Al extraer audio de un vídeo: ¿MP3, M4A o WAV?

Vas a extraer el audio de un vídeo y la herramienta te pregunta el formato: MP3, M4A, WAV, AAC. Todos funcionan, pero tu elección afecta a la calidad, al tamaño del archivo y al tiempo de proceso. En este artículo analizamos, a través de escenarios reales, cuál es el correcto en cada momento.

Primero, la pregunta decisiva: ¿es posible la copia directa?

Esto es más importante que todas las demás comparaciones.

La pista de audio del vídeo está guardada en un códec concreto; en los vídeos MP4 normalmente AAC. Si tu formato de destino puede albergar ese códec, la herramienta puede trasladar los datos de audio sin recodificarlos en absoluto. Eso se llama copia directa y el resultado es idéntico: cero pérdida de calidad y una operación de segundos.

| Audio del vídeo | Destinos con copia directa | |---|---| | AAC (la mayoría de MP4) | M4A, AAC | | MP3 (algunos AVI) | MP3 | | Opus (WEBM) | Opus, OGG | | Vorbis (WEBM/OGG) | OGG | | FLAC (algunos MKV) | FLAC | | PCM (grabación profesional) | WAV | | AC3 / DTS (película) | AC3, DTS |

Esta tabla es la información más importante a la hora de elegir formato: si la fuente es AAC, elegir M4A es a la vez de más calidad y más rápido que elegir MP3.

Comparación de los formatos

| Formato | Tipo | Posibilidad de copia directa | Compatibilidad | 1 hora de voz | |---|---|---|---|---| | M4A (AAC) | Con pérdidas | Alta (desde MP4) | Muy alta | ~50 MB | | MP3 | Con pérdidas | Baja | La más alta | ~55 MB | | WAV | Sin pérdidas, en bruto | Con fuente PCM | Muy alta | ~600 MB | | FLAC | Sin pérdidas, comprimido | Con fuente FLAC/PCM | Media-alta | ~300 MB | | Opus | Con pérdidas | Desde WEBM | Media | ~25 MB |

Escenario 1: voy a escuchar una clase o una conferencia en el móvil

Grabación larga, contenido hablado, almacenamiento del móvil limitado.

Ganador: M4A (si es posible la copia directa) o MP3 a 96-128 kbps en mono.

Si la fuente es un MP4, elige M4A: se hace copia directa, la calidad se conserva exactamente y la operación termina al instante.

Si la copia directa no es posible o tu dispositivo no lee M4A, pasa a MP3 y piensa en dos ajustes:

Bitrate: 96-128 kbps. La voz necesita muchos menos datos que la música. Una grabación de una hora a ese bitrate ocupa entre 40 y 55 MB.

Mono. En una conversación de una sola persona, la información adicional que llevan los canales estéreo es prácticamente nula y el mono reduce el archivo a la mitad.

Con esos dos ajustes, una clase de una hora ocupa unos 30 MB. Si eliges estéreo a 192 kbps serán 165 MB: cinco veces más, con cero diferencia de calidad percibida.

Escenario 2: voy a montar un pódcast

Vas a tomar el audio de una grabación de vídeo y editarlo.

Ganador: WAV.

Durante la edición, el archivo se abre, se corta, se le limpia el ruido, se ajustan los niveles y se guarda muchas veces. Si trabajas con un formato con pérdidas, cada guardado implica una recodificación y la pérdida se acumula.

Las ventajas del WAV:

• No hay ninguna recodificación.
• Los programas de edición trabajan más rápido con este formato: abrir y posicionarse es instantáneo.
• Lo admite cualquier programa.

El precio es el tamaño: una hora de WAV estéreo ocupa unos 600 MB. Pero es un coste temporal; al terminar codificas una sola vez al formato de destino.

Nota: si el audio del vídeo de origen ya es con pérdidas (por ejemplo, AAC a 128 kbps), extraer a WAV no gana calidad: solo guardarás sin pérdidas ese audio con pérdidas. La ventaja es que no se añaden pérdidas durante el proceso de edición.

Escenario 3: voy a sacar la canción de un videoclip

Quieres el audio de la grabación de un concierto o de un videoclip.

Ganador: M4A (copia directa) o MP3 a 256-320 kbps.

La música necesita muchos más datos que la voz. A bitrates bajos, lo primero que se pierde son las frecuencias altas y la amplitud estéreo: los platillos, los instrumentos agudos y la sensación de espacio.

