Μετατροπή MP4 σε MP3: bitrate, κόψιμο και κάθε συσκευή

Το αρχείο MP4 είναι ένα κοντέινερ, που ορίζεται από το πρότυπο MPEG-4 Part 14 (ISO/IEC 14496-14) και συγκεντρώνει ξεχωριστές ροές σε ένα πακέτο. Ένα τυπικό βίντεο κινητού ή κάμερας περιέχει ροή βίντεο συμπιεσμένη με H.264 ή H.265, ροή ήχου συμπιεσμένη με AAC και λίγα μεταδεδομένα, όπως η ημερομηνία λήψης και ο προσανατολισμός. Όταν κάποιος λέει ότι θέλει να μετατρέψει MP4 σε MP3, δεν θέλει καθόλου να μετατραπεί η εικόνα. Θέλει μόνο τη ροή ήχου, σε μορφή που δέχεται κάθε μουσική συσκευή, κάθε ράδιο αυτοκινήτου και κάθε εφαρμογή podcast χωρίς προβλήματα.

Να όμως το πρόβλημα. Ο ήχος μέσα στο MP4 είναι AAC και όχι MP3, και οι δύο κωδικοποιητές δεν μπορούν απλώς να ανταλλάξουν ετικέτα. Για να παραχθεί πραγματικό MP3, ο μετατροπέας πρέπει να αποκωδικοποιήσει το AAC σε ακατέργαστα δείγματα και να τα συμπιέσει ξανά με κωδικοποιητή MP3. Και τα δύο βήματα είναι συνηθισμένα, διαρκούν λίγα δευτερόλεπτα για ένα τυπικό κλιπ και είναι ό,τι κάνει στο παρασκήνιο κάθε διαδικτυακό εργαλείο και πρόγραμμα υπολογιστή. Η ροή βίντεο δεν αποκωδικοποιείται ποτέ, γι' αυτό η εξαγωγή ήχου είναι πολύ ταχύτερη από τη μετατροπή βίντεο σε άλλη μορφή βίντεο ίδιας διάρκειας.

Επειδή τόσο το AAC όσο και το MP3 είναι με απώλειες, πρόκειται για δεύτερο γύρο συμπίεσης με απώλειες πάνω στον πρώτο. Ακούγεται ανησυχητικό, όμως στην πράξη γίνεται αντιληπτό μόνο όταν η δεύτερη κωδικοποίηση έχει πολύ λίγα bit. Το MP3, επισήμως MPEG-1 Audio Layer III, τυποποιήθηκε ως ISO/IEC 11172-3 το 1993 και είναι παλαιότερο και λίγο λιγότερο αποδοτικό από το AAC, οπότε δώστε του λίγο μεγαλύτερο ρυθμό bit από την πηγή. Αν ο ήχος του βίντεο ήταν AAC στα 128 kbps, ένα MP3 στα 160 ή 192 kbps θα ακούγεται ίδιο σχεδόν σε όλους με συνηθισμένα ακουστικά.

Υπάρχει και δεύτερος δρόμος που παρακάμπτει εντελώς τη νέα κωδικοποίηση. Ένα αρχείο M4A είναι το ίδιο κοντέινερ MPEG-4 με το MP4, απλώς χωρίς ροή βίντεο, οπότε ένα εργαλείο μπορεί να αντιγράψει το κομμάτι AAC bit προς bit. Τίποτα δεν αποκωδικοποιείται, τίποτα δεν συμπιέζεται ξανά και το αποτέλεσμα ακούγεται ακριβώς όπως το βίντεο. Αν ο ήχος προορίζεται για iPhone, Mac, Apple Music, GarageBand ή οποιοδήποτε σύγχρονο κινητό Android, εξαγάγετε το MP4 σε M4A και δεν χάνετε απολύτως τίποτα. Ορισμένα εργαλεία προγράμματος περιήγησης και υπολογιστή κωδικοποιούν ξανά το M4A για λόγους συνέπειας, αλλά το κόστος ποιότητας με λογικό ρυθμό bit είναι εξίσου μικροσκοπικό όπως στο MP3.

