MP3, WAV, FLAC: Was jede Umwandlung tatsächlich zerstört

Drei Formate, drei verschiedene gespeicherte Dinge

Eine WAV-Datei ist eine Zahlenliste mit einem kurzen Kopf davor. Jede Zahl ist die Position einer Lautsprechermembran in einem Augenblick, eine feste Zahl von Malen je Sekunde gemessen; der Kopf sagt, wie oft je Sekunde, wie viele Bits jede Zahl belegt und wie viele Kanäle verschachtelt sind. Das ist das ganze Format. Der Kopf, den dieses Werkzeug schreibt, umfasst die kanonischen 44 Byte und nennt Formatkennung 1, die registrierte Kennung für schlichtes PCM. Nichts wird modelliert, nichts vorhergesagt, nichts weggeworfen — deshalb ist WAV das, was jedes Schnittprogramm, jedes Aufnahmegerät und jede Signalkette bekommen möchte, und deshalb ist es auch riesig.

FLAC speichert dieselben Zahlen, sucht aber zuerst nach Struktur: es passt ein kurzes Polynom an jeden Abtastblock an, speichert dessen Koeffizienten und dann nur noch die Differenz zwischen Vorhersage und Wahrheit, so kodiert, dass kleine Differenzen billig sind. Wenn selbst das nicht hilft — bei reinem Rauschen etwa —, fällt es auf einen Verbatim-Block zurück und schreibt die Abtastwerte schlicht unkodiert hin; genau dieser Mechanismus garantiert, dass ein FLAC nie nennenswert größer ist als seine Eingabe. Wie viel kleiner es wird, ist keine Eigenschaft des Formats, und das Projekt weigert sich bewusst, eine Zahl zu versprechen: seine eigene FAQ sagt, die Bitrate sei „ungefähr proportional zur Informationsmenge im Originalsignal“ und reiche von rund 100 % der Eingabe bei Rauschen bis fast nichts bei Stille. Eine luftige Akustikaufnahme komprimiert gut. Ein modernes, an die Decke gepresstes Mastering kaum. Beide dekodieren exakt zu dem, was hineinging.

MP3 und AAC speichern weder die Abtastwerte noch eine umkehrbare Transformation davon. Sie speichern eine Beschreibung des Klangs, wie ein Hörmodell ihn wahrnimmt, und alles, was dieses Modell für unhörbar erklärt — ein leiser Teilton, verdeckt von einem lauten daneben; Detail oberhalb der Frequenz, wo das Bitbudget ausging — wird schlicht nicht kodiert. Der Dekoder holt es nicht zurück; er synthetisiert etwas Plausibles an seiner Stelle. Zum Hören ist das ein Triumph, und bei 192 kbit/s können die meisten es in einem fairen Test nicht vom Original unterscheiden. Für jede weitere Bearbeitung ist es eine Falle, denn die Werkzeuge weiter unten behandeln den synthetisierten Teil, als wäre er Signal.

Die einzige Größenformel, die du dir merken musst

Bytes = Abtastrate × (Bittiefe ÷ 8) × Kanäle × Sekunden, plus 44 für den Kopf. Jeder Term steht in der Datei, und es gibt keine Kompression zu erraten. Ein dreieinhalbminütiges Stück bei CD-Einstellungen sind 44 100 × 2 × 2 × 210 = 37 044 000 Byte, also 37,04 MB. Dasselbe Stück als 190-kbit/s-MP3 sind 4,99 MB, und das Verhältnis dazwischen — 1411,2 geteilt durch 190, etwa 7,4 — ist genau die Kompression, die verlustbehaftete Kodierung kauft und verlustfreie nicht.

Die beiden Parameter dieser Formel sind auch die beiden, die der Konverter dich ändern lässt, und beide haben eine physikalische Bedeutung, die man vorher kennen sollte. Die Abtastrate setzt eine harte Obergrenze für die darstellbaren Frequenzen, genau bei ihrer Hälfte: 44,1 kHz fasst alles bis 22 050 Hz, bequem über der Obergrenze des menschlichen Gehörs, während 22,05 kHz bei 11 025 Hz abschneidet — das nimmt Becken und Zischlaute, lässt Sprache aber völlig verständlich. Die Bittiefe setzt den Abstand zwischen dem Lautesten und dem Leisesten, das die Datei fassen kann, bei etwa 6 dB je Bit: sechzehn Bit geben rund 98 dB Umfang, mehr als der Unterschied zwischen Flüstern und Schreien in jedem Raum, in dem du je warst.

