Convertire WebM in WAV

Questa pagina ha un pubblico più ristretto del solito. Un WAV non è qualcosa da mettere su un telefono o da mandare a un amico — pesa da quattro a venti volte il file di partenza e non suona diversamente. Esiste perché un software dall’altra parte della conversione ha detto, esplicitamente o rifiutando tutto il resto, che vuole PCM non compresso.

Quel software è di solito una fra quattro cose: un modello di trascrizione o riconoscimento vocale, un editor audio come Audacity o un DAW, uno script di analisi costruito su una libreria che legge solo WAV, oppure un sistema di telefonia o accessibilità con un formato di ingresso documentato. Tutti fanno ulteriori elaborazioni sui campioni, e tutti preferiscono partire da qualcosa che non è stato compresso una seconda volta.

PCM a 16 bit in un contenitore RIFF WAVE — il formato pubblicato da Microsoft nel 1991 e quello che qualunque strumento audio al mondo legge senza discutere. La frequenza di campionamento e il numero di canali sono quelli che il WebM aveva già, portati inalterati e non ricampionati. L’Opus registrato dal browser gira a 48 kHz, quindi una nota vocale arriva tipicamente come 48 kHz mono e una riunione catturata come 48 kHz stereo.

Sedici bit è la profondità che corrisponde a ciò che è arrivato. La sorgente era uno stream con perdita decodificato in virgola mobile; scrivere 24 o 32 bit memorizzerebbe l’errore di arrotondamento del decoder con maggiore precisione e produrrebbe un file una volta e mezza più grande senza nulla in più dentro. Se la vostra pipeline richiede una profondità o una frequenza specifica, ricampionate nello strumento che ne ha bisogno, dove il ricampionatore è uno che potete ispezionare.

Ogni altro obiettivo audio su questo sito offre una fascia di qualità, perché un encoder con perdita deve sapere quanti bit al secondo può spendere e la risposta giusta cambia da un codec all’altro anche più del doppio. Il WAV non ha una manopola del genere, perché il PCM non è un codec. Sono i campioni, scritti così come sono.

Le uniche due cose che si potrebbero cambiare sono la frequenza di campionamento e la profondità in bit, e cambiare l’una o l’altra è ricampionamento, non conversione — un’operazione diversa con i propri compromessi di qualità, che appartiene allo strumento che ha una ragione per farla. Perciò il controllo semplicemente non è offerto, e quell’assenza è la risposta onesta piuttosto che una dimenticanza.

È il malinteso che questa pagina esiste per correggere. Convertire una registrazione compressa in un formato senza perdita non ripristina nulla. Opus ha scartato in modo permanente le parti del segnale che ha giudicato non udibili, prima ancora che il file arrivasse fin qui. Il WAV conserva con fedeltà perfetta ciò che è sopravvissuto, e nient’altro.

Il valore guarda in avanti, non all’indietro. Da qui in poi, ogni modifica, ogni filtro e ogni esportazione parte dagli stessi campioni senza ulteriore perdita generazionale. È esattamente ciò che vuole un editor o un modello di trascrizione: non una registrazione migliore, ma la garanzia che lo strumento non stia combattendo contro artefatti di compressione che un secondo passaggio con perdita avrebbe aggiunto.

L’audio non compresso costa un numero costante di byte al secondo: 96 kB per canale al secondo a 48 kHz e 16 bit. Fanno circa 5,8 MB al minuto in mono e 11,5 MB al minuto in stereo, e non varia con quanto la registrazione sia forte, complessa o silenziosa. Un’intervista di un’ora in mono pesa circa 350 MB.

Confrontatelo con il WebM di partenza, che per la stessa ora di parlato potrebbe pesare quaranta megabyte. Il rapporto sorprende la prima volta che lo si vede e non è un difetto di nessuno dei due formati — Opus è eccezionalmente bravo con la voce, e il PCM non tenta di essere bravo in nulla se non nell’essere esatto. Conviene avere dove mettere il file prima di convertire un pomeriggio intero di registrazioni.

Gli strumenti di riconoscimento vocale sono la destinazione più comune di questa conversione, e la maggior parte accetta WAV volentieri e tutto il resto controvoglia. Whisper e i suoi molti involucri, i servizi commerciali di trascrizione e le librerie audio che stanno sotto entrambi documentano il PCM come l’ingresso che si aspettano, e convertono da sé qualunque altra cosa prima di cominciare.

Farlo da soli conviene per una ragione: si vede il risultato. Se il WAV risulta muto, lungo mezzo secondo, o la traccia sbagliata fra due microfoni, lo si scopre in un editor audio in dieci secondi invece che in una trascrizione piena di sciocchezze un’ora dopo. Convertire è anche il momento in cui si scopre che una registrazione non ha traccia audio, il che capita più spesso di quanto ci si aspetti.

Un WebM può contenere più tracce audio, e il WAV, come scritto qui, ne contiene una. Sopravvive la prima traccia elencata nel contenitore. È qui che il problema si sente con i registratori di riunioni che scrivono microfono e audio di sistema come tracce separate: se ne ottiene una sola, senza avviso sull’altra.

Se la registrazione conta abbastanza da essere trascritta, aprite il WAV prima di fidarvene. Dove servono entrambe le tracce, Audacity legge il contenitore WebM direttamente con il suo componente FFmpeg installato e può importare le tracce affiancate — l’installazione in più vale la pena per una registrazione che non si può rifare.

Il WAV di una chiamata di un’ora pesa centinaia di megabyte, e caricarlo su un convertitore e riscaricarlo è di gran lunga la parte più lenta di tutto il lavoro. Qui la decodifica e la scrittura avvengono entrambe nella scheda, alla velocità del proprio disco, quindi è solo la durata della registrazione a costare tempo.

Toglie di mezzo anche una domanda scomoda che pesa in particolare su questa coppia. Le registrazioni destinate alla trascrizione sono chiamate, consulenze, interviste e deposizioni — esattamente il materiale che non andrebbe consegnato a un servizio sconosciuto. Nulla che contenga il file viene inviato da nessuna parte, e la scheda di rete lo mostra nel tempo che serve a convertirne una.