Convertire WAV in AAC

Ciò che esce da questa conversione è un flusso ADTS — Audio Data Transport Stream — e il nome è la descrizione. Il file è una sequenza di blocchi compressi, ognuno preceduto da una breve intestazione che dichiara il profilo, la frequenza e la configurazione dei canali. Non c’è indice, nessuna intestazione all’inizio del file, e nessuna struttura sopra il fotogramma.

È un progetto deliberato piuttosto che un’omissione. Un formato costruito per essere trasmesso non può presumere che un ricevitore abbia visto l’inizio, quindi ogni fotogramma deve essere interpretabile indipendentemente. Sintonizzatevi a metà di una trasmissione AAC e il decoder si sincronizza entro un fotogramma.

Il requisito viene dai sistemi piuttosto che dalle persone. L’HLS e configurazioni simili di streaming segmentato tagliano l’audio in pezzi brevi e li servono singolarmente, il che funziona solo quando i pezzi stanno da soli. Lettori integrati e automobilistici spesso implementano un decoder e nessun parser di contenitore.

Nessuno di quei lettori ha scelto il formato per il suono. Lo hanno scelto perché la loro documentazione lo nominava, e la cosa utile che questa pagina può fare è produrre esattamente quel file piuttosto che qualcosa che fallirà un controllo di caricamento tre passi dopo.

Un WAV raramente porta metadati per cominciare, ma qui non farebbe differenza se li avesse. L’ADTS non ha campo per titolo, album, anno o immagine, e non c’è convenzione per aggiungerne uno. Tutto ciò che un’intestazione di fotogramma può dire riguarda la configurazione del decoder.

Quindi una cartella di questi file è identificata dai nomi file e nient’altro, il che va bene per un segmentatore ed è senza speranza per una libreria musicale. Se vi ritrovate a voler nominare l’artista, il formato vi sta dicendo che volevate un M4A.

Poiché ogni fotogramma porta la propria intestazione, due file ADTS con la stessa frequenza e conteggio canali possono essere concatenati byte per byte e il risultato è un flusso valido. Nessun decoder gira, nessun codificatore gira, e nessun audio si perde.

È la proprietà per cui esiste il formato, e vale la pena saperlo prima di costruire una pipeline attorno a qualcos’altro. Assemblare un’ora di annunci da quaranta frammenti precodificati non costa nulla in qualità con l’ADTS, e costa una ricodifica completa nella maggior parte dei contenitori.

Non c’è campo durata da nessuna parte nel flusso, quindi un lettore che mostra una lunghezza l’ha calcolata dividendo la dimensione del file per un bitrate presunto. Con un bitrate costante la stima è vicina; con uno variabile deriva.

Aspettatevelo e non provate a debuggarlo. Se una durata accurata conta — un’interfaccia lettore, un sistema di programmazione — l’audio ha bisogno di un contenitore che la registri, e l’M4A è lo stesso codec con quell’informazione scritta.

Vale la pena essere espliciti che le decisioni audio sono identiche. Il codificatore fa gli stessi giudizi su cosa scartare sia che l’uscita vada in un contenitore MPEG-4 sia direttamente in fotogrammi, quindi un AAC puro e un M4A fatti dallo stesso WAV alla stessa banda suonano uguali.

La differenza è qualche kilobyte di struttura e tutto ciò che quella struttura abilita: ricerca, tag, una durata dichiarata, e un file che il vostro sistema operativo aprirà in un lettore musicale invece di offrirsi di scaricarlo di nuovo.

Questa pagina produrrà un .aac perfettamente valido da una canzone, e farlo è quasi sempre un errore. Il brano arriverà in una libreria senza titolo, non ordinato, senza copertina e con una durata inaffidabile, e metà del software su un telefono rifiuterà di importarlo affatto.

La regola è abbastanza semplice da applicare senza pensarci. Se il consumatore è codice, producete il flusso. Se il consumatore è una persona con una playlist, producete un M4A o un MP3 e tenete il WAV come master.

I requisiti scritti per l’AAC sono di solito tetti imposti da un trasporto piuttosto che obiettivi di qualità: 64 kbps perché un canale è stretto, 128 perché un budget di segmento è stato fissato anni fa. Il controllo qualità qui offre tre bande piuttosto che una cifra in kilobit.

Scegliete la banda più vicina al requisito e controllate il file risultante, il che richiede dieci secondi. Se la sorgente è parlato — annunci, prompt, narrazione — la banda più piccola è molto probabilmente già dentro qualunque numero vi sia stato dato.

Un WAV è circa 10 MB al minuto, e il tetto per file qui è 100 MB, poco meno di dieci minuti stereo. Quel tetto esiste perché l’intero file viene tenuto in memoria nel browser mentre viene convertito, non per un limite di caricamento — non c’è caricamento.

Per una pipeline è normalmente esattamente la forma giusta: prompt, segmenti e cue sono brevi per natura, e cento possono essere trascinati insieme e tornare come uno ZIP.