Die Richtung ist alles

Zwischen zwei verlustfreien Formaten ist die Umwandlung in beide Richtungen kostenlos, und nur die Größe ändert sich. FLAC zu WAV bringt dir nichts Hörbares und kostet rund den doppelten Plattenplatz — tu es also nur, wenn ein Programm vor dir FLAC verweigert, und das tun viele, besonders ältere Schnittprogramme und Hardware-Sampler. WAV zu FLAC ist derselbe Handel umgekehrt und die richtige Art zu archivieren, denn die Datei, die wieder herauskommt, ist bitgleich mit der hineingegangenen, und du kannst das mit einer Prüfsumme nachweisen.

Von einer verlustbehafteten in eine verlustfreie Datei zu gehen ist die Umwandlung, von der man am meisten erwartet und am wenigsten bekommt. Ein 190-kbit/s-MP3 zu dekodieren erzeugt wieder einen vollen PCM-Strom mit 1411,2 kbit/s — die Abtastwerte kommen in voller Rate zurück, es sind bloß die falschen, die vom Dekoder synthetisierten. Speichere das als FLAC, und du hast eine Datei etwa viermal so groß wie das MP3, die genau wie das MP3 klingt. Nichts ist repariert; du hast nur verhindert, dass der Schaden wächst, was gelegentlich richtig ist, wenn das MP3 die einzige Kopie ist und du es bearbeiten willst. Sonst ist es reiner Aufwand.

Und verlustbehaftet zu verlustbehaftet ist das, was man ganz vermeidet. Jeder Durchgang kodiert die Artefakte des vorigen Encoders, als wären sie Musik, gibt Bits aus, um Rauschen zu bewahren, während der echte Inhalt eine weitere Schicht verliert. Deshalb lautet die professionelle Gewohnheit als eine Regel: verlustbehaftet geht man genau einmal, ganz am Ende, auf dem fertigen Stück. Jeder Schnitt, jede Naht, jede Pegeländerung, jede Normalisierung geschieht auf der verlustfreien Kopie, und das MP3 oder AAC entsteht zuletzt, aus dem Master, in einem Durchgang — nie aus einem anderen MP3.

Was dieser Konverter ist — und was er bewusst nicht ist

Er ist eine Einbahnstraße nach WAV. Er liest alles, was dein Browser dekodieren kann — MP3, M4A, AAC, OGG, FLAC und WAV stehen alle auf der angenommenen Liste — und schreibt genau eines: 16-Bit-PCM in einem WAV-Container, mit einer optionalen Änderung von Kanalzahl und Abtastrate unterwegs. Er erzeugt kein MP3 und kein FLAC. Das ist eine echte Grenze, und man sagt sie besser klar, als sie zu entdecken: brauchst du ein MP3 aus einer Audiodatei, wird dir auf dieser Seite nichts eines bauen. Das Werkzeug zum Audio-Extrahieren macht MP3, aber nur aus einem Video.

Aus den 16 Bit folgen zwei Dinge. Ist deine Quelle ein 24-Bit-FLAC oder eine 24-Bit-Aufnahme von einem Interface, hat das ausgegebene WAV acht Bit weniger Dynamik — 98 dB statt rund 146 — und die Umwandlung ist ungedithert, der Abschneidefehler erscheint also als sehr leiser Rauschteppich, statt verteilt zu werden. Bei einem gemischten und gemasterten Musikstück hört das niemand. Bei einer leisen Feldaufnahme, die du um 30 dB anheben willst, schon. Und ist deine Quelle eine 32-Bit-Float-Datei aus einem modernen Rekorder, ist die Begrenzung auf plus/minus eins keine Formalie: alles, was im Float-Bereich über Vollaussteuerung lag — genau das, wofür 32-Bit-Float-Aufnahme existiert — wird hier an der Decke geglättet, statt vorher heruntergezogen zu werden.

