MP3, WAV, FLAC: qué destruye realmente cada conversión

Tres formatos, tres cosas distintas guardadas

Un archivo WAV es una lista de números con una cabecera corta delante. Cada número es la posición del cono de un altavoz en un instante, medida un número fijo de veces por segundo; la cabecera dice cuántas veces por segundo, cuántos bits usa cada número y cuántos canales van entrelazados. Ese es todo el formato. La cabecera que escribe esta herramienta son los 44 bytes canónicos y declara el identificador de formato 1, el del PCM simple. Nada se modela, nada se predice, nada se tira — por eso el WAV es lo que todo editor, toda grabadora y toda cadena de procesamiento quiere recibir, y también por eso es enorme.

El FLAC guarda esos mismos números, pero primero busca estructura: ajusta un polinomio corto a cada bloque de muestras, guarda los coeficientes y luego guarda solo la diferencia entre la predicción y la verdad, codificada de forma que las diferencias pequeñas salgan baratas. Cuando ni eso ayudaría — sobre ruido puro, por ejemplo — recurre a un bloque literal y escribe las muestras sin codificar, mecanismo que garantiza que un FLAC nunca sea apreciablemente mayor que su entrada. Cuánto encoge no es propiedad del formato, y el proyecto se niega a propósito a prometer una cifra: su propia FAQ dice que la tasa de bits «es aproximadamente proporcional a la cantidad de información de la señal original», yendo de en torno al 100 % de la entrada sobre ruido hasta casi nada sobre silencio. Una grabación acústica ligera comprime bien. Una masterización moderna aplastada contra el techo casi no comprime. Las dos decodifican exactamente lo que entró.

El MP3 y el AAC no guardan ni las muestras ni una transformación reversible de ellas. Guardan una descripción del sonido tal como lo percibe un modelo de la audición, y todo lo que ese modelo declara inaudible — un parcial flojo enmascarado por otro fuerte cercano, detalle por encima de la frecuencia donde se agotó el presupuesto de bits — sencillamente no se codifica. El decodificador no lo recupera: sintetiza algo plausible en su lugar. Para escuchar es un triunfo, y a 192 kbit/s la mayoría de la gente no lo distingue del original en una prueba justa. Para cualquier procesamiento posterior es una trampa, porque las herramientas de aguas abajo tratarán la parte sintetizada como si fuera señal.

La única fórmula de tamaño que hay que memorizar

Bytes = frecuencia de muestreo × (profundidad en bits ÷ 8) × canales × segundos, más 44 de cabecera. Cada término se lee del archivo y no hay compresión que adivinar. Una canción de tres minutos y medio con los ajustes del CD son 44 100 × 2 × 2 × 210 = 37 044 000 bytes, o 37,04 MB. Esa misma canción en MP3 a 190 kbit/s son 4,99 MB, y la razón entre ambos — 1411,2 dividido entre 190, alrededor de 7,4 — es exactamente la compresión que compra la codificación con pérdida y que la codificación sin pérdida no compra.

Los dos parámetros de esa fórmula son también los dos que el conversor te deja cambiar, y ambos tienen un sentido físico que conviene conocer antes de tocarlos. La frecuencia de muestreo pone un techo estricto a las frecuencias que el archivo puede representar, exactamente en su mitad: 44,1 kHz alberga todo hasta 22 050 Hz, cómodamente más allá del tope de la audición humana, mientras que 22,05 kHz corta en 11 025 Hz, lo que quita platillos y sibilancias pero deja el habla perfectamente inteligible. La profundidad en bits fija la distancia entre lo más fuerte y lo más flojo que el archivo puede contener, a unos 6 dB por bit: dieciséis bits dan unos 98 dB de rango, más que la diferencia entre un susurro y un grito en cualquier habitación en la que hayas estado.

El sentido lo es todo

Entre dos formatos sin pérdida, la conversión es gratis en ambos sentidos y solo cambia el tamaño. FLAC a WAV no te aporta nada audible y te cuesta como el doble de espacio en disco, así que hazlo solo cuando un programa delante de ti rechace FLAC — y muchos lo rechazan, sobre todo editores viejos y muestreadores de hardware. WAV a FLAC es el mismo trato al revés y es la forma correcta de archivar cualquier cosa, porque el archivo que sale es idéntico bit a bit al que entró y puedes verificarlo con una suma de comprobación.

Pasar de un archivo con pérdida a uno sin pérdida es la conversión de la que más se espera y de la que menos se saca. Decodificar un MP3 a 190 kbit/s produce otra vez un flujo PCM completo de 1411,2 kbit/s: las muestras vuelven a tasa completa, simplemente son las muestras equivocadas, las que el decodificador sintetizó. Guarda eso como FLAC y obtienes un archivo unas cuatro veces mayor que el MP3 que suena exactamente como el MP3. Nada se ha reparado; solo has impedido que el daño empeore, lo que a veces es lo correcto si el MP3 es la única copia que existe y vas a editarlo. Por lo demás, es coste puro.

