Sind "Ton extrahieren" und "Ton umwandeln" dasselbe?

Nicht ganz, doch in der Praxis geschieht meist beides zusammen. Ton zu extrahieren, heißt, die Tonspur im Container von der Videospur zu trennen; für sich genommen ist das ein Kopiervorgang. Umwandeln bedeutet, das Format dieser Tonspur zu ändern. Enthält die MOV-Datei AAC-Ton und Sie wollen MP3, wird sowohl extrahiert als auch umgewandelt, denn AAC-Daten können Sie nicht unverändert in eine MP3-Datei legen.

Ist die Umwandlung verlustfrei, wenn der Ton in der MOV-Datei PCM ist?

Nein. PCM sind unkomprimierte rohe Audiodaten, MP3 ist ein verlustbehaftetes Kompressionsformat. Aus PCM eine MP3-Datei zu machen, bedeutet die erstmalige Kompression des Tons, und definitionsgemäß wird dabei ein Maß an Information verworfen. Dieses Szenario ist jedoch günstiger, als eine bereits komprimierte AAC-Spur nach MP3 zu wandeln, denn die verlustbehaftete Kompression beginnt bei einer sauberen Quelle, und die Verluste zweier verschiedener Algorithmen überlagern sich nicht.

Warum können wir AAC nicht direkt in eine MP3-Datei legen?

Weil MP3 kein Container ist, sondern zugleich der Codec selbst. Während Container wie MP4 oder MOV verschiedene Codecs aufnehmen können, enthält eine .mp3-Datei definitionsgemäß nur Audiodaten, die mit dem MP3-Codec komprimiert sind. AAC-Daten in eine MP3-Datei zu schreiben, ist nicht möglich; der Ton muss zuerst dekodiert und dann erneut als MP3 kodiert werden. Genau das ist der technische Grund für den Qualitätsverlust.

Kann eine MOV-Datei mehrere Tonspuren enthalten?

Ja, das ist möglich. Besonders bei MOV-Dateien aus professionellen Kameras und Aufnahmegeräten können verschiedene Mikrofone als getrennte Spuren geschrieben werden; eine Spur ist etwa das Ansteckmikrofon, die andere das Kameramikrofon. In diesem Fall nimmt das Extrahieren meist die als Standard markierte oder die erste Spur. Wollen Sie alle Spuren einzeln, müssen Sie die Datei in einem Videoschnittprogramm öffnen und die Spuren einzeln exportieren.

Wie wird die Tonspur aus einer MOV-Datei herausgetrennt? Container, Spur und Codec

Was steckt in einer Videodatei?

Der Ausdruck "Ton aus einer MOV-Datei extrahieren" klingt beim ersten Hören, als geschehe da etwas Magisches – als höre sich das Werkzeug das Video an und erzeuge den Ton neu. Die Wirklichkeit ist viel schlichter, und sobald man sie einmal verstanden hat, fügt sich die gesamte Logik des Umwandelns zusammen.

Eine MOV-Datei ist ein Container. Ein Container ist die Struktur, die verschiedene Arten von Datenströmen in einer einzigen Datei zusammenhält und festhält, wo welcher beginnt und endet. Darin finden sich typischerweise:

Eine Videospur: die Daten des bewegten Bildes
Eine oder mehrere Tonspuren
Gegebenenfalls Untertitel- oder Timecode-Spuren
Metadaten: Laufzeit, Auflösung, Bildrate, Aufnahmedatum
Synchronisationsdaten: welches Tonbild zu welchem Einzelbild gehört

Der entscheidende Punkt: Der Ton ist bereits da. Er liegt in der Videodatei als eigener Strom, getrennt vom Bild. Was wir "Ton extrahieren" nennen, ist also eigentlich ein Heraustrennen – man nimmt einen von zwei Gegenständen aus der Kiste und lässt den anderen liegen.

In welchem Format liegt der Ton in einer MOV-Datei?

Hier gibt es eine MOV-typische Besonderheit. MOV ist Apples QuickTime-Container, und da er sowohl in der Consumer- als auch in der Profiwelt verwendet wird, unterscheidet sich das Tonformat darin je nach Quelle deutlich.

AAC ist am weitesten verbreitet. Videos von iPhone und iPad, macOS-Bildschirmaufnahmen und die meisten Consumer-Kameras schreiben den Ton als AAC. AAC ist ein verlustbehaftetes Format: Es verkleinert die Datei beim Speichern, indem es Informationen verwirft, die das menschliche Ohr schwer bemerkt.

PCM ist das zweithäufigste Format. Professionelle Kameras, externe Tonaufnahmegeräte und manche Bildschirmaufnahmeprogramme schreiben den Ton ohne jede Kompression in roher Form. PCM-Spuren belegen viel Platz, doch es wurde keine Information verworfen.

Seltener können in einer MOV-Datei auch verlustfrei komprimierte Formate wie ALAC oder andere spezielle Formate stecken, doch die beiden Hauptmöglichkeiten, denen Sie in der Praxis begegnen, sind AAC und PCM.

Der Unterschied zwischen Heraustrennen und Neukodieren

Hier liegt der Kern der Sache, und diese Unterscheidung zu verstehen, erklärt, warum ein Ergebnis so oder anders ausfällt.

Reines Heraustrennen (Kopieren): Stimmt das gewünschte Zielformat mit dem Format der Tonspur im Container überein, besteht die einzige Aufgabe darin, die Daten aus dem Container zu ziehen und in eine neue Datei zu schreiben. Die Audiodaten bleiben Bit für Bit gleich. Es entsteht kein Qualitätsverlust, und der Vorgang ist sehr schnell.

