Converter MP3 para AAC

Ninguém começa um projeto produzindo MP3 para um sistema de streaming. Esta conversão acontece porque existe uma biblioteca antiga: anúncios gravados de uma central telefônica substituída, vinhetas de uma emissora com sistema de automação anterior, conjuntos de locução gravados por um dublador que não está mais disponível, ou programas arquivados cujos masters foram apagados anos atrás.

Isso molda as expectativas sensatas. A qualidade do áudio ficou fixa quando esses MP3 foram feitos, e o trabalho agora é mover o material para um formato que o novo sistema vai ler sem piorar de forma perceptível. Esta página é sobre a segunda metade disso, já que nada pode ser feito sobre a primeira.

A saída é uma sequência de quadros AAC, cada um precedido de um cabeçalho declarando o perfil, a taxa de amostragem e a configuração de canais. Não há cabeçalho de arquivo, não há índice e não há estrutura nenhuma contendo os quadros — o que explica um decodificador conseguir entrar no fluxo em qualquer ponto e começar a produzir áudio dentro de um quadro.

Sistemas desenhados em torno de transmissão querem exatamente isso. Um analisador que só precisa reconhecer a fronteira de um quadro é pouco código com poucos modos de falha, o que explica firmware embarcado, plataformas de telefonia e streaming segmentado terem convergido para isso de forma independente.

Uma transcodificação entre dois codecs com perdas em taxas de bits comparáveis costuma ficar perto de inaudível. O problema começa quando o alvo é bem mais baixo que a origem, e esses sistemas rotineiramente especificam alvos baixos: 64 kbps para um orçamento de fluxo definido anos atrás, 48 ou menos para um canal de anúncio.

Comprimir um MP3 de 128 kbps para um AAC de 48 kbps é duas rodadas de uma decisão parecida, e o segundo codificador gasta bits preservando artefatos em vez de áudio. Se a especificação nomeia um teto em vez de um alvo, use a folga. Se nomeia um número exato, o resultado é o que é, e alcançar esse número é a exigência.

A maior parte do material que passa por sistemas de anúncio, menus de URA e bibliotecas de locução é uma voz única gravada num ambiente silencioso, que é a coisa mais fácil que um codec já teve que codificar. Fala tem espectro estreito, estrutura previsível e nenhum prato de bateria, e sobrevive a uma segunda codificação em taxa de bits baixa com a inteligibilidade intacta.

Música é onde uma transcodificação se denuncia. Música de espera, vinhetas de emissora com trilha por baixo, e qualquer coisa com aplauso ou reverberação são os arquivos que valem a pena ouvir depois de converter. Se uma biblioteca de locução contém as duas coisas, confira uma musical em vez de uma falada — as faladas vão estar bem.

O fluxo mantém a taxa de amostragem que o MP3 tinha, que para qualquer coisa extraída ou baixada é quase certamente 44.100 Hz. Nada aqui reamostra para se ajustar a um destino, e um cabeçalho de quadro declarando honestamente 44.100 Hz não é o que uma plataforma esperando 8 ou 16 kHz quer ler.

Telefonia e sistemas de anúncio são o lugar comum onde isso morde, porque taxas de banda estreita ainda são padrão ali. Se a sua especificação nomeia uma taxa de amostragem, confira os MP3 antes de converter uma biblioteca, e use uma ferramenta que reamostre se eles não baterem. Descobrir a incompatibilidade depois de carregar 400 locuções é a versão cara deste problema.

Uma vez convertidos, arquivos com a mesma taxa de amostragem e contagem de canais podem ser concatenados diretamente. Uma hora de anúncios montada a partir de quarenta fragmentos não custa nada em qualidade, porque nenhum decodificador e nenhum codificador entra na emenda — os bytes simplesmente seguem um atrás do outro.

Vale planejar em torno disso quando a alternativa é montar áudio num editor e exportar o resultado, o que acrescentaria uma terceira codificação a material que já teve duas. Concatenar ADTS é a única operação nesta cadeia que é genuinamente de graça.

ADTS não tem metadado nenhum. Quaisquer tags ID3 que o MP3 carregava — um título, um identificador de locução, uma data de gravação, uma nota de versão — não têm para onde ir e estão ausentes na saída. Um cabeçalho de quadro descreve a configuração do decodificador e nada sobre a gravação.

Então os nomes de arquivo viram o esquema de identificação inteiro, e vale acertar eles antes de converter, não depois. Se uma biblioteca de locução depende de tags para rastrear versões, exporte essa informação para uma planilha primeiro; a conversão não vai preservar isso, e nenhuma etapa depois consegue reconstruir.

A melhor versão desta tarefa é a que pula o MP3 inteiramente. Trabalho de locução costumava ser gravado e entregue em WAV, e esses arquivos muitas vezes ainda existem num disco antigo, numa pasta de projeto ou com o estúdio que gravou. Codificar AAC a partir de um WAV é uma codificação de primeira geração, sem nada acumulado.

Vale vinte minutos de pergunta antes de converter uma biblioteca inteira, porque a diferença é real nas taxas de bits que esses sistemas usam. Onde os masters genuinamente sumiram — e depois de uma década e uma migração de plataforma, muitas vezes sumiram mesmo — converter os MP3 é a decisão certa, tomada de forma consciente.

Cada envio aceita até cem arquivos de 100 MB cada, e arquivos de locução são pequenos o bastante para nenhum dos dois tetos jamais ser o problema: um MP3 a 128 kbps roda cerca de 0,96 MB por minuto, então 100 MB é bem mais de uma hora. O lote volta como um ZIP, um fluxo por arquivo de origem.

Nada é enviado em nenhuma etapa, o que importa para material sob contrato ou embargo — programas ainda não lançados, anúncios corporativos, gravações que um dublador licenciou para um uso só. O codificador é buscado para a sua máquina onde o navegador não tem um; o áudio nunca viaja na direção contrária.