Το MP3 κερδίζει τη θέση του χάρη στη συμβατότητα. Οι τελευταίες πατέντες του έληξαν το 2017, όταν η Fraunhofer IIS σταμάτησε το πρόγραμμα αδειοδότησης, και δεκαετίες υλικού χτίστηκαν γύρω του: παλιά ράδιο αυτοκινήτου που διαβάζουν USB, φθηνά MP3 player, κάποιο λογισμικό DJ, πύλες φωνητικών εργασιών και πολλές φόρμες ιστού που δέχονται .mp3 και τίποτε άλλο. Αν το αρχείο θα φύγει από τις δικές σας συσκευές ή αγνοείτε τι θα το παίξει, το MP3 είναι η μορφή που δεν θα επιστρέψει με ερώτηση υποστήριξης. Για τις επιλογές χωρίς συμπίεση και χωρίς απώλειες, ο οδηγός μας για τα MP3, WAV, FLAC και AAC τα συγκρίνει και τα τέσσερα.

Ο ρυθμός bit είναι ο αριθμός των kilobit που αναλώνονται σε κάθε δευτερόλεπτο ήχου και μόνος του καθορίζει το μέγεθος του MP3. Η ανάλυση, ο ρυθμός καρέ και το μέγεθος του αρχικού βίντεο δεν επηρεάζουν, αφού η εικόνα έχει φύγει. Πολλαπλασιάστε τον ρυθμό bit με τη διάρκεια και διαιρέστε με το 8 για να βρείτε το μέγεθος: ένα λεπτό στα 128 kbps είναι περίπου 0,96 MB, στα 192 kbps περίπου 1,44 MB και στα 320 kbps περίπου 2,4 MB. Μια διάλεξη μίας ώρας στα 128 kbps φτάνει λοιπόν περίπου τα 58 MB, ενώ ένα τραγούδι τεσσάρων λεπτών στα 320 kbps μένει κάτω από 10 MB.

Αυτό που ακούτε σε κάθε βήμα είναι αρκετά προβλέψιμο. Στα 128 kbps η φωνή ακούγεται φυσική και η μουσική καλή σε ηχεία κινητού και ακουστικά earbuds, αλλά τα πιατίνια, τα χειροκροτήματα και η αντήχηση μπορεί να ακούγονται ελαφρώς «σφυριχτά» σε καλά ακουστικά. Στα 192 kbps οι περισσότεροι δεν ξεχωρίζουν το MP3 από τον ήχο του βίντεο σε τυφλή σύγκριση, γι' αυτό είναι η συνηθισμένη προεπιλογή στον μετατροπέα MP4 σε MP3 και σε πολλές εφαρμογές υπολογιστή. Στα 320 kbps, τον υψηλότερο ρυθμό bit που επιτρέπει το πρότυπο MP3, το αρχείο είναι περίπου κατά δύο τρίτα μεγαλύτερο για διαφορά που λίγοι ακροατές αντιλαμβάνονται.

Ο κανόνας που γλιτώνει τις περισσότερες απογοητεύσεις είναι ότι ένας υψηλότερος ρυθμός bit δεν μπορεί να αποκαταστήσει ό,τι δεν είχε ποτέ το βίντεο. Οι ηχογραφήσεις κινητού έχουν συνήθως AAC στα 96 έως 256 kbps και τα βίντεο εγγραφής οθόνης ή εφαρμογών ανταλλαγής μηνυμάτων είναι συχνά ακόμη χαμηλότερα. Η κωδικοποίηση πηγής 96 kbps στα 320 kbps δίνει αρχείο τριπλάσιου μεγέθους που ακούγεται ακριβώς όπως το πρωτότυπο των 96 kbps, μαζί με τα τεχνουργήματα. Αν έχετε αμφιβολία, ελέγξτε τον ρυθμό bit της πηγής σε πάνελ πληροφοριών πολυμέσων και επιλέξτε το επόμενο επίπεδο πάνω από αυτόν, όχι την κορυφή της λίστας.

