MP3, WAV, FLAC: cosa distrugge davvero ogni conversione

Tre formati, tre cose diverse memorizzate

Un file WAV è un elenco di numeri con una breve intestazione davanti. Ogni numero è la posizione del cono di un altoparlante in un istante, misurata un numero fisso di volte al secondo; l'intestazione dice quante volte al secondo, quanti bit usa ogni numero e quanti canali sono interlacciati. È tutto il formato. L'intestazione che questo strumento scrive è quella canonica di 44 byte e dichiara l'identificatore di formato 1, quello del PCM semplice. Nulla viene modellato, nulla predetto, nulla buttato — ecco perché il WAV è ciò che ogni programma di montaggio, ogni registratore e ogni catena di elaborazione vuole ricevere, ed ecco anche perché è enorme.

Il FLAC memorizza gli stessi numeri, ma prima cerca struttura: adatta un breve polinomio a ogni blocco di campioni, ne memorizza i coefficienti e poi memorizza solo la differenza fra la previsione e la verità, codificata in modo che le piccole differenze costino poco. Quando nemmeno quello aiuterebbe — su rumore puro, poniamo — ripiega su un blocco letterale e scrive semplicemente i campioni non codificati, meccanismo che garantisce che un FLAC non sia mai apprezzabilmente più grande del suo ingresso. Di quanto si restringa non è una proprietà del formato, e il progetto rifiuta di proposito di promettere una cifra: la sua stessa FAQ dice che il bitrate «è all'incirca proporzionale alla quantità di informazione nel segnale originale», andando da circa il 100 % dell'ingresso sul rumore fin quasi a nulla sul silenzio. Una registrazione acustica ariosa comprime bene. Un master moderno schiacciato contro il tetto non comprime quasi. Entrambi decodificano esattamente ciò che è entrato.

MP3 e AAC non memorizzano né i campioni né una trasformazione reversibile di essi. Memorizzano una descrizione del suono così come un modello dell'udito lo percepisce, e tutto ciò che quel modello dichiara inudibile — una parziale debole mascherata da una forte vicina, dettaglio sopra la frequenza in cui il budget di bit è finito — semplicemente non viene codificato. Il decodificatore non lo recupera: sintetizza qualcosa di plausibile al suo posto. Per l'ascolto è un trionfo, e a 192 kbit/s la maggior parte delle persone non lo distingue dall'originale in un test onesto. Per qualsiasi elaborazione successiva è una trappola, perché gli strumenti a valle tratteranno la parte sintetizzata come se fosse segnale.

L'unica formula di dimensione da memorizzare

Byte = frequenza di campionamento × (profondità in bit ÷ 8) × canali × secondi, più 44 per l'intestazione. Ogni termine si legge dal file, e non c'è compressione da indovinare. Un brano di tre minuti e mezzo alle impostazioni del CD fa 44 100 × 2 × 2 × 210 = 37 044 000 byte, cioè 37,04 MB. Lo stesso brano come MP3 a 190 kbit/s fa 4,99 MB, e il rapporto fra i due — 1411,2 diviso 190, circa 7,4 — è esattamente la compressione che la codifica con perdita compra e quella senza perdita no.

I due parametri di quella formula sono anche i due che il convertitore ti lascia cambiare, ed entrambi hanno un senso fisico che conviene conoscere prima di toccarli. La frequenza di campionamento pone un tetto rigido alle frequenze che il file può rappresentare, esattamente alla sua metà: 44,1 kHz contiene tutto fino a 22 050 Hz, comodamente oltre il limite superiore dell'udito umano, mentre 22,05 kHz taglia a 11 025 Hz, il che toglie piatti e sibilanti ma lascia il parlato del tutto intelligibile. La profondità in bit fissa la distanza fra il più forte e il più debole che il file può contenere, a circa 6 dB per bit: sedici bit danno circa 98 dB di gamma, più della differenza fra un sussurro e un urlo in qualsiasi stanza in cui tu sia mai stato.

La direzione è tutto

Fra due formati senza perdita la conversione è gratuita in entrambi i sensi e cambia solo la dimensione. FLAC in WAV non ti dà nulla di udibile e ti costa circa il doppio di spazio su disco, quindi fallo solo quando un programma davanti a te rifiuta il FLAC — e molti lo rifiutano, soprattutto vecchi programmi di montaggio e campionatori hardware. WAV in FLAC è lo stesso scambio al contrario ed è il modo corretto di archiviare qualsiasi cosa, perché il file che ne esce è identico bit per bit a quello entrato e puoi verificarlo con una somma di controllo.

Passare da un file con perdita a uno senza perdita è la conversione da cui ci si aspetta di più e si ricava di meno. Decodificare un MP3 a 190 kbit/s produce di nuovo un flusso PCM pieno a 1411,2 kbit/s — i campioni tornano a piena velocità, sono semplicemente i campioni sbagliati, quelli che il decodificatore ha sintetizzato. Memorizza tutto in FLAC e ottieni un file circa quattro volte più grande dell'MP3 che suona esattamente come l'MP3. Nulla è stato riparato; hai solo impedito che il danno peggiorasse, il che ogni tanto è la cosa giusta se l'MP3 è l'unica copia esistente e stai per montarlo. Per il resto è puro costo.

