoyé par mail répond en demandant ce que c’est. Le fichier n’a rien de cassé, il est dans un format fait pour les navigateurs.

L’audio à l’intérieur est de l’Opus, publié par Xiph.Org en 2012 et normalisé en RFC 6716. C’est sincèrement l’un des meilleurs codecs audio existants — il bat le MP3 à chaque débit et traite la parole à des débits où le MP3 s’effondre, ce qui est précisément la raison pour laquelle chaque produit de messagerie vocale sur le web l’utilise. Chaque navigateur peut le décoder, parce que WebRTC l’a rendu obligatoire.

Hors du navigateur le tableau s’inverse. Les autoradios, les streamers hi-fi, les logiciels de dictée, la plupart des lecteurs audio Windows dans leur configuration par défaut et une bonne partie des logiciels audio professionnels n’ont aucun décodeur Opus. Le MP3 a dix-neuf ans de plus et il est moins bon à toutes les mesures, et c’est le seul format que l’on puisse remettre à un inconnu sans aucune question.

C’est le coin étrange de la plateforme web qui rend cette paire différente des autres. WebCodecs donne à une page les codeurs du système d’exploitation, et le MP3 est le seul format qu’il refuse uniformément — la cible audio la plus demandée sur internet est la seule qu’aucun navigateur ne veut écrire.

Ainsi, la première fois que vous demandez un MP3 ici, une version compilée du codeur LAME est téléchargée et enregistrée. C’est la courte pause avant que la barre de progression avance. Cela arrive une fois par session : convertissez dix enregistrements à la suite et seule la première attend. Le fichier n’est pas concerné par ce téléchargement, et le fichier ne repart pas dans l’autre sens.

L’Opus d’un message vocal a déjà jeté du détail. Encoder un MP3 à partir de lui en jette une seconde portion, parce que le codeur MP3 travaille à partir de ce qui a survécu plutôt qu’à partir du son original. Il n’y a pas de moyen de contourner cela sans ne pas convertir — c’est de l’arithmétique, pas une faiblesse d’un outil en particulier.

Que cela compte ou non dépend entièrement de ce qui a été enregistré. La parole à qualité conversationnelle survit l’aller-retour sans rien qu’une oreille humaine puisse détecter, ce qui couvre essentiellement tous les messages vocaux, réunions enregistrées et entretiens. La musique s’en tire moins bien : les cymbales et les queues de réverbération sont l’endroit où la seconde passe se voit. Si le WebM est un enregistrement de répétition ou un mix, utilisez le palier de qualité haute et gardez l’original.

Environ un mégaoctet par minute au réglage par défaut, et ce chiffre est presque indépendant du poids du WebM. Un appel enregistré de quatre-vingt-dix minutes arrive près de quatre-vingt-dix mégaoctets, que la source fasse six mégaoctets d’Opus serré ou deux gigaoctets de capture d’écran avec le même audio à l’intérieur.

Le réglage de qualité fait varier cela d’à peu près un facteur deux dans chaque sens. Le réglage bas convient à la parole qui sera jouée sur un haut-parleur de téléphone ou envoyée par mail ; le réglage haut double à peu près la taille et ne vaut que lorsqu’il y a de la musique dans l’enregistrement. L’Opus est nettement plus efficace que le MP3 à bas débit, ce qui explique pourquoi le MP3 d’un petit message vocal est si souvent plusieurs fois plus gros que le WebM dont il vient.

Tous les WebM ici ne sont pas purement audio. Les captures d’écran, webinaires enregistrés et réunions captées arrivent en WebM avec une piste vidéo, et souvent l’image est la partie dont personne n’a besoin — un diaporama envoyé par mail de toute façon, ou une heure d’écran partagé derrière vingt minutes de discussion utile.

La piste vidéo est écartée plutôt qu’ignorée, donc une heure de capture 1080p devient une heure de parole pour une fraction de la taille, ce qui est un fichier que l’on peut mettre sur un téléphone. S’il n’y a aucune piste audio dans le WebM, la conversion s’arrête et le dit, ce qui est l’échec honnête pour une vidéo que quelqu’un a enregistrée micro coupé.

Un WebM peut contenir plusieurs pistes audio, et un MP3 en contient exactement une. La piste que le fichier énumère en premier est celle qui sort. Pour un message vocal ce n’est pas une question ; pour une réunion enregistrée où l’outil a écrit le micro et l’audio système comme pistes séparées, cela décide quelle moitié de la conversation vous obtenez.

Il n’y a pas ici de moyen de choisir entre les deux, et prétendre le contraire serait pire que de le dire. Si les deux pistes comptent, exportez-les séparément depuis le logiciel qui a fait l’enregistrement, ou ouvrez le WebM dans Audacity, qui lit le conteneur et peut mixer ou séparer les pistes correctement.

Les messages vocaux arrivent en quantité. Déposez jusqu’à cent fichiers WebM à la fois, chacun se convertit indépendamment avec sa propre progression, et dès qu’il y en a plus d’un de terminé, un seul bouton propose l’ensemble en ZIP. Il n’y a pas de file, parce qu’il n’y a pas de machine partagée où faire la file.

C’est là que faire le travail localement cesse d’être un argument de vie privée et devient un argument de temps. Convertir quarante messages vocaux via un site qui les téléverse, c’est quarante téléversements, un plafond quotidien et une attente proportionnelle à votre connexion. Ici c’est proportionnel à votre processeur, qui est plus rapide et qui ne s’épuise pas.