Converter WAV para AAC

O que sai desta conversão é um fluxo ADTS — Audio Data Transport Stream —, e o nome já descreve. O arquivo é uma sequência de blocos comprimidos, cada um precedido por um cabeçalho curto declarando o perfil, a taxa de amostragem e a configuração de canais. Não há índice, nenhum cabeçalho no topo do arquivo, e nenhuma estrutura acima do quadro.

Isso é um projeto deliberado, não uma omissão. Um formato feito para ser transmitido não pode assumir que um receptor viu o começo, então todo quadro precisa ser interpretável de forma independente. Sintonize no meio de uma transmissão AAC e o decodificador se sincroniza dentro de um quadro, porque tudo que ele precisa está ali na frente.

A exigência vem de sistemas, não de pessoas. HLS e configurações semelhantes de streaming segmentado cortam áudio em pedaços curtos e os servem individualmente, o que só funciona quando os pedaços ficam de pé sozinhos. Players embarcados e automotivos frequentemente implementam um decodificador e nenhum analisador de contêiner, porque um analisador é código que teriam de manter. Plataformas de telefonia, sistemas de anúncio e menus de URA têm a mesma postura pelo mesmo motivo.

Nenhum desses consumidores escolheu o formato pelo som. Escolheram porque a documentação nomeou, e a coisa útil que esta página consegue fazer é produzir exatamente esse arquivo em vez de algo que vai falhar numa verificação de upload três passos depois.

Um WAV raramente carrega metadados para começo de conversa, mas aqui não faria diferença se carregasse. ADTS não tem campo para título, álbum, ano ou imagem, e não há convenção para grudar um. Tudo que um cabeçalho de quadro consegue dizer é sobre a configuração do decodificador.

Então uma pasta desses arquivos é identificada só pelos nomes dos arquivos, o que é bom para um segmentador e desesperador para uma biblioteca de música. Se você se pegar querendo nomear o artista, o formato está avisando que você queria um M4A.

Como cada quadro carrega seu próprio cabeçalho, dois arquivos ADTS com a mesma taxa de amostragem e número de canais podem ser concatenados byte a byte, e o resultado é um fluxo válido. Nenhum decodificador roda, nenhum codificador roda, e nenhum áudio se perde. Dividir funciona igual, desde que o corte caia numa fronteira de quadro.

Essa é a propriedade para a qual o formato existe, e vale conhecer antes de construir um pipeline em torno de outra coisa. Montar uma hora de anúncios a partir de quarenta fragmentos pré-codificados não custa qualidade nenhuma com ADTS, e custa uma recodificação completa na maioria dos contêineres.

Não há campo de duração em lugar nenhum do fluxo, então um player que mostra uma duração calculou uma dividindo o tamanho do arquivo por uma taxa de bits presumida. Com taxa constante, essa estimativa é próxima; com taxa variável, deriva, e a barra de progresso pula durante a reprodução.

Espere isso e não tente depurar. Se uma duração exata importa — uma interface de player, um sistema de agendamento, qualquer coisa que precise saber antes de começar —, o áudio precisa de um contêiner que registre isso, e M4A é o mesmo codec com essa informação anotada.

Vale ser explícito que as decisões de áudio são idênticas. O codificador toma os mesmos julgamentos sobre o que descartar, seja a saída indo para um contêiner MPEG-4 ou direto para quadros, então um AAC bruto e um M4A feitos do mesmo WAV na mesma faixa soam iguais.

A diferença é alguns kilobytes de estrutura e tudo que essa estrutura permite: busca, etiquetas, uma duração declarada, e um arquivo que seu sistema operacional vai abrir num player de música em vez de oferecer para baixar de novo. Escolher entre os dois é uma escolha sobre o destino, nunca sobre fidelidade.

Esta página vai produzir um .aac perfeitamente bom a partir de uma música, e fazer isso quase sempre é um erro. A faixa vai chegar numa biblioteca sem título, sem ordenação, sem capa e com duração não confiável, e metade do software num celular vai recusar importar.

A regra é simples o bastante para aplicar sem pensar. Se o consumidor é código, produza o fluxo. Se o consumidor é uma pessoa com uma playlist, produza um M4A ou um MP3 e guarde o WAV como matriz. Nada se ganha entregando ao ouvinte o arquivo mais primitivo.

Exigências escritas para AAC costumam ser tetos impostos por um transporte em vez de metas de qualidade: 64 kbps porque um canal é estreito, 128 porque um orçamento de segmento foi definido anos atrás. O controle de qualidade aqui oferece três faixas em vez de um número em kilobits, já que o mapeamento muda por codec e o codificador resolve isso.

Escolha a faixa mais próxima da exigência e confira o arquivo resultante, o que leva dez segundos e resolve a questão. Se a origem é fala — anúncios, prompts, narração —, a faixa menor muito provavelmente já fica dentro de qualquer número que lhe passaram. Não conte com mono para ficar abaixo dele: não há controle de canal neste par, e a faixa resolve para uma taxa de bits vinda só do codec, então uma origem mono e uma estéreo são escritas na mesma taxa.

Um WAV pesa em torno de 10 MB por minuto, e o teto por arquivo aqui é 100 MB, pouco menos de dez minutos de estéreo. Esse teto existe porque o arquivo inteiro fica na memória do navegador enquanto é convertido, não por causa de uma cota de upload — não há upload.

Para um pipeline, essa é normalmente exatamente a forma certa: prompts, segmentos e cues são curtos por natureza, e cem deles podem ser soltos de uma vez e voltar como ZIP. Um programa de duração completa precisa ser dividido primeiro, e precisava ser dividido para o segmentador de qualquer jeito.