E con perdita verso con perdita è quello da evitare del tutto. Ogni passaggio codifica gli artefatti del codificatore precedente come se fossero musica, spendendo bit per conservare rumore mentre il contenuto vero perde un altro strato. Ecco perché l'abitudine professionale si enuncia in una sola regola: si va con perdita una volta, proprio alla fine, sul pezzo finito. Ogni montaggio, ogni giunzione, ogni cambio di livello, ogni normalizzazione avviene sulla copia senza perdita, e l'MP3 o l'AAC si produce per ultimo, dal master, in un solo passaggio — mai da un altro MP3.

Cos'è questo convertitore, e cosa non è di proposito

È una porta a senso unico verso il WAV. Leggerà tutto ciò che il tuo browser sa decodificare — MP3, M4A, AAC, OGG, FLAC e WAV sono tutti nell'elenco accettato — e scrive esattamente una cosa: PCM a 16 bit in un contenitore WAV, con un cambio facoltativo del numero di canali e della frequenza di campionamento lungo il percorso. Non produrrà un MP3, né produrrà un FLAC. È un limite vero e conviene dirlo chiaramente invece di scoprirlo: se ciò che ti serve è un MP3 a partire da un file audio, su questo sito nulla te lo fabbricherà. Lo strumento di estrazione audio fa MP3, ma solo da un video.

Dai 16 bit discendono due conseguenze. Se la tua sorgente è un FLAC a 24 bit o una registrazione a 24 bit da un'interfaccia, il WAV che esce ha otto bit in meno di gamma dinamica — 98 dB invece di circa 146 — e la conversione è senza dither, quindi l'errore di troncamento appare come un rumore di fondo bassissimo invece che spalmato. Su un brano mixato e masterizzato non lo sentirà nessuno. Su una registrazione sul campo silenziosa che intendi alzare di 30 dB, sì. E se la tua sorgente è un file a 32 bit in virgola mobile da un registratore moderno, il taglio a più o meno uno non è una formalità: tutto ciò che superava il fondo scala nel dominio in virgola mobile — proprio ciò che la registrazione a 32 bit float esiste per permettere — qui viene appiattito al tetto invece di essere prima abbassato.

La frequenza che ti mostra è quella dei tuoi altoparlanti, non quella del tuo file

Carica un file e lo strumento stampa una riga tipo «Sorgente: 48000 Hz · Stereo». È facile leggerlo come un fatto sul file. Non lo è, o quantomeno non in modo affidabile, e il motivo è scritto nella specifica Web Audio: la decodifica prende il risultato e lo ricampiona «alla frequenza del BaseAudioContext se è diversa da quella dei dati audio». Il contesto qui è creato senza opzioni, e un contesto creato così usa la frequenza del dispositivo di uscita predefinito. Quindi il numero che vedi è la frequenza a cui l'uscita audio della tua macchina si trova a girare — di solito 48 000 Hz su un portatile, a volte 44 100, occasionalmente 96 000 se hai un'interfaccia professionale impostata così.

Le conseguenze pratiche sono piccole ma precise. «Mantieni» mantiene la frequenza decodificata, non quella originale del file, quindi un brano d'album a 44,1 kHz aperto su una macchina che gira a 48 kHz esce come WAV a 48 kHz, circa l'8,8 % più grande e ricampionato una volta. Chiedere esplicitamente 44 100 non annulla nulla: ricampiona una seconda volta, all'ingiù. Nessuno dei due passaggi è udibile in senso ordinario; sono entrambi interpolazione, fatta dal ricampionatore del browser, e il risultato è una buona approssimazione invece dei numeri originali. Quindi: se ti serve PCM esatto al bit da una sorgente senza perdita — per una somma di controllo, un confronto forense, una catena di mastering — non è questo lo strumento, e nessuno strumento da browser costruito su questa interfaccia può esserlo. Se ti serve un WAV che si riproduca correttamente e suoni giusto, che è ciò che serve a quasi tutti, è esattamente lo strumento, e la frequenza indicata si può tranquillamente ignorare.

Scegliere il mono, e scegliere una frequenza, senza raccontarsela

Il mono dimezza il file ed è la risposta giusta più spesso di quanto ci si aspetti, perché gran parte del materiale registrato non contiene alcuna informazione stereo: una sola voce in un solo microfono, un memo telefonico, una conferenza, un'intervista. Ripiegare quello in mono toglie un doppione, non una dimensione. È la risposta sbagliata per tutto ciò che abbia un'immagine stereo a cui tieni — musica, ambienza, qualsiasi cosa registrata con due microfoni distanziati — e non è reversibile: una volta sommati i due canali, nessun passo successivo li separa. L'abitudine sicura è tenere una copia stereo dell'originale e fare del mono un'esportazione.