Die angezeigte Abtastrate ist die deiner Lautsprecher, nicht die deiner Datei

Lad eine Datei, und das Werkzeug schreibt eine Zeile wie „Quelle: 48000 Hz · Stereo“. Man liest das leicht als Aussage über die Datei. Sie ist es nicht, jedenfalls nicht verlässlich, und der Grund steht in der Web-Audio-Spezifikation: das Dekodieren nimmt das Ergebnis und tastet es „auf die Abtastrate des BaseAudioContext um, falls sie sich von der der Audiodaten unterscheidet“. Der Kontext wird hier ohne Optionen erzeugt, und ein so erzeugter Kontext benutzt die Abtastrate des Standard-Ausgabegeräts. Die angezeigte Zahl ist also die Rate, mit der die Audioausgabe deines Rechners gerade läuft — auf einem Laptop üblicherweise 48 000 Hz, manchmal 44 100, gelegentlich 96 000, wenn du ein professionelles Interface so eingestellt hast.

Die praktischen Folgen sind klein, aber konkret. „Beibehalten“ behält die dekodierte Rate, nicht die Originalrate der Datei — ein 44,1-kHz-Albumtitel, geöffnet auf einem Rechner, der mit 48 kHz läuft, kommt als 48-kHz-WAV heraus, rund 8,8 % größer und einmal umgetastet. Ausdrücklich 44 100 zu verlangen macht das nicht rückgängig, sondern tastet ein zweites Mal um, wieder hinunter. Keiner der beiden Durchgänge ist im gewöhnlichen Sinn hörbar; beide sind Interpolation durch den Resampler des Browsers, und das Ergebnis ist eine gute Näherung statt der ursprünglichen Zahlen. Also: brauchst du bitgenaues PCM aus einer verlustfreien Quelle — für eine Prüfsumme, einen forensischen Vergleich, eine Mastering-Kette — ist das nicht das Werkzeug, und kein auf dieser Schnittstelle gebautes Browserwerkzeug kann es sein. Brauchst du ein WAV, das korrekt abspielt und richtig klingt — was fast alle brauchen —, ist es genau das Werkzeug, und die angezeigte Rate darf man getrost ignorieren.

Mono wählen und eine Rate wählen, ohne sich etwas vorzumachen

Mono halbiert die Datei und ist häufiger die richtige Antwort, als man denkt, denn ein großer Teil des aufgenommenen Materials enthält überhaupt keine Stereoinformation: eine einzelne Stimme in ein einzelnes Mikrofon, eine Sprachnotiz, ein Vortrag, ein Interview. Das auf Mono zu falten entfernt eine Dublette, keine Dimension. Es ist die falsche Antwort für alles mit einem Stereobild, das dir wichtig ist — Musik, Atmosphäre, alles mit zwei Mikrofonen und Abstand dazwischen aufgenommen — und es ist nicht umkehrbar: sind die zwei Kanäle einmal summiert, trennt sie kein späterer Schritt mehr. Die sichere Gewohnheit ist, eine Stereokopie des Originals zu behalten und Mono zum Export zu machen.

Zur Rate lautet die ehrliche Position: 44,1 kHz und 48 kHz sind zum Hören austauschbar, und die Wahl hängt nur davon ab, was danach kommt — Videoarbeit läuft konventionell mit 48 kHz, weil Container und Sendekette das benutzen; Musikvertrieb konventionell mit 44,1 kHz, weil die Compact Disc das benutzte; und dazwischen zu wandeln ist eine Umtastung, keine Umbenennung. Tu es, wenn ein Ziel es verlangt, nicht der Ordnung halber. Die 22,05-kHz-Option ist eine andere Art Entscheidung: ein bewusster Bandbreitenschnitt bei 11 025 Hz, der eine Sprachdatei zusammen mit Mono 4,35-mal kleiner macht als eine 48-kHz-Stereodatei — genau richtig für einen Transkriptions-Upload und genau falsch für alles, was jemand zum Vergnügen hört.

Häufige Fragen

Verbessert die Umwandlung meiner MP3-Sammlung nach FLAC den Klang?

