Converter MKV para OPUS

Uma reunião ou entrevista capturada em Matroska é principalmente imagem, e a imagem é a parte menos interessante dela — um plano estático de mesa, uma tela compartilhada que muda duas vezes por hora, uma grade de miniaturas de webcam. Ela comprime mal justamente porque nada se move de forma interessante, e é por isso que uma gravação de duas horas é medida em gigabytes.

Descartar a imagem não é um sacrifício, é a conversão inteira. Nada no som depende de quanto tempo ou quão grande o vídeo era; o que sai é um arquivo de áudio cujo tamanho depende só da duração e da faixa de qualidade, e nada mais. É por isso que a redução aqui surpreende de um jeito que comprimir o vídeo nunca conseguiria.

O Opus foi padronizado em 2012 como RFC 6716 e desenhado em torno de fala em tempo real, um problema diferente de música: precisa continuar inteligível quando a taxa é baixa e a conexão é imperfeita. Todo navegador trouxe um codificador para ele porque o WebRTC precisava de um, e é também por isso que esta conversão começa na hora, enquanto um MP3 primeiro precisa baixar um codificador.

Para um trabalho de transcrição esse desenho importa. Onde o MP3 numa taxa baixa borra as consoantes umas nas outras, o Opus preserva as partes da fala em que um reconhecedor de verdade se apoia. A consequência prática é que dá para escolher a faixa pequena sem um custo real de precisão, exatamente a escolha que um teto de upload obriga.

Erro de reconhecimento vem da gravação, não da compressão. Um microfone do outro lado da mesa, uma sala de superfície dura com um segundo de reverberação, duas pessoas falando ao mesmo tempo, um ar-condicionado — isso é o que produz uma transcrição cheia de chutes, e tudo isso já estava lá antes de o arquivo chegar a um conversor.

Vale dizer isso porque o instinto quando uma transcrição sai ruim é converter de novo numa faixa mais alta, e isso não vai ajudar. Se a gravação é ruim, o que existe para mexer está no próprio áudio: converta para um WAV, limpe no Audacity ou no iZotope, e envie isso. Se a gravação é boa, a faixa pequena transcreve tão bem quanto a alta e faz upload num terço do tempo.

O contêiner Ogg em que isto grava não tem limite de uma trilha só, então toda trilha de áudio que o navegador consegue decodificar vai para o arquivo. Isso é incomum — um MP3, um AAC, um WAV ou um FLAC manteriam só uma — e para este leitor é uma armadilha, não um benefício, porque um serviço de reconhecimento vai ler o primeiro fluxo e ignorar o resto.

Numa gravação de microfone único não há o que pensar. Numa captura de conferência com um púlpito, uma sala e um canal de tradução, o primeiro fluxo do arquivo pode não ser o que tem o palestrante. A marcação de trilha padrão do próprio Matroska não é consultada aqui, então confira a ordem com o MediaInfo, e extraia a trilha que você quer com o MKVToolNix antes de converter, se ela não for a primeira.

Três faixas: arquivo pequeno, equilibrada, alta qualidade, com equilibrada como padrão. O controle é uma faixa em vez de uma taxa de bits porque o número que significa «bom» é específico de cada codec, e o Opus alcança num tamanho dado o que o MP3 precisa de bem mais para igualar.

Para fala que vai para um reconhecedor em vez de um ouvinte, comece pela pequena e só suba se a transcrição decepcionar. Para uma entrevista que você também pretende publicar como áudio, equilibrada é o padrão sensato, e a diferença de tamanho contra a pequena não é grande o bastante para brigar. A faixa alta existe para material com música ou performance e raramente é a resposta certa para uma reunião.

Os dois alvos deste site gravam áudio Opus dentro de um contêiner Ogg usando o mesmo empacotador, então a saída é byte a byte a mesma e só o nome do arquivo muda. Não se ganha nem se perde nada escolhendo um em vez do outro em termos do que o arquivo contém.

O nome ainda importa, porque bastante software decide o que um arquivo é antes de olhar para dentro dele. Formulário de upload, script de ingestão e um número surpreendente de APIs decidem pela extensão, então use o que a documentação do serviço listar. Se não listar nenhum dos dois, .ogg é o mais amplamente reconhecido.

Uma conversão que para com uma mensagem dizendo que nada no arquivo pôde ser convertido esbarrou numa trilha de áudio que o navegador não consegue decodificar — AC-3, E-AC-3, DTS ou Dolby TrueHD, nenhum dos quais tem decodificador embutido em navegador. Com a imagem já descartada, não sobra nada para gravar.

Gravador não produz esses formatos. Uma reunião capturada por OBS, Zoom, um sistema de conferência ou um celular é AAC ou Opus e converte sem incidente. É Matroska de origem em disco que falha, o que para este leitor significa uma gravação de arquivo de um evento antigo em DVD, não algo atual — e esses precisam ter o áudio convertido uma vez com uma ferramenta de computador antes de esta página conseguir ajudar.

O objetivo desta conversão costuma ser entregar o resultado a um serviço. Isso torna interessante notar o que a rota alternativa custa: subir um gigabyte de gravação a um conversor, esperar, baixar o áudio, e depois subir isso ao reconhecedor — a mesma reunião confidencial passando por dois terceiros em vez de um.

Aqui a decodificação e a codificação em Opus acontecem na aba do navegador, no seu próprio processador, então nada carregando a gravação se move até você escolher enviar o áudio pronto. O plano gratuito aceita um MKV de até 100 MB, o que cabe numa reunião curta e não numa longa; para algo maior, extrair o áudio localmente com o ffmpeg e converter o resultado aqui é a sequência que preserva as duas propriedades.