Convertir WebM en WAV

Cette page a un lecteur plus étroit que la plupart. Un WAV n’est pas quelque chose que l’on met sur un téléphone ou que l’on envoie à un ami — il est quatre à vingt fois plus gros que le fichier dont il vient et il ne sonne pas différemment. Il existe parce qu’un logiciel de l’autre côté de la conversion vous a dit, explicitement ou en refusant tout le reste, qu’il veut du PCM non compressé.

Ce logiciel est en général l’un de ces quatre : un modèle de transcription ou de reconnaissance vocale, un éditeur audio comme Audacity ou un DAW, un script d’analyse construit sur une bibliothèque qui ne lit que WAV, ou un système de téléphonie ou d’accessibilité avec un format d’entrée documenté. Tous font un travail supplémentaire sur les échantillons, et tous préfèrent partir de quelque chose qui n’a pas été compressé une seconde fois.

Du PCM 16 bits dans un conteneur RIFF WAVE — le format que Microsoft a publié en 1991 et que chaque outil audio sur terre lit sans discussion. La fréquence d’échantillonnage et le nombre de canaux sont ceux que le WebM avait déjà, transportés tels quels plutôt que ré-échantillonnés. L’Opus enregistré par un navigateur tourne à 48 kHz, donc un message vocal arrive en général en mono 48 kHz et une réunion captée en stéréo 48 kHz.

Seize bits est la profondeur qui correspond à ce qui entrait. La source était un flux avec perte décodé en flottant ; écrire en 24 ou 32 bits stockerait l’erreur d’arrondi du décodeur à plus haute précision et produirait un fichier à moitié plus gros avec rien de plus dedans. Si votre chaîne exige une profondeur ou un taux précis, ré-échantillonnez dans l’outil qui en a besoin, où le ré-échantillonneur est un outil que vous pouvez inspecter.

Toutes les autres cibles audio du site proposent un palier de qualité, parce qu’un codeur avec perte doit recevoir une consigne sur le nombre de bits par seconde à dépenser et que la bonne réponse diffère entre codecs de plus d’un facteur deux. WAV n’a pas de tel cadran, parce que PCM n’est pas un codec. C’est les échantillons, mis à plat.

Les deux seules choses qui pourraient être changées sont la fréquence d’échantillonnage et la profondeur de bits, et changer l’une ou l’autre est du ré-échantillonnage plutôt que de la conversion - une opération différente avec ses propres compromis de qualité, qui appartient à l’outil qui a une raison de le faire. Donc le contrôle n’est pas proposé, et cette absence est la réponse honnête plutôt qu’un oubli.

C’est l’idée fausse que la page existe pour corriger. Convertir un enregistrement compressé en un format sans perte ne restaure rien. Opus a jeté des parties du signal qu’il jugeait inaudibles, de manière permanente, avant que le fichier n’arrive jamais jusqu’à vous. Le WAV préserve ce qui a survécu avec une fidélité parfaite et ne préserve rien d’autre.

La valeur est tournée vers l’avenir plutôt que vers le passé. À partir du WAV, chaque édition, chaque filtre et chaque export part des mêmes échantillons sans nouvelle perte générationnelle. C’est exactement ce que veut un éditeur ou un modèle de transcription : pas un meilleur enregistrement, mais la garantie que l’outil ne se bat pas contre des artefacts de compression qu’une seconde passe avec perte aurait ajoutés.

L’audio non compressé coûte un nombre constant d’octets par seconde : 96 Ko par canal et par seconde à 48 kHz et 16 bits. Cela fait environ 5,8 Mo par minute en mono et 11,5 Mo par minute en stéréo, et cela ne varie pas selon que l’enregistrement est fort, complexe ou silencieux. Un entretien d’une heure en mono pèse environ 350 Mo.

Comparez avec le WebM dont il vient, qui pour la même heure de parole peut peser quarante mégaoctets. Le ratio est saisissant la première fois et il n’est un bug d’aucun format — Opus est extrêmement bon sur la parole, et PCM ne cherche à être bon sur rien sinon être exact. Ayez de la place pour le fichier avant de convertir un après-midi d’enregistrements.

Les outils de reconnaissance vocale sont la destination la plus courante de cette conversion, et la plupart acceptent WAV en premier et tout le reste à contrecœur. Whisper et ses nombreux wrappers, les services de transcription commerciaux, et les bibliothèques audio en dessous, documentent tous PCM comme l’entrée qu’ils attendent et convertissent eux-mêmes tout le reste avant de commencer.

Faire cette conversion vous-même vaut pour une raison : vous obtenez de voir le résultat. Si le WAV se révèle silencieux, d’une demi-seconde, ou être la mauvaise piste parmi deux pistes de micro, vous le découvrez dans un éditeur audio en dix secondes plutôt que dans une transcription pleine de non-sens une heure plus tard. C’est aussi là qu’on découvre qu’un enregistrement n’a aucune piste audio du tout, ce qui arrive plus souvent que quiconque ne s’y attend.

Un WebM peut contenir plusieurs pistes audio et un fichier WAV, tel qu’il est écrit ici, en contient une. La première piste dans le conteneur est celle qui survit. Les enregistreurs de réunion qui écrivent le micro et l’audio système partagé comme pistes séparées sont le cas où cela mord, parce que vous obtenez l’une des deux sans avertissement sur l’autre.

Si l’enregistrement compte assez pour être transcrit, ouvrez le WAV avant de vous y fier. Quand les deux pistes sont nécessaires, Audacity lit le conteneur WebM directement avec son composant FFmpeg installé et peut importer les pistes côte à côte — l’installation supplémentaire vaut la peine une fois pour un enregistrement que vous ne pouvez pas refaire.

Un WAV d’un appel d’une heure fait des centaines de mégaoctets, et téléverser cela vers un convertisseur puis le récupérer est de loin la partie la plus lente de tout le travail. Ici le décodage et l’écriture se font tous deux dans l’onglet, à la vitesse de votre propre disque, donc la longueur de l’enregistrement est la seule chose qui coûte du temps.

Cela supprime aussi la question embarrassante qui plane sur cette paire en particulier. Les enregistrements destinés à la transcription sont des appels, des consultations, des entretiens et des dépositions — exactement la matière qui ne devrait pas être remise à un service inconnu. Rien de ce qui porte le fichier n’est envoyé nulle part, et l’onglet réseau vous le montrera dans le temps qu’il faut pour en convertir un.