AAC naar WAV omzetten

Het RIFF WAVE-formaat dateert uit 1991 en is doelbewust saai: de eerste bytes vermelden formaat, kanalen, samplefrequentie en de lengte van wat volgt. Er is geen decoder nodig om die gegevens te lezen — het is gewoon de kop van het bestand.

Daarom heeft de Python-standaardbibliotheek een wave-module en geen AAC-module, en daarom kan een klein embedded apparaat een WAV afspelen zonder verdere software. Deze omzetting gaat dus niet echt over geluidskwaliteit, maar over een stream veranderen in een bestand dat zijn eigen vorm aankondigt.

Een los .aac-bestand is meestal ADTS: een aaneenschakeling van frames, elk met een klein eigen kopje, ontworpen voor uitzending waarbij een ontvanger halverwege kan instappen. Er is daarom bewust geen kop voor het hele bestand.

Op een schijf levert dat drie problemen op: de duur is onbekend en wordt geschat op basis van bestandsgrootte, er is geen index om te zoeken, en er is geen vastgelegde kanaalindeling voor het geheel. Een WAV lost alle drie op met vaste velden.

IP-camera’s en dashcams schrijven ADTS omdat het overal doorgeknipt kan worden zonder herschrijven. DVR’s en telefonie-systemen doen hetzelfde, en HLS-streaming levert audio als een reeks .aac-segmenten.

De rode draad: een apparaat maakte het bestand voor een ander apparaat, dus de uiteindelijke lezer is meestal een script, geen luisteraar. De audio is daardoor vaak mono en op een lagere samplefrequentie dan muziek — alles daarvan blijft precies zo behouden.

De uitvoer is signed 16-bit little-endian PCM op de samplefrequentie en het kanaalaantal van de bron. Zestien bit is cd-diepte en is precies wat elke standaardfunctie verwacht, zoals wave.open of scipy.io.wavfile.read.

Een hogere bitdiepte zou hier weinig opleveren: AAC decodeert intern naar floating point, maar de informatie is al bepaald door wat de encoder ooit bewaarde. 24 of 32 bit schrijven vergroot het bestand zonder er signaal aan toe te voegen.

Zestien-bit stereo op 44.100 Hz komt neer op zo’n 10,1 MB per minuut; mono is de helft. Een uur mono spraak op 16.000 Hz landt rond 115 MB, tegenover 600 MB voor hetzelfde uur in cd-stereo. Er is geen kwaliteitsinstelling, want WAV comprimeert niet.

Er is wel een harde grens: RIFF-groottevelden zijn 32-bit, wat een WAV plafonneert op 4 GB — ongeveer zes en een half uur stereo op cd-niveau. Splits lange opnames vooraf in stukken in plaats van tegen die grens aan te lopen.

Droeg het ADTS-bestand een ID3v2-blok voorop, dan komen titel, artiest, album en enkele andere velden terecht in het RIFF INFO-blok van de WAV. Albumhoes en andere velden zonder INFO-equivalent vallen weg, en tekens buiten Latin-1 gaan verloren in plaats van beschadigd te raken.

Voor dit publiek maakt dat zelden uit, en soms is het juist prettig: een opname bestemd voor analyse hoeft geen beschrijvende metadata te dragen. Leg de herkomst liever apart vast in je eigen documentatie.

Een opname die midden in een frame stopte, levert een bestand op dat tot aan die schade wordt gelezen — meestal een bruikbare WAV, een fractie korter dan het origineel.

Een bestand dat helemaal geen ADTS is, zoals een MP4-fragment dat per ongeluk .aac heet, wordt niet als framestream herkend en de omzetting meldt dat het bestand niet gelezen kon worden in plaats van te gokken. Probeer het dan als M4A.

AAC staat tot 48 kanalen toe en WAV tot 18, dus gewone surround-audio komt gewoon over als meerkanaals WAV. Ongebruikelijke frequenties zoals 8.000, 16.000 en 32.000 Hz blijven exact behouden.

Alleen bij een indeling die geen enkel pad accepteert, valt de omzetting terug op twee kanalen op 48.000 Hz in plaats van te mislukken. Controleer bij een nieuwe batch de header van het eerste resultaat, want een script dat 16.000 Hz mono verwacht en 48.000 Hz stereo krijgt, geeft resultaten die er plausibel uitzien maar fout zijn.

Deze omzetting haalt niets extra’s binnen: de AAC-decoder is die van je eigen apparaat, en een WAV schrijven is een kop samenstellen en samples kopiëren — het enige doel in de audiolijst dat geen encoder nodig heeft.

Er wordt dus ook niets geüpload, en voor machinaal gegenereerde audio is dat concreet: camera- en telefonieopnames bevatten vaak andermans stem. Het netwerktabblad van je browser bevestigt dat er niets wordt verstuurd tijdens het omzetten.