WebM を JPG に変換

タイムスタンプをそのままにしておくと、ファイルの最初のコマ、秒 0 が得られます。カメラで撮ったクリップならたいてい問題ありません。画面録画——WebM ファイルの大半はこれです——では秒 0 は無地のデスクトップだったり、ブラウザーが読み込み中だったり、録画を押してから実際に始まるまでの半秒だったりします。録画ボタンを押してから作業を始める人がほとんどだからです。

ですからタイムスタンプの設定は上級者向けの選択肢ではなく主役です。欲しい瞬間の秒数を入力して変換してください。違っていたら数字を変えてもう一度変換してください。この操作はすべてローカルで完結するので、1 回あたり数秒しかかからず、試行錯誤は高くつかない選び方になります。

動画から画像を得るふつうの方法は、再生して一時停止し、スクリーンショットを撮って切り抜くことです。それだとプレーヤーが表示していたその時点の大きさで画像を得ることになり、間に拡大縮小の処理が挟まります。動画が半分の大きさで再生されていたなら、画像も半分のディテールしか持ちません。一時停止がたまたま止まったコマが得られるだけで、意図した瞬間とは限りません。

ここではコマを動画のネイティブな解像度で復号し、その画素から直接符号化します。4K の録画はタブがフルスクリーンでもサムネイルでも、3840 かける 2160 の JPG になり、その瞬間はあなたの反射神経ではなく、あなたが名指しした秒数です。

動画圧縮は、どのコマも長くは見つめられないという前提で組み立てられています。コーデックは動きのある場所にビットを費やし、他の場所は節約します。秒 30 コマなら人の目がその節約を平均化して隠してくれますが、1 コマを止めると、生き残るために設計されていなかったものを、長く静止したまま見つめることになります。

どれほど悪く見えるかは、その瞬間しだいで決まります。スライドや動かないインターフェース、無地の壁を背にした話者のような静止したショットはコーデックにとって最も得意な場面で、きれいに出てきます。パンやスクロール、カットの最中のコマは最悪で、エンコーダーがいちばん手がかりを持たず、いちばん多くを描かなければならなかった場所だからです。タイムスタンプを半秒動かすだけで解決することが多く、どの出力形式もその代わりにはなりません。

JPG は小さいこと、そしてこれまで拒否されたことがないという実績で選ばれます。フル解像度のコマは数百キロバイト前半に収まり、誰も文句を言わない添付ファイルで、どんなアップロードフォームも拒否しません。あらゆる文書編集ソフト、メールクライアント、掲載サイト、チケット管理システムが受け付けます。

弱点は、多くの WebM ファイルが含む内容そのものです。JPG は鋭い境界の近くの細かいディテールを削って圧縮するので、写真では見えなくても、文字やコード、細い線、インターフェースの境界には薄い縁取りが生まれます。画像の目的が画面上の文字を読ませることなら、代わりに PNG を選んでください。目的がだいたい何が起きたかを見せることなら、JPG が正しい選択です。

ブラウザーで録画した動画は、ほぼ例外なく 4:2:0 です。明るさはすべての画素に対して保存され、色は 4 画素につき 1 画素分だけ保存されます。これは画像圧縮のいちばん古いトリックの一つで、人間の視覚が色相よりずっと明るさに敏感だから成り立っています。

これはまさに 1 箇所、しかも画面録画によくある場所に表れます。コントラストのある背景の色付き文字や細い色線です。暗い灰色の上の赤い文字、構文強調されたコードサンプル、色付きのステータスバッジなどはどれもわずかに縁がにじんで届き、JPG はそのにじみを取り除くのではなく圧縮します。これは変換の性質ではなく録画の性質で、画面キャプチャの静止画がその時に撮れたはずのスクリーンショットほどきれいに見えない理由です。

1 回の変換で得られるのは 1 コマなので、連続した画像が欲しければ違うタイムスタンプで繰り返し変換します。12 秒で変換し、次は 31 秒、次は 47 秒というふうに。それぞれ数秒の作業で、ファイルは数字を変える前にダウンロードされています。

デモ録画から手順書用に 6 枚の図版を取り出すには十分実用的な方法で、試行の間に何もアップロードされないぶん、見た目より速く済みます。これでできないのは何百コマを抽出することです。そのためにはフレームレートの指定できるコマンドラインツールが向いていて、ブラウザーのフォームがその用途に合わないと言っておくほうが役に立ちます。

この変換の算術がアップロードをばかげたものにしています。入力は 400 メガバイトの画面録画かもしれず、出力は 200 キロバイトの画像です。サムネイル 1 枚のために動画全体をサーバーへ送るのは、その 1 パーセントにも満たない結果に対してあまりに多くの通信量です。

ここではブラウザーがすでに持っているコーデックで WebM を復号し、指定した秒数までシークして 1 コマを符号化します。動画を運ぶものは何も動かず、この変換にかかる時間は端末がシークにかかる時間だけです。長い録画では、それだけが唯一のコストです。

かなりの数の WebM ファイルは音声だけです。ボイスメモ、録音した通話、チャットアプリから保存したクリップなど。その中に映像トラックはなく、取り出せるコマもないので、変換は空の画像を作るのではなく、はっきりそう伝えます。

それが手元のファイルなら、欲しいものは音声側にあります。どこでも聞ける MP3 として、あるいは文字起こしのための WAV として。静止画は最初からそこから出てこないものだったのです。