Οι περισσότεροι δεν θέλουν ολόκληρο το βίντεο ως ήχο. Θέλουν ένα τραγούδι από μια ηχογράφηση συναυλίας δύο ωρών, μια απάντηση πέντε λεπτών από ένα webinar ή ένα ηχητικό εφέ από καταγραφή παιχνιδιού. Το κόψιμο του κλιπ κατά την εξαγωγή είναι ταχύτερο και καθαρότερο από την εξαγωγή όλων και την επεξεργασία αργότερα, γιατί δεν ασχολείστε ποτέ με τα μέρη που δεν χρειάζεστε. Στον μετατροπέα βίντεο σε ήχο ανοίξτε τις Σύνθετες ρυθμίσεις και συμπληρώστε τα Έναρξη στο και Λήξη στο με δευτερόλεπτα, όπως 95, ή με λεπτά και δευτερόλεπτα, όπως 1:35. Αφήστε ένα πεδίο κενό για να κρατήσετε την αρχή ή το τέλος και παίξτε πρώτα το βίντεο για να σημειώσετε τις ακριβείς ώρες.

Δύο συνήθειες κάνουν τα κλιπ να ακούγονται ολοκληρωμένα και όχι κομμένα. Ξεκινήστε περίπου ένα δευτερόλεπτο πριν από την πρώτη λέξη ή νότα, γιατί οι κοπές που πέφτουν ακριβώς πάνω σε έναν ήχο τείνουν να κόβουν την έναρξή του και να ακούγονται απότομες. Και αν η ηχογράφηση είναι σιγανή, όπως συνήθως τα βίντεο διάλεξης από τα τελευταία θρανία, επιλέξτε Κανονικοποίηση έντασης, που φέρνει την ένταση στα −16 LUFS, συνηθισμένο στόχο για ομιλία, ώστε το κλιπ να παίζει σε παρόμοιο επίπεδο με τα άλλα σας αρχεία. Αν το βίντεο έχει δεύτερη γλώσσα ή σχολιασμό, το Κομμάτι ήχου επιλέγει ποιο γίνεται MP3.

Ένα MP3 από βίντεο φτάνει συνήθως μόνο με όνομα αρχείου. Τα προγράμματα αναπαραγωγής μουσικής διαβάζουν τίτλο, καλλιτέχνη, άλμπουμ και εξώφυλλο από ετικέτες ID3 μέσα στο αρχείο, και το ID3v2 μπορεί να ενσωματώσει και εικόνα εξωφύλλου. Στα Windows, κάντε δεξί κλικ στο MP3, ανοίξτε τις Ιδιότητες και μετά τις Λεπτομέρειες για να πληκτρολογήσετε τίτλο, καλλιτέχνη και άλμπουμ. Σε Mac, προσθέστε το στην εφαρμογή Μουσική, επιλέξτε Λήψη πληροφοριών και επικολλήστε το εξώφυλλο στην καρτέλα Artwork. Δωρεάν επεξεργαστές ετικετών όπως το Mp3tag κάνουν το ίδιο μαζικά, κάτι που αξίζει όταν εξάγετε μια ολόκληρη σειρά ομιλιών ή επεισοδίων.

Κάθε πλατφόρμα έχει κάποιον τρόπο να βγάλει ήχο από βίντεο, αν και λίγοι παράγουν απευθείας MP3. Σε Mac, το QuickTime Player μπορεί να αποθηκεύσει μόνο τον ήχο με File → Export As → Audio Only, αλλά το αποτέλεσμα είναι M4A και όχι MP3. Η εφαρμογή Μουσική μπορεί μετά να το κάνει MP3 αφού ορίσετε Settings → Files → Import Settings σε MP3 Encoder και επιλέξετε File → Convert → Create MP3 Version. Στα Windows δεν υπάρχει ενσωματωμένο εργαλείο εξαγωγής, οπότε η συνηθισμένη δωρεάν λύση είναι το VLC, του οποίου το παράθυρο Media → Convert / Save περιλαμβάνει προφίλ Audio - MP3. Το Audacity ανοίγει επίσης αρχεία MP4 μόλις εγκατασταθεί η βιβλιοθήκη FFmpeg και εξάγει MP3 από εκεί.

