Convertir WebM en OPUS

Le codec audio utilisé par les navigateurs pour encoder les WebM est Opus, et il l’est depuis 2017 environ, période à laquelle Chrome et Firefox ont basculé leur MediaRecorder d’un mélange Vorbis/Opus vers Opus pur. La grande majorité des WebM que vous croiserez aujourd’hui portent de l’Opus à l’intérieur, et cette conversion sort ce qui est déjà dedans.

Cela rend cette conversion structurellement étrange : le codec ne change pas, le conteneur change, et le travail se réduit à un ré-emballage. La section qui suit explique pourquoi ce n’est pas exactement ce qui se passe, et la section d’après explique pourquoi ça n’a pas d’importance pour l’usage ordinaire.

En principe, déplacer l’Opus d’un WebM dans un Ogg est un ré-emballage pur : lire les paquets compressés hors d’un conteneur, les écrire dans l’autre, ne toucher à rien. Cela prend le temps de copier le fichier et ne perd strictement rien, et `ffmpeg -c copy` fait cela en une seconde.

Ce n’est pas ce qui se passe ici. Cette chaîne d’outillage demande un palier de qualité sur toute cible avec perte, et demander un débit disqualifie la copie directe de paquets que la bibliothèque sous-jacente supporte. L’audio est donc décodé en échantillons puis recompressé en Opus, ce qui est une vraie seconde génération. Pour un message vocal ou un appel, c’est inaudible. Pour un asset musical qui sera bouclé et superposé dans un jeu, il vaut la peine de savoir que `ffmpeg -c copy` fait le même travail en une seconde et sans perte.

Ogg est un format de conteneur maintenu par Xiph.Org, le même organisme qui publie Opus, et il a été conçu pour transporter des flux audio et vidéo. Sa structure est une séquence de pages, chacune avec son en-tête, sa checksum et un segment de données. La version moderne, Ogg, est ce que cette conversion écrit.

Le conteneur ne fait presque rien pour vous : pas de métadonnées riches, pas de chapitres, pas de pochette embarquée, pas de marqueurs. Ce qu’il fait bien, c’est streamer : un Ogg peut être lu depuis le début d’une page sans avoir besoin de lire tout ce qui précède, ce qui est la propriété qui le rend utile pour la diffusion en direct et pour les longs podcasts. Pour un fichier destiné à être stocké, ces propriétés n’ajoutent rien, et c’est la cible qui décide.

Le format Ogg a successivement accueilli Vorbis en 2000, FLAC, et Opus en 2012. Les trois utilisent l’extension `.ogg`, et rien dans le nom ne les distingue. Une grande partie des logiciels écrits avant 2015 lisent `.ogg` et supposent Vorbis ; un moteur de jeu ancien, un middleware, un importateur d’asset peuvent ouvrir le fichier, trouver Opus, et échouer avec une erreur qui ne mentionne ni l’un ni l’autre.

Xiph publie des recommandations là-dessus et presque personne ne les suit : `.ogg` pour Ogg Vorbis, `.oga` pour audio dans Ogg quel que soit le codec, `.opus` pour Ogg contenant Opus spécifiquement. La conversion écrit l’extension `.opus`, ce qui est la recommandation actuelle. Si une cible rejette le fichier sans expliquer pourquoi, renommer en `.ogg` est une expérience de dix secondes à tenter avant d’incriminer la conversion.

Le flux audio lui-même passe, c’est tout l’intérêt. Le ré-encodage est sans perte audible pour la voix, et la perte est indiscernable pour la musique dans la grande majorité des cas. Ce qui disparaît en route, c’est tout ce qui n’est pas le flux lui-même : les étiquettes ID3 ou Vorbis que le WebM pouvait porter, les métadonnées de chapitre, les éventuelles pistes audio additionnelles — un enregistrement d’une visioconférence qui avait deux pistes ne ressort qu’avec la première.

Pour un usage de messagerie et de partage, rien de tout cela n’a d’importance : la voix est dans le fichier, c’est ce qu’on voulait. Pour une archive soignée d’une production audio, c’est insuffisant, et le bon outil est une conversion qui passe des options explicites de préservation de métadonnées plutôt qu’un ré-encodage générique.

Opus a été normalisé en 2012 sous la référence RFC 6716, fruit d’une collaboration entre Xiph, Skype et Mozilla. Il bat Vorbis et MP3 à chaque débit qui compte, se dégrade avec élégance au lieu de s’effondrer à bas débit, et gère la parole à des débits où les codecs plus anciens sont inutilisables. WebRTC l’a rendu obligatoire, ce qui explique que tous les navigateurs le supportent et que WebM l’a choisi.

Pour un usage de voix et de musique à débit modéré, Opus est strictement meilleur que tout ce qui l’a précédé. La seule raison objective de préférer un autre codec est un logiciel qui le précède, et cette contrainte se réduit d’année en année à mesure que les implémentations Opus s’implantent partout où l’audio compte.

Wikimedia Commons et plusieurs archives ouvertes acceptent Ogg et Opus et refusent les formats couverts par des brevets, ce qui en fait la seule voie pour y contribuer un enregistrement. L’outillage de bureau Linux présuppose Ogg depuis deux décennies. Godot charge `.ogg` nativement, et c’est le format usuel pour la musique et les longues ambiances dans les projets Godot.

Ce que ces cas partagent, c’est que le format a été choisi par une politique plutôt que par un appareil. Personne ne choisit Ogg parce que son autoradio le veut — les autoradios ne le veulent pas. C’est pourquoi le lecteur de cette page est différent du lecteur des pages MP3 ou M4A, qui résout un problème de lecture plutôt que de satisfaire un cahier des charges.

iOS gère mal Ogg en dehors de l’API bas niveau, la plupart des autoradios et des streamers hi-fi ne le lisent pas, et Safari ne l’a ajouté que récemment. Le support navigateur est universel, mais le support ailleurs est étroit, et c’est la limite à laquelle tout envoi à un public général se heurtera.

Pour un asset destiné à un écosystème précis, c’est un détail. Pour un fichier destiné à être partagé avec quelqu’un qui n’a aucune idée de ce qu’est Ogg, c’est une raison d’utiliser plutôt MP3 ou M4A, et de réserver Opus aux contextes où la cible sait ce qu’elle consomme.

Déposez jusqu’à cent WebM ensemble, chacun avec sa propre progression. Dès que plus d’un est terminé, le tout est disponible en un seul ZIP. C’est le cas ordinaire de quiconque a une bibliothèque d’enregistrements vocaux accumulés.

Comme rien n’est téléversé, un lot ne coûte pas de bande passante et ne heurte aucun quota quotidien — la seule contrainte est la quantité de travail que votre machine veut bien faire d’un coup. Pour ce type d’usage c’est aussi le moment où l’approche locale cesse d’être une question de vie privée et commence à être une question de commodité, et le gain sur les deux axes justifie la conversion ici plutôt qu’une dépendance à un service.

L’Opus est décodé et ré-encodé dans l’onglet, avec les codecs que le navigateur embarque déjà. Rien de ce qui porte l’audio n’est envoyé nulle part, il n’y a pas de compte, et il n’y a pas de file d’attente à attendre même sur un gros fichier.

Pour ce public c’est en général un point pratique plutôt qu’un point de vie privée, mais le point de vie privée tient quand même : un enregistrement vocal non publié est exactement la matière qui ne devrait pas passer par un service web gratuit sur le chemin d’un dossier sur le même disque que celui d’où il vient. La conversion locale est ce qui rend cette promesse vérifiable plutôt qu’affirmée.