"Ses çıkarma" ile "ses dönüştürme" aynı şey mi?

Tam olarak değil, ama pratikte çoğu zaman ikisi birlikte olur. Ses çıkarma, kabın içindeki ses izini video izinden ayırmaktır; bu tek başına bir kopyalama işlemidir. Dönüştürme ise o ses izinin biçimini değiştirmektir. MOV'un içinde AAC ses varken MP3 istiyorsanız hem çıkarma hem dönüştürme yapılır, çünkü AAC verisini olduğu gibi MP3 dosyasına koyamazsınız.

MOV içindeki ses PCM ise MP3'e çevirmek kayıpsız olur mu?

Hayır. PCM sıkıştırmasız ham ses verisidir, MP3 ise kayıplı bir sıkıştırma biçimidir. PCM'i MP3 yapmak sesin ilk kez sıkıştırılması anlamına gelir ve tanım gereği bir miktar bilgi atılır. Ancak bu senaryo, zaten sıkıştırılmış bir AAC izini MP3'e çevirmekten daha avantajlıdır, çünkü kayıplı sıkıştırma temiz bir kaynaktan başlar ve iki farklı algoritmanın kayıpları üst üste binmez.

Neden AAC'yi doğrudan MP3 dosyasının içine koyamıyoruz?

Çünkü MP3 bir kap değil, aynı zamanda kodeğin kendisidir. MP4 veya MOV gibi kaplar farklı kodekleri taşıyabilirken, .mp3 dosyası tanımı gereği sadece MP3 kodeğiyle sıkıştırılmış ses verisi içerir. AAC verisini bir MP3 dosyasına yazmak mümkün değildir; ses önce çözülüp yeniden MP3 olarak kodlanmak zorundadır. Kalite kaybının teknik sebebi tam olarak budur.

Bir MOV dosyasında birden fazla ses izi olabilir mi?

Evet, olabilir. Özellikle profesyonel kamera ve kayıt cihazlarından gelen MOV dosyalarında ayrı mikrofonlar ayrı izler olarak yazılabilir; örneğin bir iz yaka mikrofonu, diğeri kamera mikrofonudur. Bu durumda ses çıkarma işlemi genellikle varsayılan ya da ilk izi alır. Tüm izleri ayrı ayrı istiyorsanız bir video düzenleme programında dosyayı açıp izleri tek tek dışa aktarmanız gerekir.

MOV İçindeki Ses İzi Nasıl Ayrıştırılır? Kap, İz ve Kodek Mantığı

Bir video dosyasının içinde ne var?

"MOV dosyasından ses çıkarma" ifadesi ilk duyulduğunda sanki sihirli bir şey oluyormuş gibi gelebilir — sanki araç videoyu dinleyip sesi yeniden üretiyor. Gerçek çok daha sade ve bir kez anladığınızda bütün dönüştürme mantığı yerine oturuyor.

Bir MOV dosyası bir kaptır (container). Kap, farklı türde veri akışlarını tek bir dosyada bir arada tutan ve hangisinin nerede başlayıp bittiğini kaydeden yapıdır. İçinde tipik olarak şunlar bulunur:

Bir video izi: hareketli görüntü verisi
Bir veya birden fazla ses izi
Varsa altyazı veya zaman kodu izleri
Meta veri: süre, çözünürlük, kare hızı, çekim tarihi
Senkron bilgisi: hangi ses karesinin hangi görüntü karesine denk geldiği

Kritik nokta şu: ses zaten oradadır. Video dosyasının içinde, kendi başına bir akış olarak, görüntüden ayrı saklanır. Dolayısıyla "ses çıkarma" dediğimiz şey aslında bir ayrıştırma işlemidir — kutunun içindeki iki eşyadan birini alıp diğerini bırakmak.

MOV'un içindeki ses hangi biçimde?

Burada MOV'a özgü bir durum var. MOV, Apple'ın QuickTime kabıdır ve hem tüketici hem profesyonel dünyada kullanıldığı için içindeki ses biçimi kaynağa göre belirgin şekilde değişir.

AAC en yaygın olanıdır. iPhone ve iPad videoları, macOS ekran kayıtları, çoğu tüketici kamerası sesi AAC olarak yazar. AAC kayıplı bir formattır: kaydederken insan kulağının fark etmesi zor olan bilgileri atarak dosyayı küçültür.

PCM ikinci sık karşılaşılan biçimdir. Profesyonel kameralar, harici ses kaydediciler ve bazı ekran kayıt yazılımları sesi hiç sıkıştırmadan, ham hâliyle yazar. PCM izler çok yer kaplar ama hiçbir bilgi atılmamıştır.

Daha nadiren MOV içinde ALAC gibi kayıpsız sıkıştırılmış veya başka özel biçimler de bulunabilir, ama pratikte karşılaşacağınız iki ana ihtimal AAC ve PCM'dir.

Ayrıştırma ile yeniden kodlama arasındaki fark

İşte konunun kalbi burası ve bu ayrımı anlamak, sonucun neden şöyle veya böyle çıktığını açıklıyor.

Saf ayrıştırma (kopyalama): Eğer istediğiniz hedef biçim, kabın içindeki ses izinin biçimiyle aynıysa, yapılacak tek iş veriyi kaptan çekip yeni bir dosyaya yazmaktır. Ses verisi bit bit aynı kalır. Hiçbir kalite kaybı olmaz ve işlem çok hızlıdır.