Τα κινητά είναι πιο περιορισμένα. Στο iPhone, η ενέργεια Encode Media της εφαρμογής Συντομεύσεις έχει διακόπτη Audio Only, που αποθηκεύει M4A από βίντεο της βιβλιοθήκης σας· λειτουργεί, αλλά η δημιουργία της συντόμευσης παίρνει λίγα λεπτά και το αποτέλεσμα πάλι δεν είναι MP3. Το Android δεν έχει αντίστοιχο εργαλείο σε επίπεδο συστήματος και πολλές εφαρμογές εξαγωγής ήχου στο Play Store έχουν πολλές διαφημίσεις ή ζητούν ευρείες άδειες αποθήκευσης. Αν ένα κλιπ πρέπει να γίνει κείμενο και όχι ήχος, ο οδηγός μας για την απομαγνητοφώνηση ήχου σε κείμενο συνεχίζει από εκεί που τελειώνει αυτός.

Η διαδρομή μέσω προγράμματος περιήγησης είναι ίδια σε κάθε συσκευή: ανεβάστε το βίντεο, επιλέξτε τον ρυθμό bit, πατήστε Εξαγωγή σε MP3 και κατεβάστε το αρχείο. Το UltKit δέχεται βίντεο έως 95 MB το καθένα, δεν χρειάζεται εφαρμογή ή λογαριασμό και διαγράφει από τους διακομιστές του και το αρχείο που ανεβάσατε και το MP3, 30 λεπτά μετά την επεξεργασία. Μεγάλες ηχογραφήσεις πάνω από 95 MB μπορούν συνήθως να μικρύνουν πρώτα με μείωση της ανάλυσης, αφού η ποιότητα της εικόνας παύει να μετράει όταν θέλετε μόνο τον ήχο. Τα βήματα παρακάτω συνοψίζουν τη γρηγορότερη διαδρομή σε κάθε πλατφόρμα, από εφαρμογές υπολογιστή έως πρόγραμμα περιήγησης κινητού.

Οι περισσότερες αποτυχημένες εξαγωγές οφείλονται σε μία από τέσσερις αιτίες, και το μήνυμα σφάλματος σπάνια την αναφέρει. Η πιο συχνή είναι ένα βίντεο που απλώς δεν έχει ροή ήχου: ορισμένα προγράμματα εγγραφής οθόνης καταγράφουν μόνο την εικόνα, αν δεν ενεργοποιήσετε το μικρόφωνο ή τον ήχο συστήματος, και ορισμένες εφαρμογές κοινωνικής δικτύωσης αφαιρούν τον ήχο από κλιπ που αποθηκεύτηκαν χωρίς αυτόν. Η δεύτερη είναι η προστασία αντιγραφής. Οι ταινίες και τα επεισόδια που αγοράζονται ή ενοικιάζονται από καταστήματα όπως το iTunes Store, καθώς και τα αρχεία που κατεβάζετε μέσα σε εφαρμογές streaming, είναι κρυπτογραφημένα με DRM και κανένας συνηθισμένος μετατροπέας δεν μπορεί να διαβάσει τον ήχο τους. Μετατρέπετε μόνο βίντεο που δημιουργήσατε εσείς ή που έχετε δικαίωμα να χρησιμοποιήσετε, γιατί τα πνευματικά δικαιώματα του ηχητικού κομματιού ισχύουν ανεξάρτητα από τη μορφή του αρχείου.

Οι άλλες δύο αιτίες αφορούν τον χρονισμό και όχι την πρόσβαση. Οι εγγραφές οθόνης και ορισμένες λήψεις από κινητά χρησιμοποιούν μεταβλητό ρυθμό καρέ και κάποιες περιέχουν κενά ή άλματα στις χρονοσημάνσεις, οπότε ο ήχος που εξάγεται μπορεί να βγει ένα με δύο δευτερόλεπτα συντομότερος από το βίντεο ή να χάνει τον συγχρονισμό όταν τον τοποθετείτε ξανά σε πρόγραμμα επεξεργασίας. Αν αποθηκεύσετε πρώτα το βίντεο με σταθερό Ρυθμός καρέ, με τον μετατροπέα βίντεο, συνήθως λύνονται και τα δύο. Τέλος, ένα αρχείο λίγων εκατοντάδων kilobyte που παίζει σιωπηλά συχνά σημαίνει ότι επιλέχθηκε λάθος Κομμάτι ήχου, κάτι που ελέγχεται εύκολα αν εξαγάγετε δέκα δευτερόλεπτα από κάθε κομμάτι.