Converter WebM para WAV

Esta página tem um leitor mais estreito que a maioria. Um WAV não é algo que se coloca num celular ou manda para um amigo — é de quatro a vinte vezes maior que o arquivo de onde veio e soa igual. Existe porque algum software do outro lado da conversão disse a você, de forma explícita ou recusando tudo mais, que quer PCM sem compressão.

Esse software costuma ser uma de quatro coisas: um modelo de transcrição ou reconhecimento de fala, um editor de áudio como Audacity ou um estúdio digital, um script de análise construído sobre uma biblioteca que lê WAV e nada mais, ou um sistema de telefonia ou acessibilidade com um formato de entrada documentado. Todos eles fazem trabalho adicional sobre as amostras, e todos preferem começar de algo que não foi comprimido uma segunda vez.

PCM de 16 bits num contêiner RIFF WAVE — o formato que a Microsoft publicou em 1991 e que toda ferramenta de áudio do planeta lê sem discussão. A taxa de amostragem e a contagem de canais são as que o WebM já tinha, atravessando sem mudança em vez de reamostradas. Opus gravado em navegador roda a 48 kHz, então uma nota de voz costuma chegar como 48 kHz mono e uma reunião capturada como 48 kHz estéreo.

Dezesseis bits é a profundidade que combina com o que entrou. A origem era um fluxo com perdas decodificado para ponto flutuante; gravar em 24 ou 32 bits guardaria o erro de arredondamento do decodificador com mais precisão e produziria um arquivo metade maior sem nada a mais dentro. Se o seu pipeline exige uma profundidade ou taxa específica, reamostre na ferramenta que precisa disso, onde o reamostrador é um que você consegue inspecionar.

Todo outro alvo de áudio deste site oferece uma faixa de qualidade, porque um codificador com perdas precisa ser instruído sobre quantos bits por segundo pode gastar, e a resposta certa difere entre codecs por mais que o dobro. O WAV não tem esse controle nenhum, porque PCM não é um codec. É a amostra, escrita como está.

As únicas duas coisas que poderiam mudar são a taxa de amostragem e a profundidade de bits, e mudar qualquer uma delas é reamostragem, não conversão — uma operação diferente com as próprias trocas de qualidade, que pertence à ferramenta que tem motivo para fazer isso. Então o controle simplesmente não é oferecido, e essa ausência é a resposta honesta, não um esquecimento.

Este é o equívoco que a página existe para corrigir. Converter uma gravação comprimida para um formato sem perdas não recupera nada. O Opus descartou partes do sinal que julgou inaudíveis, de forma permanente, antes de o arquivo sequer chegar até você. O WAV preserva o que sobrou com fidelidade perfeita e preserva mais nada além disso.

O valor é para frente, não para trás. A partir do WAV, toda edição, todo filtro e toda exportação parte das mesmas amostras sem mais perda geracional nenhuma. É exatamente o que um editor ou um modelo de transcrição quer: não uma gravação melhor, mas a garantia de que a ferramenta não está brigando com artefato de compressão que uma segunda passagem com perdas teria acrescentado.

Áudio sem compressão custa uma quantidade constante de bytes por segundo em qualquer material. Isso dá vários megabytes por minuto em mono e mais ainda em estéreo, sem variar conforme a gravação é mais alta, complexa ou silenciosa. Uma entrevista de uma hora em mono fica em torno de várias centenas de megabytes.

Compare isso com o WebM de onde veio, que para a mesma hora de fala pode ser uma fração pequena disso. A proporção surpreende na primeira vez que se vê, e não é defeito de nenhum dos dois formatos — o Opus é extremamente bom em fala, e o PCM não tenta ser bom em nada além de ser exato. Tenha onde colocar o arquivo antes de converter uma tarde inteira de gravações.

Ferramenta de reconhecimento de fala é o destino mais comum desta conversão, e a maioria delas aceita WAV de bom grado e o resto a contragosto. O Whisper e os muitos envoltórios dele, serviços comerciais de transcrição, e as bibliotecas de áudio por baixo dos dois documentam PCM como a entrada que esperam e convertem qualquer outra coisa sozinhos antes de começar.

Fazer essa conversão você mesmo vale a pena por um motivo: você consegue ver o resultado. Se o WAV se revelar silencioso, meio segundo de duração, ou a trilha errada de dois microfones, você descobre num editor de áudio em dez segundos em vez de numa transcrição cheia de disparate uma hora depois. Converter também é onde você descobre que uma gravação não tem trilha de áudio nenhuma, o que acontece mais do que qualquer um espera.

Um WebM pode guardar várias trilhas de áudio, e um arquivo WAV, como escrito aqui, guarda uma. A primeira trilha do contêiner é a que sobrevive. Gravador de reunião que escreve o microfone e o áudio do sistema compartilhado como trilhas separadas é onde isso pega, porque você recebe uma delas e nenhum aviso sobre a outra.

Se a gravação importa o bastante para transcrever, abra o WAV antes de confiar nele. Onde as duas trilhas são necessárias, o Audacity lê o contêiner WebM diretamente com o componente FFmpeg instalado e consegue importar as trilhas lado a lado — a instalação extra vale a pena uma vez para uma gravação que você não consegue refazer.

Um WAV de uma chamada de uma hora tem centenas de megabytes, e enviar isso a um conversor e baixar de volta é de longe a parte mais lenta do trabalho inteiro. Aqui a decodificação e a escrita acontecem as duas na aba, na velocidade do seu próprio disco, então a duração da gravação é a única coisa que custa tempo.

Também tira do caminho a pergunta incômoda que paira especialmente sobre este par. Gravação destinada a transcrição é chamada, consulta, entrevista e depoimento — exatamente o material que não deveria ser entregue a um serviço desconhecido. Nada carregando o arquivo é enviado a lugar nenhum, e a aba de rede mostra isso no tempo que leva para converter uma.