Converter OGG para AAC

O arquivo .aac produzido aqui é um fluxo elementar de quadros AAC, um atrás do outro, sem índice, sem duração, sem área de metadado. Essa forma existe para que um fluxo possa ser cortado em qualquer ponto e emendado a qualquer outro, motivo pelo qual sistemas de segmentação e ingestão de fluxo elementar querem exatamente isso.

Se a documentação da sua plataforma nomeia especificamente esse tipo de fluxo, este é o arquivo certo. Se ela só diz "AAC" em linguagem comum, ou o áudio precisa ser tocado por algo com botão de play e duração, o caminho pelo M4A produz o mesmo áudio codificado dentro de um contêiner MP4 que carrega duração, índice de busca e etiqueta. Entregar o tipo errado desses dois é a causa mais comum desta conversão falhar em produção.

Celulares, consoles, televisões e aparelhos de streaming carregam um bloco de decodificação de AAC em hardware dedicado. Decodificar em silício custa uma fração da energia e do tempo de processador que um decodificador de software de Vorbis ou Opus precisa, e num aparelho rodando um jogo a sessenta quadros por segundo com bateria a proteger, essa diferença é uma restrição de engenharia, não uma preferência.

Vorbis e Opus não têm esse bloco dedicado na maior parte desse hardware, então decodificam no processador principal e competem com tudo o mais que a aplicação está fazendo. Fabricantes de middleware e donos de plataforma, por isso, padronizam no que o silício suporta e documentam isso como exigência. Não há versão deste argumento em que um arquivo convertido vença; cumprir a exigência é o trabalho inteiro.

Ogg é um contêiner que pode carregar Vorbis, Opus ou FLAC. Vorbis é o que recursos de jogo e projetos de código aberto mais antigos costumam conter. Opus é o que gravadores e conversores atuais produzem. FLAC dentro de um Ogg é sem perda, incomum, e bem mais pesado que os outros dois.

O tamanho do arquivo já entrega a resposta antes de você converter qualquer coisa: um Ogg pesando poucos megabytes por minuto é provavelmente Vorbis ou Opus; um bem mais pesado por minuto é provavelmente FLAC. Vindo de Vorbis ou Opus, esta é uma segunda geração com perda, e a faixa equilibrada é defensável para efeitos e fundos musicais. Vindo de FLAC, esta é a primeira compressão que o áudio já sofreu, e a faixa alta é a única escolha sensata.

O ajuste de qualidade oferece três faixas — arquivo pequeno, equilibrado e alta qualidade — e não resolve elas numa taxa fixa por conta própria. O código passa a faixa direto para a biblioteca de codificação que o navegador fornece, e essa biblioteca decide a taxa real, o que pode variar entre navegadores mesmo para a mesma faixa escolhida.

Para um recurso de jogo, a alocação sensata não é um ajuste único para tudo. Falas e linhas de diálogo continuam inteligíveis na faixa pequena e costumam ser milhares delas. Efeitos sonoros são curtos o bastante para a faixa quase não afetar o tamanho do pacote. Fundos musicais e temas são os recursos longos que um jogador de fato presta atenção, e merecem a faixa alta.

O Ogg carrega metadado como comentários Vorbis — uma lista aberta de chaves com valor de texto — e recursos de código aberto frequentemente usam isso de verdade, registrando licença, autoria e atribuição que o projeto é obrigado a preservar. O fluxo AAC puro não tem área de metadado nenhuma, então tudo isso é descartado na fronteira.

Para recursos dentro de um build, isso costuma ser inofensivo, porque o manifesto e o caminho do arquivo carregam a identidade e o arquivo de créditos carrega a atribuição. Onde o texto de licença só existia dentro do arquivo, copie antes de converter: um recurso sob Creative Commons cuja atribuição vivia só num comentário Vorbis para de cumprir a licença silenciosamente no momento em que vira um fluxo puro. Converter para M4A em vez disso preserva os campos.

Áudio em loop é o caso que mais quebra numa conversão de recurso de jogo. Todo codificador com perda trabalha em blocos fixos e precisa preencher o fim do arquivo para completar o último bloco, então um loop que era exato por amostra na origem ganha um pequeno trecho de silêncio e faz um clique audível na costura a cada repetição.

O contêiner Ogg registra um valor de pré-corte que permite a um bom decodificador reencaixar o áudio de forma limpa; o fluxo AAC puro não registra nada disso, então nada adiante consegue compensar. Onde um loop precisa ser perfeito, a resposta durável é tratar o loop dentro do motor do jogo com pontos explícitos, em vez de confiar no arquivo.

A frequência que o decodificador relata é a que o AAC recebe; nada aqui reamostra. Um recurso em Vorbis com frequência original preservada continua nela.

A exceção é um Ogg carregando Opus. O Opus roda numa frequência fixa de 48.000 Hz e um decodificador relata isso independentemente do que foi codificado originalmente, então um recurso convertido chega em 48 kHz mesmo que o material original fosse diferente. Motores de jogo que mixam numa taxa fixa vão reamostrar isso em tempo real, o que custa um pouco de processador por voz. Onde isso importa em centenas de sons simultâneos, normalize as taxas no processo em vez de na conversão.

O AAC suporta muito mais canais do que qualquer recurso deste tipo de processo provavelmente usa, então nada precisa ser reduzido, e um fundo estéreo chega estéreo. Recursos em mono continuam em mono, que é o resultado desejado: uma linha de voz duplicada custa o dobro da taxa de bits para transmitir informação idêntica nos dois canais.

A maioria do áudio de jogo é mono na origem de propósito, porque áudio posicional é calculado pelo motor a partir de uma fonte mono, não embutido num arquivo estéreo. Converter não muda isso e não deveria. Se um lote mistura os dois, vale conferir se nada antes elevou arquivos mono para estéreo antes de chegarem ao Ogg, porque essa duplicação se propaga para cada recurso convertido.

A maioria dos navegadores atuais expõe um codificador de AAC direto, sem download. Um navegador não tem esse recurso embutido, então a primeira conversão de AAC nele busca um codificador em WebAssembly uma vez. Decodificar o Ogg acontece na sua máquina de qualquer forma, e o áudio em si nunca atravessa a rede.

Os arquivos têm limite de 100 MB cada, e cem podem ser soltos numa passagem só, devolvidos juntos num ZIP — o formato que esse trabalho de fato costuma chegar, como uma pasta, não um arquivo isolado. Para áudio de jogo ou produto ainda não lançado, poder confirmar na aba de rede que nada foi transmitido vale mais que uma promessa em rodapé.