Yeniden kodlama: Eğer hedef biçim farklıysa, ses izinin önce çözülüp (dijital dalga formuna geri açılıp) sonra yeni algoritmayla baştan sıkıştırılması gerekir. Bu gerçek bir işlem yüküdür ve kayıplı bir hedefe kodluyorsanız kaçınılmaz olarak bir miktar bilgi atılır.

MOV→MP3 senaryosunda hangi durumdayız? Neredeyse her zaman ikincisinde. MOV içindeki ses AAC ise, AAC verisini bir MP3 dosyasına olduğu gibi yazmanın yolu yoktur, çünkü .mp3 dosyası tanım gereği yalnızca MP3 kodeğiyle sıkıştırılmış veri taşır. PCM ise, PCM zaten sıkıştırılmamış olduğu için MP3 hedefi otomatik olarak bir sıkıştırma anlamına gelir.

Yani dürüst cevap şu: MOV'dan MP3 çıkarmak pratikte her zaman bir yeniden kodlamadır ve bir miktar kalite kaybı içerir.

Neden AAC→MP3 özellikle dikkat ister?

İki kayıplı format arasında dönüşüm yaparken ortaya çıkan durumun teknik adı çift kodlamadır ve mantığı şudur.

AAC, sesi sıkıştırırken belli bilgileri atar — hangi bilgileri atacağını kendi psikoakustik modeline göre belirler. MP3'ün modeli farklıdır ve farklı şeyleri atar. Bir AAC izini MP3'e çevirdiğinizde, MP3 kodlayıcısı zaten eksiltilmiş bir sesi alır ve üstüne kendi eksiltmesini uygular. İki kayıp birbirini iptal etmez, üst üste biner.

Bu, sonucun kullanılamaz olacağı anlamına gelmez. Aksine, makul bir bit hızıyla yapıldığında çoğu insan farkı duymaz. Ama iki şeyi bilmek gerekir:

Dönüşüm sesi asla iyileştiremez. Kaynak AAC izi zayıfsa, 320 kbps MP3 yapmak onu düzeltmez; sadece zayıf sesi büyük bir dosyada saklar.
Tekrarlı dönüşümler birikir. Aynı sesi MP3'ten AAC'ye, oradan tekrar MP3'e çevirmek her seferinde biraz daha aşındırır. Mümkünse hep orijinal kaynaktan dönüştürün.

Bit hızı seçimi neden bu kadar konuşuluyor?

Bit hızı, MP3 kodlayıcısına saniye başına kaç bit harcayabileceğini söyler. Bütçe ne kadar genişse kodlayıcı o kadar az bilgi atmak zorunda kalır.

Pratik yaklaşım şöyle özetlenebilir: konuşma ağırlıklı kayıtlar — röportaj, ders, podcast — düşük bit hızlarında bile anlaşılır kalır, çünkü insan sesi dar bir frekans aralığında yoğunlaşır. Müzik, canlı performans veya zengin ortam sesi ise daha geniş bir spektrum kullanır ve düşük bit hızında ilk bozulan şey genellikle yüksek frekanslardaki detay ve tiz enstrümanların doğallığıdır.

Kaynak PCM ise cömert davranmakta fayda var, çünkü elinizde temiz bir kaynak var ve onu ilk kez sıkıştırıyorsunuz. Kaynak zaten düşük bit hızlı bir AAC ise çok yüksek bir MP3 bit hızı seçmek kazanç getirmez; kaynağın sınırını aşamazsınız.

Bu tespiti elle yapmak zorunda değilsiniz — MOV'dan MP3 ses çıkarma aracımız kabın içindeki ses izini kendisi okur ve dönüşümü ona göre yapar; sizin yapmanız gereken tek şey makul bir hedef bit hızı seçmektir.

Süre ve dosya boyutu meselesi

Son bir pratik nokta: ses çıkarma işleminin süresi ses izinin uzunluğuyla değil, dosyanın toplam büyüklüğüyle daha çok ilgilidir. Aracın ses izine ulaşması için dosyayı okuması gerekir ve profesyonel bir MOV dosyası birkaç gigabayt olabilir. Böyle bir dosyada yükleme ve işleme aşaması dakikalarca sürebilir — bu bir hata değil, dosya boyutunun doğal sonucudur.

Buna karşılık ortaya çıkan MP3 genellikle orijinalin yüzde birkaçı kadar yer kaplar. Bir röportaj videosunun MOV hâli disk doldururken MP3 hâlinin telefona sığması işte bu yüzdendir: görüntü verisi çıkarılmış, geriye yalnızca sıkıştırılmış ses kalmıştır.

Özetle

MOV bir kaptır, ses onun içinde ayrı bir iz olarak zaten durur ve "ses çıkarma" o izi ayırma işlemidir. MOV içindeki ses genellikle AAC, bazen PCM'dir; ikisi de MP3 değildir. Bu yüzden MOV→MP3 dönüşümü bir kopyalama değil, gerçek bir yeniden kodlamadır ve küçük bir kalite kaybı barındırır. Bu kaybı ortadan kaldıramazsınız, ama kaynağa uygun bir bit hızı seçerek ve gereksiz ara dönüşümlerden kaçınarak duyulmaz seviyede tutabilirsiniz. Ve her koşulda geçerli olan kural şudur: dönüşüm sesi hiçbir zaman kaynağından daha iyi hâle getiremez.