Neukodierung: Ist das Zielformat ein anderes, muss die Tonspur zuerst dekodiert (also in ihre digitale Wellenform zurückgeführt) und dann mit dem neuen Algorithmus von Grund auf komprimiert werden. Das ist echte Rechenarbeit, und wenn Sie in ein verlustbehaftetes Ziel kodieren, wird unweigerlich ein Maß an Information verworfen.

In welchem Fall befinden wir uns beim Szenario MOV→MP3? Nahezu immer im zweiten. Ist der Ton in der MOV-Datei AAC, gibt es keinen Weg, die AAC-Daten unverändert in eine MP3-Datei zu schreiben, denn eine .mp3-Datei trägt definitionsgemäß nur Daten, die mit dem MP3-Codec komprimiert sind. Ist es PCM, bedeutet das Ziel MP3 automatisch eine Kompression, weil PCM ohnehin unkomprimiert ist.

Die ehrliche Antwort lautet also: MP3 aus MOV zu extrahieren, ist in der Praxis immer eine Neukodierung und enthält einen gewissen Qualitätsverlust.

Warum verlangt AAC→MP3 besondere Aufmerksamkeit?

Was beim Umwandeln zwischen zwei verlustbehafteten Formaten geschieht, heißt fachlich doppelte Kodierung, und die Logik ist folgende.

AAC verwirft beim Komprimieren bestimmte Informationen – welche, entscheidet es nach seinem eigenen psychoakustischen Modell. Das Modell von MP3 ist ein anderes und verwirft andere Dinge. Wandeln Sie eine AAC-Spur nach MP3, erhält der MP3-Encoder einen bereits reduzierten Ton und legt seine eigene Reduktion darüber. Die beiden Verluste heben einander nicht auf, sie überlagern sich.

Das heißt nicht, dass das Ergebnis unbrauchbar wäre. Im Gegenteil: Mit einer vernünftigen Bitrate hören die meisten Menschen keinen Unterschied. Doch zwei Dinge sollte man wissen:

Eine Umwandlung kann den Ton niemals verbessern. Ist die AAC-Spur der Quelle schwach, repariert eine MP3-Datei mit 320 kbit/s sie nicht; sie speichert den schwachen Ton nur in einer großen Datei.
Wiederholte Umwandlungen summieren sich. Denselben Ton von MP3 nach AAC und von dort wieder nach MP3 zu wandeln, trägt jedes Mal etwas mehr ab. Wandeln Sie nach Möglichkeit immer von der Originalquelle aus um.

Warum wird so viel über die Wahl der Bitrate gesprochen?

Die Bitrate sagt dem MP3-Encoder, wie viele Bits er pro Sekunde ausgeben darf. Je größer das Budget, desto weniger Information muss der Encoder verwerfen.

Der praktische Ansatz lässt sich so zusammenfassen: Sprachlastige Aufnahmen – Interviews, Vorlesungen, Podcasts – bleiben selbst bei niedrigen Bitraten verständlich, denn die menschliche Stimme konzentriert sich auf einen engen Frequenzbereich. Musik, Live-Darbietungen oder reicher Umgebungsklang nutzen dagegen ein breiteres Spektrum, und bei niedriger Bitrate leiden zuerst die Details in den hohen Frequenzen und die Natürlichkeit heller Instrumente.

Ist die Quelle PCM, lohnt sich Großzügigkeit, denn Sie haben eine saubere Quelle und komprimieren sie zum ersten Mal. Ist die Quelle bereits eine AAC-Spur mit niedriger Bitrate, bringt eine sehr hohe MP3-Bitrate keinen Gewinn; die Grenze der Quelle können Sie nicht überschreiten.

Sie müssen diese Bestimmung nicht von Hand vornehmen – unser Werkzeug zum Extrahieren von MP3 aus MOV liest die Tonspur im Container selbst aus und führt die Umwandlung entsprechend durch; Sie müssen nur eine vernünftige Ziel-Bitrate wählen.

Die Frage von Dauer und Dateigröße

Ein letzter praktischer Punkt: Die Dauer des Extrahierens hängt weniger von der Länge der Tonspur ab als von der Gesamtgröße der Datei. Um an die Tonspur zu gelangen, muss das Werkzeug die Datei lesen, und eine professionelle MOV-Datei kann mehrere Gigabyte groß sein. Bei einer solchen Datei können Upload und Verarbeitung Minuten dauern – das ist kein Fehler, sondern die natürliche Folge der Dateigröße.

Die entstehende MP3-Datei belegt dagegen meist nur wenige Prozent des Originals. Genau deshalb füllt die MOV-Fassung eines Interviewvideos die Festplatte, während die MP3-Fassung bequem aufs Telefon passt: Die Bilddaten wurden entfernt, übrig blieb nur komprimierter Ton.

Zusammengefasst

MOV ist ein Container, der Ton liegt darin bereits als eigene Spur, und "Ton extrahieren" ist das Heraustrennen dieser Spur. Der Ton in einer MOV-Datei ist meist AAC, manchmal PCM; beides ist nicht MP3. Deshalb ist die Umwandlung MOV→MP3 kein Kopieren, sondern eine echte Neukodierung und enthält einen kleinen Qualitätsverlust. Beseitigen können Sie ihn nicht, aber Sie können ihn unhörbar halten, indem Sie eine zur Quelle passende Bitrate wählen und unnötige Zwischenumwandlungen vermeiden. Und in jedem Fall gilt die Regel: Eine Umwandlung kann den Ton niemals besser machen als seine Quelle.