Nein, und die Rechnung zeigt warum. Ein 190-kbit/s-MP3 zu dekodieren gibt dir einen PCM-Strom in voller Rate zurück, 1411,2 kbit/s, aber diese Abtastwerte sind die Rekonstruktion des Dekoders, nicht die Originalaufnahme. FLAC komprimiert diese Rekonstruktion dann perfekt — und genau das ist das Problem: es bewahrt mit vollkommener Treue exakt das beschädigte Signal, das du ihm gegeben hast. Du bekommst eine Datei etwa viermal so groß wie das MP3, die im Blindtest nicht vom MP3 zu unterscheiden ist, weil sie das MP3 ist, nur anders aufgeschrieben. Der einzige Gewinn: was du als Nächstes tust, fügt keine weitere Generation hinzu — wertvoll, wenn du bearbeiten willst, wertlos, wenn du hören willst.

Ist 48 kHz besser als 44,1 kHz?

Auf keine hörbare Weise. Eine Abtastrate legt die höchste tragbare Frequenz fest, genau bei ihrer Hälfte: 44,1 kHz reicht bis 22 050 Hz, 48 kHz bis 24 000 Hz — beide bequem über der Obergrenze des menschlichen Gehörs, das in der Praxis deutlich vor 20 000 Hz endet und mit dem Alter sinkt. Die beiden Zahlen existieren aus historischen und industriellen, nicht aus akustischen Gründen: 44,1 stammt von der Compact Disc, 48 von professionellem Video und Rundfunk. Nimm die, die dein Ziel erwartet, und wandle nur um, wenn etwas in der Kette es verlangt — denn Umwandeln ist eine Umtastung mit eigenen kleinen Unvollkommenheiten, keine kostenlose Umbenennung.

Das Werkzeug sagt 48 000 Hz, aber ich weiß, dass es ein 44,1-kHz-Rip ist. Was stimmt?

Du hast recht — über die Datei; das Werkzeug hat recht — über das, was es im Speicher hat. Der Web-Audio-Dekodierschritt tastet das dekodierte Audio auf die Abtastrate des Audiokontexts um, und der Kontext wird ohne angegebene Rate erzeugt, nimmt also die deines Standard-Ausgabegeräts. Die Anzeige sagt dir also, mit welcher Rate deine Lautsprecher laufen, und das dekodierte Audio ist wirklich auf diese Rate umgewandelt worden, bevor das Werkzeug es überhaupt sieht. Brauchst du die deklarierte Rate der Datei, lies sie in einem Medienplayer oder einem Datei-Inspektor. Brauchst du nur ein brauchbares WAV, ändert das nichts Merkliches — aber es ist der Grund, warum eine Datei etwas größer herauskommen kann, als die Rechnung mit ihrer Originalrate vorhersagte.

Bekomme ich aus diesem Werkzeug ein MP3?

Nein. Es schreibt WAV und nur WAV, weil es auf der Audiodekodierung des Browsers selbst aufsetzt und nicht auf einem mitgelieferten Encoder: der Browser dekodiert ihm ein MP3, aber er kodiert keines. Diese Asymmetrie ist kein Versehen, sondern die Funktionsweise der Plattform. Ist deine Quelle ein Video statt einer Audiodatei, hat das Werkzeug zum Audio-Extrahieren sehr wohl einen MP3-Encoder — eine WebAssembly-Fassung von LAME — und gibt dir direkt eines. Ist deine Quelle schon Audio und du brauchst ein MP3, brauchst du für diesen letzten Schritt etwas außerhalb dieser Seite. Was angesichts der Regel, verlustbehaftet nur einmal am Ende zu gehen, ohnehin der Schritt ist, den du zuletzt tun solltest.

Mein FLAC lässt sich im Konverter gar nicht öffnen. Warum?

Weil das Dekodieren dem Browser gehört, nicht dem Werkzeug — was sich öffnen lässt, hängt also davon ab, welche Codecs dein Browser mitbringt. FLAC ist in den großen Desktop-Browsern seit Jahren dekodierbar, aber eine hochauflösende Datei kann trotzdem aus anderem Grund scheitern: das Format erlaubt Abtastraten bis knapp über ein Megahertz und Bittiefen von 4 bis 32, und der Dekoder eines Browsers muss nicht den ganzen Bereich annehmen. Verweigert eine 192-kHz- oder 24-Bit-Datei den Dienst, probier sie in einem anderen Browser, bevor du sie für defekt hältst, und prüfe, ob sie anderswo überhaupt abspielt. Umgekehrt gilt dasselbe für Formate wie Opus oder alte Windows-Media-Dateien: die Liste der angenommenen Formate ist eine Obermenge dessen, was ein einzelner Browser wirklich lesen kann.