Y de con pérdida a con pérdida es lo que hay que evitar del todo. Cada pasada codifica los artefactos del codificador anterior como si fueran música, gastando bits en preservar ruido mientras el contenido real pierde otra capa. Por eso la costumbre profesional se enuncia como una sola regla: pasa a compresión con pérdida una vez, al final del todo, sobre la pieza terminada. Cada edición, cada empalme, cada cambio de nivel, cada normalización ocurre sobre la copia sin pérdida, y el MP3 o el AAC se produce el último, desde el máster, en una sola pasada — nunca desde otro MP3.

Qué es este conversor y qué no es a propósito

Es una puerta de un solo sentido hacia el WAV. Leerá todo lo que tu navegador sepa decodificar — MP3, M4A, AAC, OGG, FLAC y WAV están todos en la lista aceptada — y escribe exactamente una cosa: PCM de 16 bits en un contenedor WAV, con un cambio opcional del número de canales y la frecuencia de muestreo por el camino. No producirá un MP3, ni producirá un FLAC. Es un límite real y conviene decirlo claro en lugar de descubrirlo: si lo que necesitas es un MP3 a partir de un archivo de audio, nada en este sitio te lo va a fabricar. La herramienta de extraer audio hace MP3, pero solo desde un vídeo.

De los 16 bits salen dos consecuencias. Si tu fuente es un FLAC de 24 bits o una grabación de 24 bits desde una interfaz, el WAV que sale tiene ocho bits menos de rango dinámico — 98 dB en vez de unos 146 — y la conversión va sin dither, así que el error de truncamiento aparece como un ruido de fondo muy bajo en lugar de repartirse. En una pieza mezclada y masterizada nadie lo oirá. En una grabación de campo tranquila que piensas subir 30 dB, sí. Y si tu fuente es un archivo de 32 bits en coma flotante de una grabadora moderna, el recorte a más o menos uno no es una formalidad: todo lo que superaba la escala completa en el dominio flotante — justo lo que la grabación en 32 bits flotante existe para permitir — se aplana contra el techo aquí en vez de bajarse antes.

La frecuencia que te muestra es la de tus altavoces, no la de tu archivo

Carga un archivo y la herramienta imprime una línea del tipo «Origen: 48000 Hz · Estéreo». Es fácil leerlo como un hecho sobre el archivo. No lo es, o al menos no de forma fiable, y la razón está escrita en la especificación de Web Audio: la decodificación toma el resultado y lo remuestrea «a la frecuencia del BaseAudioContext si difiere de la de los datos de audio». El contexto se crea aquí sin opciones, y un contexto creado así usa la frecuencia del dispositivo de salida por defecto. Así que el número que ves es la frecuencia a la que resulta que funciona la salida de audio de tu máquina — normalmente 48 000 Hz en un portátil, a veces 44 100, ocasionalmente 96 000 si tienes una interfaz profesional configurada así.

Las consecuencias prácticas son pequeñas pero concretas. «Mantener» mantiene la frecuencia decodificada, no la original del archivo, así que una pista de álbum a 44,1 kHz abierta en una máquina que funciona a 48 kHz sale como un WAV de 48 kHz, alrededor de un 8,8 % mayor y remuestreado una vez. Pedir explícitamente 44 100 no deshace eso: remuestrea una segunda vez, hacia abajo. Ninguna de las dos pasadas es audible en el sentido corriente; ambas son interpolación, hecha por el remuestreador del propio navegador, y el resultado es una buena aproximación en vez de los números originales. Así que: si necesitas PCM exacto bit a bit desde una fuente sin pérdida — para una suma de comprobación, una comparación forense, una cadena de masterización — esta no es la herramienta, y ninguna herramienta de navegador construida sobre esta API puede serlo. Si necesitas un WAV que se reproduzca bien y suene bien, que es lo que necesita casi todo el mundo, es exactamente la herramienta, y la frecuencia del indicador se puede ignorar sin problema.

Elegir mono, y elegir una frecuencia, sin engañarse

El mono deja el archivo a la mitad y es la respuesta correcta más a menudo de lo que la gente espera, porque buena parte del material grabado no lleva información estéreo alguna: una sola voz en un solo micrófono, una nota de voz, una conferencia, una entrevista. Plegar eso a mono quita un duplicado, no una dimensión. Es la respuesta equivocada para todo lo que tenga una imagen estéreo que te importe — música, ambiente, cualquier cosa grabada con dos micrófonos separados — y no es reversible: una vez sumados los dos canales, ningún paso posterior los separa. La costumbre segura es guardar una copia estéreo del original y que el mono sea una exportación.

