Converter OPUS para MP3

O Opus foi publicado como RFC 6716 em 2012 pela Xiph.Org e é o codec de áudio obrigatório do WebRTC, o motivo de ele estar em todo lugar sem ser famoso. Todo navegador precisou implementar para suportar chamada de voz, e assim que todo navegador tinha, todo aplicativo construído em tecnologia de navegador passou a usar: áudio de WhatsApp e Telegram, voz do Discord e as gravações dele, Signal, Google Meet, gravador embutido de navegador, e o yt-dlp sempre que pega o melhor fluxo de áudio disponível.

É por isso que esta página tem um leitor diferente do resto do conjunto de áudio. Quem converte um M4A sabe que tem um arquivo da Apple. Quem converte um .opus geralmente viu essa extensão pela primeira vez ao copiar algo de um celular ou de uma pasta de download, e a pergunta não é sobre codec — é «por que nada abre isso».

Aqui vai o ponto que vale carregar. Um áudio de mensagem de voz é mono, e o Opus codifica fala em taxa muito baixa permanecendo perfeitamente claro; é o motivo inteiro de aplicativos de mensagem terem escolhido ele. Um áudio de dois minutos costuma pesar poucas centenas de kilobytes.

Recodificar isso na faixa de qualidade mais alta escreve o MP3 numa taxa bem maior: um arquivo dezenas de vezes o tamanho do original, contendo exatamente a mesma quantidade de informação. Os bits extras não descrevem nada, porque não sobrou nada para descrever — o detalhe nunca foi capturado. A faixa de arquivo pequeno é o ajuste certo para fala e ainda assim entrega uma taxa bem acima da fonte. Esta é a única página do conjunto onde a faixa mais alta é ativamente a resposta errada.

Duas codificações com perdas em sequência sempre custam algo, e este par custa um pouco mais do que a maioria por causa da direção. O MP3 é de 1993 e o Opus de 2012, e dezenove anos de pesquisa separam os dois — em taxas baixas o Opus faz um trabalho que o MP3 simplesmente não consegue fazer. Então o segundo codificador não está só recomprimindo; é uma ferramenta menos capaz recomprimindo.

Para fala, que é a maioria desses arquivos, o resultado continua totalmente inteligível e um pouco mais apagado — uma perda leve de ar nos sons sibilantes e um som de sala mais achatado. Para música capturada numa taxa baixa de navegador, a degradação é mais perceptível do que a mesma etapa a partir de AAC seria. Nenhum dos dois é motivo para não converter quando algo adiante exige MP3. Os dois são motivo para guardar o .opus original.

Transcrição é o destino mais comum. Muito serviço, envoltório de Whisper e ferramenta de alinhamento forçado aceita uma lista curta de formatos, e o Opus muitas vezes não está nela, não porque o áudio seja inadequado, mas porque o código de entrada deles é anterior ao formato. MP3 ou WAV resolve a exigência, e para transcrição um MP3 na faixa de arquivo pequeno é totalmente adequado — o modelo está lendo palavra, não julgando fidelidade.

Os outros destinos são edição e entrega: um programa de gravação ou edição de podcast que recusa o arquivo, um cliente ou colega que precisa dar duplo clique e tocar, um gravador de hardware ou sistema de carro, um formulário de upload com lista fixa. Em todos esses casos a exigência é sobre o software que recebe, o que vale saber porque diz que a conversão fez o trabalho no momento em que o arquivo abre.

Áudio de mensagem de voz e gravação de chamada é quase sempre um canal só, e a conversão mantém assim. Um MP3 mono é metade do tamanho de um estéreo na mesma taxa, e não há benefício nenhum em duplicar um canal em dois — isso dobra o arquivo e não acrescenta nada.

Se algum programa que recebe insiste em estéreo, deixe ele fazer a duplicação na importação, onde isso não custa nada em disco. O Opus aceita até 255 canais contra os dois do MP3, então no outro extremo uma captura Opus multicanal é reduzida para estéreo em vez de recusada. Esse caso é raro fora de experimento de transmissão, mas é o que acontece.

O Opus dentro de um fluxo Ogg carrega campos de comentário no estilo Vorbis, e onde eles existem são mapeados para ID3v2 no MP3 — título, artista, álbum, número da faixa, data, comentário — junto com qualquer imagem embutida, que vira um quadro APIC.

Na prática, a maioria desses arquivos chega sem nada dentro. Um áudio de mensagem é nomeado pelo aplicativo com uma marca de tempo e não carrega metadado nenhum, então o MP3 sai sem marcação, e isso é fiel, não uma perda. Se você está arquivando uma série de gravações, é o nome do arquivo que está fazendo o trabalho que a marcação não faz, e vale nomear antes da conversão, não depois.

O Ogg Opus registra um valor de pré-descarte para um tocador saber exatamente quantas amostras no início são preenchimento do codificador e devem ser ignoradas, o que é como um fluxo começa de forma limpa. O MP3 não tem equivalente que algo confiavelmente leia.

O MP3 escrito aqui carrega um cabeçalho Xing com a contagem de quadros, o tamanho do arquivo e uma tabela de busca — o bastante para busca precisa e uma duração correta — mas não os campos de atraso e preenchimento que deixariam um tocador cortar o preenchimento do próprio codificador. Alguns milissegundos de silêncio são então acrescentados em cada ponta. Irrelevante para uma mensagem de voz; relevante se você está alinhando uma gravação convertida contra vídeo ou contra uma segunda trilha, onde a correção é alinhar no editor depois da conversão, e não confiar no arquivo.

Este é o par onde o argumento deixa de ser abstrato. Os arquivos são mensagem de voz, chamada gravada, anotação de terapia, entrevista, reunião capturada com permissão para um propósito. Entregar isso a um site de conversão significa entregar uma cópia a um estranho, e os termos de uso que você não leu decidem o que acontece depois.

Aqui a decodificação usa o mesmo decodificador de Opus que o seu navegador já tem — o mesmo que renderiza uma chamada — e o MP3 é produzido por uma versão em WebAssembly do codificador LAME carregada na aba, porque nenhum navegador codifica MP3 sozinho. Nenhuma das duas etapas precisa de servidor, então não há envio, não há fila, não há conta e não há registro em lugar nenhum do que você converteu. A afirmação é verificável em trinta segundos com a aba de rede aberta, que é o único tipo de afirmação de privacidade que vale a pena fazer.

Backup de celular produz esses arquivos às centenas. Solte cem de uma vez: cada arquivo converte por conta própria e voltam juntos num ZIP, com um teto de 100 MB por arquivo — bem acima de qualquer mensagem de voz — e cem arquivos por lote, o limite que de fato pesa numa pasta desse tipo.

Mantenha a faixa de arquivo pequeno selecionada para um lote assim. Quatrocentos áudios de mensagem na faixa pequena somam poucas centenas de megabytes; os mesmos quatrocentos na faixa mais alta passam de um gigabyte de MP3 sem carregar informação adicional nenhuma. É a decisão de ajuste com a maior consequência prática em todo este conjunto.