Convertire WebM in M4A

Una registrazione fatta in un browser — un messaggio vocale, una chiamata catturata, una nota audio di un’app web — esce come WebM con dentro Opus. Safari lo riproduce dentro una pagina web, perché il browser ha il decoder. Nel momento in cui il file viene salvato sul telefono smette di essere una risorsa web e diventa un file, e iOS non ha nulla che lo apra: non Files, non Musica, non Memo Vocali, non il pannello di condivisione.

M4A sta dall’altra parte di quella linea. Apple ha assegnato l’estensione nel 2004 a un contenitore MP4 che trasporta suono e nessuna immagine, ed è ciò che il telefono stesso produce quando registra. Convertire in M4A non migliora la registrazione; la rende un cittadino di prima classe sul dispositivo invece che un allegato che nulla apre.

Un M4A è un MP4. Contenitore identico, struttura identica, estensione diversa scelta perché un doppio clic apra un lettore musicale invece di un lettore video. Dentro, qui, c’è AAC — il codec standardizzato dal MPEG nel 1997 come ISO/IEC 13818-7 e quello su cui Apple ha costruito l’intero catalogo audio.

Il contenitore può ospitare anche Apple Lossless, ed è da lì che nasce parte della confusione: un M4A scaricato da un posto può essere lossless e uno scaricato da un altro no, senza nulla nel nome che li distingua. Quello scritto qui è AAC, perché è ciò che si riproduce su qualunque dispositivo legga il contenitore ed è ciò che un browser sa codificare.

AAC è semplicemente il codec migliore. A parità di dimensione regge meglio dell’MP3, in particolare sul parlato e su tutto ciò che ha piatti o riverbero, ed è il predefinito per una ragione nello streaming, nel broadcast e nei prodotti Apple stessi. Se la registrazione va su un telefono o un computer di questo decennio, M4A è la risposta giusta.

MP3 vince in una sola dimensione, ma grande: si riproduce su qualunque cosa sia mai stata costruita. Autoradio del 2006, tapis roulant in palestra, sveglie d’albergo, vecchi registratori vocali, il portatile antico in sala riunioni. Se non si sa dove finirà il file, o se va a qualcun altro, il codec peggiore nel contenitore più universale è la scelta più prudente.

La parte scomoda di questo problema è di solito geografica: il WebM è già sul telefono, e la soluzione ovvia comporta spostarlo su un computer, convertirlo e riportarlo indietro. Sono tre passaggi di troppo per una nota vocale da due megabyte.

Questa pagina funziona in Safari su iPhone esattamente come su desktop. Si sceglie il file da Files, si lascia convertire e si salva l’M4A — decodifica e codifica avvengono entrambe sul telefono, usando gli stessi codec che già usa per riprodurre audio. Non si installa nulla, non si carica nulla, e la registrazione non lascia mai il dispositivo su cui è stata fatta.

Opus in ingresso, AAC in uscita, con una decodifica completa fra i due. Entrambi i formati sono con perdita, quindi si tratta di compressione applicata a un audio già compresso una volta, e ogni volta un po’ di dettaglio in più se ne va. Non c’è modo di aggirarlo: nessun browser può spostare l’audio fra due codec diversi con perdita senza decodificarlo prima.

Per il parlato, che è quasi sempre il contenuto di una nota vocale WebM, il risultato è indistinguibile a qualunque delle tre impostazioni di qualità. Per la musica il secondo passaggio è misurabile e, con buone cuffie, a volte udibile su piatti e riverbero d’ambiente. Se il WebM è una prova o una registrazione dal vivo, usate la fascia alta e conservate l’originale accanto all’M4A.

L’M4A arriva con l’audio e senza metadati, perché nel WebM non c’era nulla da portare — i registratori del browser e gli strumenti per riunioni nominano i file con una data e non scrivono altro. Lasciato così in Musica o iTunes, il file compare col suo nome file, senza artista e senza album, ed è così che una libreria diventa inutilizzabile in silenzio.

Conviene impostare i tag come parte deliberata dell’archiviazione. Musica può modificarli sul posto, e qualunque programma per tag lo fa in blocco su un lotto. Sono trenta secondi per file, ed è la differenza fra una registrazione che si ritrova fra due anni e una che no.

Passa solo la prima traccia audio, e qualunque traccia video viene scartata del tutto. Una riunione registrata con microfono e audio di sistema su tracce separate lascia solo quella che il contenitore elenca per prima, senza modo di scegliere qui.

Anche i capitoli e qualunque traccia di sottotitoli incorporata vengono persi. Per un episodio di podcast assemblato altrove vale la pena saperlo prima che questo diventi il passaggio di consegna: i segnalibri dei capitoli appartengono allo strumento che li ha prodotti, e rimetterli è compito di un flusso di pubblicazione podcast, non di un convertitore.

Aspettatevi che l’M4A sia un po’ più grande del WebM per la stessa registrazione, e spesso in modo evidente sul parlato. Opus è particolarmente bravo con la voce a bitrate bassi — è stato progettato per la conversazione in tempo reale — mentre AAC è tarato sulla musica e sulla consegna generica. Una nota vocale di cinque minuti che pesava 1,5 MB come Opus può arrivare vicino a 5 MB come AAC alla fascia bilanciata.

Le tre fasce di qualità corrispondono a 96, 128 e 192 kilobit al secondo, quindi spostano quella cifra di un quarto in meno o della metà in più, non di un fattore due. La fascia bassa è giusta per tutto ciò che è puro parlato destinato a un telefono; quella alta vale solo quando c’è musica nella registrazione, perché si tratta già di una seconda generazione di compressione e una versione magra non ha più nulla da dare.

Fino a cento file alla volta, ciascuno convertito indipendentemente con il proprio avanzamento, e un unico ZIP quando più di uno è terminato. Nulla resta in coda dietro a qualcun altro perché non c’è un server condiviso su cui mettersi in coda.

Per questa coppia l’approccio locale riguarda tanto il telefono quanto la riservatezza. Caricare una cartella di note vocali su una connessione mobile e riscaricarle è lento e consuma il traffico dati; convertirle nella scheda costa batteria e nient’altro, e le registrazioni — che dopotutto sono persone che parlano — restano dove erano.