Sobre la frecuencia, la posición honesta es que 44,1 kHz y 48 kHz son intercambiables para escuchar y que la elección depende por completo de lo que hay aguas abajo: el trabajo de vídeo es convencionalmente a 48 kHz porque es lo que usan los contenedores y la cadena de difusión, la distribución musical es convencionalmente a 44,1 kHz porque es lo que usaba el disco compacto, y pasar de una a otra es una operación de remuestreo y no un cambio de etiqueta. Hazlo cuando un destino lo exija, no por pulcritud. La opción de 22,05 kHz es otra clase de decisión: es un corte de banda deliberado a 11 025 Hz, hace un archivo de voz 4,35 veces más pequeño que uno estéreo a 48 kHz cuando se combina con mono, y es exactamente lo correcto para una subida de transcripción y exactamente lo incorrecto para cualquier cosa que alguien vaya a escuchar por placer.

Preguntas frecuentes

¿Convertir mi colección de MP3 a FLAC mejora el sonido?

No, y la aritmética muestra por qué. Decodificar un MP3 a 190 kbit/s te devuelve un flujo PCM a tasa completa de 1411,2 kbit/s, pero esas muestras son la reconstrucción del decodificador, no la grabación original. El FLAC comprime luego esa reconstrucción a la perfección — y ese es el problema: conserva con fidelidad total exactamente la señal dañada que le diste. Acabas con un archivo unas cuatro veces mayor que el MP3 e indistinguible del MP3 en una prueba a ciegas, porque es el MP3, solo que escrito de otra manera. Lo único que ganas es que nada de lo que hagas después añadirá otra generación, lo cual vale la pena si vas a editar y no vale nada si vas a escuchar.

¿Es mejor 48 kHz que 44,1 kHz?

En nada que puedas oír. Una frecuencia de muestreo fija la frecuencia más alta que un archivo puede llevar, exactamente en su mitad, así que 44,1 kHz llega a 22 050 Hz y 48 kHz a 24 000 Hz — ambas cómodamente por encima del tope de la audición humana, que en la práctica se queda bastante por debajo de 20 000 Hz y baja con la edad. Los dos números existen por razones históricas e industriales y no acústicas: 44,1 viene del disco compacto, 48 del vídeo profesional y la difusión. Elige el que espere tu destino y convierte solo cuando algo en la cadena lo exija, porque convertir es una operación de remuestreo con sus propias pequeñas imperfecciones y no un cambio de etiqueta gratuito.

La herramienta dice 48 000 Hz pero sé que es un rip a 44,1 kHz. ¿Cuál tiene razón?

Tú tienes razón sobre el archivo; la herramienta la tiene sobre lo que tiene en memoria. El paso de decodificación de Web Audio remuestrea el audio decodificado a la frecuencia del contexto de audio, y el contexto se crea sin frecuencia especificada, con lo que toma la de tu dispositivo de salida por defecto. Así que la lectura te dice a qué frecuencia funcionan tus altavoces, y el audio decodificado de verdad se ha convertido a esa frecuencia antes de que la herramienta lo vea siquiera. Si necesitas la frecuencia declarada del archivo, léela en un reproductor multimedia o en una herramienta de inspección. Si solo necesitas un WAV utilizable, esto no cambia nada que vayas a notar — pero es la razón de que un archivo pueda salir algo mayor de lo que predecía la cuenta hecha sobre su frecuencia original.

¿Puedo sacar un MP3 de esta herramienta?

No. Escribe WAV y solo WAV, porque está construido sobre la decodificación de audio del propio navegador y no sobre un codificador incluido: el navegador le decodificará un MP3, pero no le codificará ninguno. Esa asimetría no es un descuido, es cómo funciona la plataforma. Si tu fuente es un vídeo en vez de un archivo de audio, la herramienta de extraer audio sí tiene un codificador MP3 — una compilación de LAME a WebAssembly — y te dará uno directamente. Si tu fuente ya es audio y necesitas un MP3, harás falta algo fuera de este sitio para ese último paso. Lo cual, dada la regla de pasar a compresión con pérdida una sola vez al final, suele ser de todos modos el paso que deberías hacer el último.

Mi FLAC no se abre en el conversor. ¿Por qué?

Porque la decodificación es del navegador, no de la herramienta, así que lo que se abre depende de qué códecs trae tu navegador. FLAC lleva años siendo decodificable en los principales navegadores de escritorio, pero un archivo de alta resolución aún puede fallar por otro motivo: el formato admite frecuencias de hasta poco más de un megahercio y profundidades de 4 a 32 bits, y el decodificador de un navegador no está obligado a aceptar todo el rango. Si un archivo de 192 kHz o de 24 bits se resiste, pruébalo en otro navegador antes de concluir que está roto, y comprueba que se reproduce en algún otro sitio. Lo mismo vale a la inversa para formatos como Opus o los viejos archivos de Windows Media: la lista de formatos aceptados es un superconjunto de lo que un navegador concreto sabe leer.