Sulla frequenza, la posizione onesta è che 44,1 kHz e 48 kHz sono intercambiabili all'ascolto e che la scelta dipende interamente da ciò che sta a valle: il lavoro video è convenzionalmente a 48 kHz perché è ciò che usano i contenitori e la catena di trasmissione, la distribuzione musicale è convenzionalmente a 44,1 kHz perché è ciò che usava il compact disc, e passare dall'una all'altra è un'operazione di ricampionamento e non un cambio di etichetta. Fallo quando una destinazione lo esige, non per ordine. L'opzione a 22,05 kHz è una decisione di altro tipo: è un taglio di banda deliberato a 11 025 Hz, rende un file di parlato 4,35 volte più piccolo di uno stereo a 48 kHz se combinata col mono, ed è esattamente giusta per un caricamento da trascrivere ed esattamente sbagliata per qualsiasi cosa che qualcuno ascolterà per piacere.

Domande frequenti

Convertire la mia collezione di MP3 in FLAC migliora il suono?

No, e l'aritmetica mostra perché. Decodificare un MP3 a 190 kbit/s ti restituisce un flusso PCM a piena velocità, 1411,2 kbit/s, ma quei campioni sono la ricostruzione del decodificatore, non la registrazione originale. Il FLAC comprime poi quella ricostruzione alla perfezione — ed è proprio il problema: conserva con fedeltà totale esattamente il segnale danneggiato che gli hai dato. Ti ritrovi con un file circa quattro volte più grande dell'MP3 e indistinguibile dall'MP3 in un test cieco, perché è l'MP3, solo scritto in altro modo. L'unica cosa che guadagni è che nulla di ciò che farai dopo aggiungerà un'altra generazione: utile se stai per montare, inutile se stai per ascoltare.

48 kHz è meglio di 44,1 kHz?

In nessun modo che tu possa sentire. Una frequenza di campionamento fissa la frequenza più alta che un file può portare, esattamente alla sua metà, quindi 44,1 kHz arriva a 22 050 Hz e 48 kHz a 24 000 Hz — entrambe comodamente sopra il limite superiore dell'udito umano, che in pratica si ferma ben prima dei 20 000 Hz e cala con l'età. I due numeri esistono per ragioni storiche e industriali, non acustiche: 44,1 viene dal compact disc, 48 dal video professionale e dalla trasmissione. Scegli quello che la tua destinazione si aspetta, e converti solo quando qualcosa nella catena lo esige, perché convertire è un'operazione di ricampionamento con le sue piccole imperfezioni e non un cambio di etichetta gratuito.

Lo strumento dice 48 000 Hz ma so che è un rip a 44,1 kHz. Quale ha ragione?

Hai ragione tu, sul file; ha ragione lo strumento, su ciò che ha in memoria. Il passo di decodifica di Web Audio ricampiona l'audio decodificato alla frequenza del contesto audio, e il contesto è creato senza frequenza specificata, quindi prende quella del tuo dispositivo di uscita predefinito. Perciò la lettura ti dice a che frequenza girano i tuoi altoparlanti, e l'audio decodificato è davvero stato convertito a quella frequenza prima ancora che lo strumento lo veda. Se ti serve la frequenza dichiarata del file, leggila in un lettore multimediale o in uno strumento di ispezione. Se ti serve solo un WAV utilizzabile, questo non cambia nulla di percepibile — ma è il motivo per cui un file può uscire un po' più grande di quanto prevedesse il calcolo sulla sua frequenza originale.

Posso ottenere un MP3 da questo strumento?

No. Scrive WAV e solo WAV, perché è costruito sulla decodifica audio del browser stesso e non su un codificatore incorporato: il browser gli decodificherà un MP3, ma non gliene codificherà uno. Quell'asimmetria non è una svista, è il funzionamento della piattaforma. Se la tua sorgente è un video anziché un file audio, lo strumento di estrazione audio ha davvero un codificatore MP3 — una compilazione di LAME in WebAssembly — e te ne darà uno direttamente. Se la tua sorgente è già audio e ti serve un MP3, per quel passo finale ti servirà qualcosa fuori da questo sito. Il che, data la regola di andare con perdita una sola volta alla fine, è comunque il passo che dovresti fare per ultimo.

Il mio FLAC non si apre affatto nel convertitore. Perché?

Perché la decodifica è del browser, non dello strumento, quindi ciò che si apre dipende da quali codec il tuo browser porta con sé. Il FLAC è decodificabile da anni nei principali browser da scrivania, ma un file ad alta risoluzione può comunque fallire per un altro motivo: il formato ammette frequenze fino a poco più di un megahertz e profondità da 4 a 32 bit, e il decodificatore di un browser non è tenuto ad accettare l'intera gamma. Se un file a 192 kHz o a 24 bit rifiuta, provalo in un altro browser prima di concludere che sia rotto, e verifica che si riproduca altrove. Lo stesso vale al contrario per formati come Opus o i vecchi file Windows Media: l'elenco dei formati accettati è un sovrainsieme di ciò che un singolo browser sa davvero leggere.