Cómo convertir MP4 a MP3: bitrate, recortes y dispositivos

Un archivo MP4 es un contenedor, definido por la norma MPEG-4 Parte 14 (ISO/IEC 14496-14), que agrupa flujos independientes en un solo paquete. Un video típico de celular o de cámara lleva un flujo de video comprimido con H.264 o H.265, un flujo de audio comprimido con AAC y algo de metadatos, como la fecha de grabación y la rotación. Quien busca convertir MP4 a MP3 no quiere convertir la imagen en absoluto: quiere el flujo de audio por separado, en un formato que cualquier reproductor de música, autoestéreo o aplicación de pódcasts acepte sin rechistar.

Aquí está el detalle. El audio dentro del MP4 es AAC, no MP3, y no basta con cambiarle la etiqueta a un códec para que sea el otro. Para obtener un MP3 de verdad, el conversor tiene que decodificar el AAC a muestras sin comprimir y luego volver a comprimirlas con un codificador MP3. Ambos pasos son rutinarios, tardan unos segundos en un clip normal y son lo que hace por dentro cualquier herramienta en línea o de escritorio. El flujo de video nunca se decodifica, y por eso extraer el audio es mucho más rápido que convertir un video de la misma duración a otro formato de video.

Como AAC y MP3 son formatos con pérdida, se trata de una segunda ronda de compresión con pérdida sobre la primera. Suena alarmante, pero en la práctica solo se nota cuando a la segunda codificación le faltan bits. MP3, cuyo nombre formal es MPEG-1 Audio Layer III, se normalizó como ISO/IEC 11172-3 en 1993; es más antiguo y algo menos eficiente que AAC, así que conviene darle un poco más de tasa de bits que la de la fuente. Si el audio del video era AAC a 128 kbps, un MP3 a 160 o 192 kbps sonará igual para casi cualquier persona con audífonos comunes.

Existe una segunda vía que se salta por completo la recodificación. Un archivo M4A usa el mismo contenedor MPEG-4 que un MP4, solo que sin el flujo de video, de modo que una herramienta puede copiar la pista AAC bit a bit. Nada se decodifica, nada se vuelve a comprimir y el resultado suena exactamente igual que el video. Si el audio va a terminar en un iPhone, una Mac, Apple Music, GarageBand o cualquier celular Android moderno, basta con extraer el MP4 a M4A para no perder nada. Algunas herramientas de navegador y de escritorio recodifican igualmente la salida M4A por coherencia, pero con una tasa de bits razonable la pérdida es tan mínima como la del MP3.

MP3 se gana su lugar por compatibilidad. Sus últimas patentes vencieron en 2017, cuando Fraunhofer IIS puso fin a su programa de licencias, y durante décadas se fabricó hardware pensado para él: autoestéreos antiguos que leen memorias USB, reproductores MP3 baratos, algunos programas para DJ, portales de locución y muchísimos formularios web que aceptan .mp3 y nada más. Si el archivo va a salir de sus propios dispositivos, o no se sabe con qué se va a reproducir, MP3 es el formato que no generará una consulta a soporte. Para las opciones sin compresión y sin pérdida, nuestra guía sobre MP3, WAV, FLAC y AAC compara los cuatro formatos uno junto al otro.

La tasa de bits es la cantidad de kilobits que se dedica a cada segundo de sonido, y es lo único que determina el peso del MP3. La resolución, la velocidad de fotogramas y el peso del video original no influyen, porque la imagen desaparece. Para calcular el peso se multiplica la tasa de bits por la duración y se divide entre 8: un minuto a 128 kbps ocupa unos 0,96 MB, a 192 kbps unos 1,44 MB y a 320 kbps unos 2,4 MB. Por eso una clase de una hora a 128 kbps ronda los 58 MB, mientras que una canción de cuatro minutos a 320 kbps se queda por debajo de 10 MB.

Lo que se oye en cada escalón es bastante predecible. A 128 kbps la voz suena natural y la música se escucha bien en el altavoz del celular y en audífonos pequeños, pero los platillos, los aplausos y las colas de reverberación pueden sonar algo acuosos con buenos auriculares. A 192 kbps la mayoría de la gente no distingue el MP3 del audio del propio video en una prueba a ciegas, y por eso es el valor predeterminado en el conversor de MP4 a MP3 y en muchas aplicaciones de escritorio. A 320 kbps, la tasa más alta que admite la norma MP3, el archivo vuelve a crecer cerca de dos tercios a cambio de una diferencia que pocos oyentes perciben.

La regla que más decepciones evita es que una tasa de bits mayor no puede recuperar lo que el video nunca tuvo. Las grabaciones de celular suelen llevar AAC de 96 a 256 kbps, y las grabaciones de pantalla o los videos de aplicaciones de mensajería con frecuencia bajan todavía más. Codificar una fuente de 96 kbps a 320 kbps da un archivo tres veces más pesado que suena exactamente igual que el original de 96 kbps, artefactos incluidos. Ante la duda, conviene mirar la tasa de bits de la fuente en un panel de información multimedia y elegir el escalón inmediatamente superior, no el más alto de la lista.