No olvides el techo de calidad de la fuente: si el vídeo lleva audio AAC a 128 kbps, hacer un MP3 a 320 kbps no sube la calidad por encima de esos 128 kbps. Solo limita la pérdida por transcodificación.

Un recordatorio realista: la versión de esa misma canción en un servicio de música suele tener mejor calidad que la pista de audio del vídeo. Extraerla del vídeo es una vía razonable cuando no tienes acceso a esa versión.

Escenario 4: voy a sacar el audio de una película

Quieres la pista de audio de un MKV de una película.

Ganador: depende, pero atención a la mezcla de canales.

El sonido de las películas suele ser de 5.1 o 7.1 canales y se guarda con el códec AC3 o DTS.

Si quieres hacer copia directa: extrae como AC3 o DTS. Es sin pérdidas, pero el número de dispositivos que pueden reproducir esos archivos es limitado.

Si quieres una escucha normal: conviértelo a MP3 o M4A en estéreo. Aquí se hace un downmix: seis canales se reducen a dos.

El downmix tiene un problema conocido: en el sonido de las películas los diálogos están en el canal central y los efectos en los laterales. Si las proporciones de mezcla no son adecuadas, las conversaciones quedan en segundo plano y los efectos dominan. Tras extraerlo, escucha una escena de diálogo y compruébalo.

Algunas herramientas ofrecen opciones que mezclan el canal central con más fuerza; si las tienes, úsalas.

Escenario 5: preparo el audio para una transcripción

Se lo vas a dar a una herramienta de conversión a texto.

Ganador: WAV o MP3 a bitrate alto.

Los sistemas de conversión a texto cometen más errores con audios de baja calidad. En particular:

• Si se han cortado las frecuencias altas, sonidos como "s" y "f" se confunden.
• Los artefactos de compresión emborronan los límites entre palabras.
• El ruido de fondo se degrada todavía más con la compresión.

Dale la mejor calidad que permita la fuente. Si la herramienta acepta WAV, usa WAV; si hay un límite de tamaño, un MP3 a 192 kbps es un compromiso razonable.

No bajes la frecuencia de muestreo. Algunos sistemas piden 16 kHz, pero deja esa conversión a la propia herramienta: si la bajas tú, no vuelve.

Escenario 6: mantengo un archivo de entrevistas

Vas a guardarlo a largo plazo y no necesitas el vídeo.

Ganador: FLAC (si la fuente es sin pérdidas) o copia directa a M4A.

Si la pista de audio del vídeo de origen es sin pérdidas (PCM o FLAC, algo que se ve en cámaras profesionales), extrae a FLAC: los datos se conservan exactamente y el archivo ocupa la mitad que un WAV.

Si la fuente es con pérdidas (AAC, MP3), extraer a FLAC no tiene ningún sentido. Guardarás sin pérdidas un audio con pérdidas; el archivo será cinco veces mayor y la calidad seguirá igual. En ese caso, la copia directa a M4A es la elección correcta: conserva los datos originales tal cual y no cambia el tamaño.

Regla general: elige la vía sin pérdidas más cercana a lo que sea tu fuente. Con fuente con pérdidas eso significa copia directa; con fuente sin pérdidas, FLAC.

Elecciones que conviene evitar

De fuente con pérdidas a FLAC/WAV. No gana calidad, solo pierde espacio. La única excepción es que vayas a editar.

Un bitrate muy por encima de la fuente. Convertir un AAC de 128 kbps en un MP3 de 320 kbps da un archivo grande con calidad de 128 kbps.

Recodificar sin necesidad. Si la fuente es AAC y tu dispositivo lee M4A, elegir MP3 añade una pérdida innecesaria.

Estéreo a bitrate alto para voz. Cinco veces el tamaño de archivo sin necesidad.

Cambiar la frecuencia de muestreo. Pasar de 48 kHz a 22 kHz corta las frecuencias altas y eso no vuelve.

Resumen de la decisión

Decide con tres preguntas:

1. ¿Vas a editar el audio? Sí → WAV.

2. ¿Tu dispositivo lee M4A y la fuente es AAC? Sí → M4A (copia directa, cero pérdida).

3. ¿La compatibilidad es crítica? Sí → MP3; para voz, 96-128 kbps en mono; para música, 192-320 kbps en estéreo.

Si la fuente es sin pérdidas (PCM/FLAC), añade FLAC para archivo. Si estás extrayendo el audio de una película, comprueba los diálogos tras el downmix. Y en todos los casos: verifica la duración del archivo resultante y que el sonido esté presente de principio a fin.