Casi nadie quiere el video completo en audio. Lo que se busca es una canción de un concierto grabado de dos horas, una respuesta de cinco minutos de un seminario web o un efecto de sonido de una partida grabada. Cortar el fragmento durante la extracción es más rápido y limpio que extraerlo todo y editarlo después, porque nunca se manipulan las partes que sobran. En el conversor de video a audio, abra Opciones avanzadas y complete Inicio y Fin con segundos, como 95, o con minutos y segundos, como 1:35. Deje un campo vacío para conservar el principio o el final, y reproduzca antes el video para anotar los tiempos exactos.

Dos costumbres hacen que los fragmentos suenen terminados y no cortados a hachazos. Empiece un segundo o algo así antes de la primera palabra o nota, porque los cortes que caen justo sobre un sonido suelen comerse el ataque y suenan bruscos. Y si la grabación es floja, como suelen serlo los videos de una clase tomados con el celular desde la última fila, marque Normalizar volumen, que lleva la sonoridad a −16 LUFS, un objetivo habitual para audio hablado, de modo que el fragmento suene a un nivel parecido al de sus otros archivos. Si el video trae un segundo idioma o un comentario, Pista de audio determina cuál de ellos se convierte en el MP3.

Un MP3 sacado de un video suele llegar con un nombre de archivo y poco más. Los reproductores de música leen el título, el artista, el álbum y la carátula de las etiquetas ID3 guardadas dentro del archivo, y ID3v2 permite además incrustar una imagen de portada. En Windows, haga clic derecho en el MP3, abra Propiedades y luego Detalles para escribir el título, el artista y el álbum. En una Mac, agréguelo a la app Música, elija Obtener información y pegue la imagen en la pestaña Ilustración. Editores de etiquetas gratuitos como Mp3tag hacen lo mismo en bloque, algo que vale la pena cuando se extrae de una vez toda una serie de charlas o episodios.

Todas las plataformas tienen alguna forma de sacar el audio de un video, aunque pocas generan un MP3 directamente. En una Mac, QuickTime Player puede guardar solo el sonido con Archivo → Exportar como → Solo audio, pero el resultado es un M4A, no un MP3. La app Música puede convertirlo después en MP3 si se ajusta Ajustes → Archivos → Ajustes de importación en Codificador MP3 y se elige Archivo → Convertir → Crear versión MP3. Windows no trae un exportador integrado para esto, así que la vía gratuita más común es VLC, cuyo cuadro Medio → Convertir / Guardar incluye un perfil Audio - MP3. Audacity también abre archivos MP4 una vez instalada su biblioteca FFmpeg, y desde ahí exporta a MP3.

En los celulares hay menos opciones. En un iPhone, la acción Codificar contenido de la app Atajos tiene un interruptor Solo audio que guarda un M4A a partir de un video de la fototeca; funciona, pero armar el atajo lleva unos minutos y el resultado sigue sin ser MP3. Android no tiene un equivalente a nivel de sistema, y muchas de las apps extractoras de audio de Play Store están cargadas de anuncios o piden permisos amplios de almacenamiento. Si un fragmento tiene que convertirse en texto en lugar de audio, nuestra guía para transcribir audio a texto continúa donde termina esta.

La vía del navegador es igual en cualquier dispositivo: se sube el video, se elige la tasa de bits, se pulsa Extraer a MP3 y se descarga el archivo. UltKit acepta videos de hasta 95 MB cada uno, no requiere app ni cuenta y elimina de sus servidores tanto el archivo subido como el MP3 30 minutos después del procesamiento. Las grabaciones largas de más de 95 MB normalmente pueden reducirse antes bajando la resolución, ya que la calidad de imagen deja de importar en cuanto solo se quiere el sonido. Los pasos siguientes resumen la vía más rápida en cada plataforma, desde las aplicaciones de escritorio hasta el navegador del celular.

La mayoría de las extracciones fallidas se deben a una de cuatro causas, y el mensaje de error rara vez la menciona. La más común es un video que sencillamente no tiene flujo de audio: algunos grabadores de pantalla solo capturan la imagen si no se activa el micrófono o el sonido del sistema, y algunas apps sociales eliminan el sonido de los clips guardados sin él. La segunda es la protección anticopia. Las películas y los episodios comprados o alquilados en tiendas como iTunes Store, y las descargas guardadas dentro de las apps de streaming, están cifrados con DRM, y ningún conversor común puede leer el audio que contienen. Convierta solo videos que haya grabado usted o que tenga derecho a usar, ya que los derechos de autor sobre la pista de sonido se aplican sea cual sea el formato del archivo.

Las otras dos causas tienen que ver con la sincronización, no con el acceso. Las grabaciones de pantalla y algunas capturas de celular usan una velocidad de fotogramas variable, y unas pocas presentan además huecos o saltos en sus marcas de tiempo, de modo que el audio extraído puede quedar uno o dos segundos más corto que el video o desfasarse al volver a alinearlo en un editor. Volver a guardar antes el video con una Velocidad de fotogramas constante, con el conversor de video, suele resolver ambas cosas. Por último, un archivo de unos pocos cientos de kilobytes que se reproduce en silencio a menudo indica que se eligió la Pista de audio equivocada, algo fácil de comprobar extrayendo diez segundos de cada pista.