content_cut Audio-Trimmer star

Wie browserbasiertes Audio-Trimmen funktioniert

Dieses Tool sendet Ihre Datei niemals irgendwohin — es verwendet decodeAudioData() der Web Audio API, um das komprimierte Audio (MP3, AAC, OGG, was auch immer der Codec Ihres Browsers unterstützt) in einen rohen AudioBuffer zu entpacken: ein Array von Gleitkomma-Abtastwerten zwischen -1 und 1, eines pro Kanal. Dieser Dekodierschritt entspricht genau dem, den ein Media-Player intern durchführt, bevor er einen Ton tatsächlich abspielen kann — der Unterschied besteht hier darin, dass die dekodierten Abtastwerte in JavaScript zugänglich bleiben, statt direkt an die Lautsprecher zu gehen, was die Bearbeitung überhaupt erst ermöglicht. Ein Detail, das man kennen sollte: decodeAudioData() dekodiert in die eigene Abtastrate des AudioContext — je nach Audio-Hardware Ihres Geräts typischerweise 44,1kHz oder 48kHz — statt in die ursprüngliche Rate der Quelldatei, wobei bei Abweichungen automatisch neu abgetastet wird. Dies ist ein standardmäßiges, transparentes Verhalten, das in die Audio-Pipeline jedes Browsers eingebaut ist, kein Verhalten, das dieses Tool anders handhabt, und es gilt gleichermaßen, ob eine Datei 8kHz-Sprachaudio oder 96kHz-Studioaudio ist.

Ist das Audio erst einmal dekodiert, ist das Zuschneiden nichts weiter als Array-Slicing: Die ausgewählten Start- und Endzeiten in Sekunden werden mit der Abtastrate multipliziert, um Sample-Indizes zu erhalten, dann werden nur die Samples zwischen diesen beiden Indizes in einen neuen, kürzeren Puffer kopiert. Es gibt keine erneute Kodierung des Audioinhalts, keinen Qualitätsverlust, keine erneuten Kompressionsartefakte — die Wellenform innerhalb des ausgewählten Bereichs wird byte-für-byte in ihrer dekodierten Form kopiert.

Die Wellenform-Vorschau wird erzeugt, indem das dekodierte Sample-Array einmal durchlaufen, in so viele Abschnitte unterteilt wird, wie es horizontale Pixel gibt, und der minimale sowie maximale in jedem Abschnitt gefundene Abtastwert als vertikaler Balken gezeichnet wird — dieselbe Peak-Envelope-Technik, die jeder Audio-Editor verwendet, da das Zeichnen jedes einzelnen Samples (oft 44.100 pro Sekunde) sowohl verschwenderisch wäre als auch bei typischen Bildschirmauflösungen visuell nicht von der Min/Max-Hüllkurve zu unterscheiden ist.

Warum die Ausgabe WAV ist, nicht MP3

Das zugeschnittene Ergebnis wird als WAV exportiert — ein unkomprimierter PCM-Container, der die rohen Abtastdaten einfach mit einem standardmäßigen 44-Byte-RIFF-Header, der Abtastrate, Bittiefe und Kanalanzahl beschreibt, zurückschreibt. Dies ist ein bewusster, ehrlicher Kompromiss: Die Kodierung in ein komprimiertes Format wie MP3 erfordert einen vollständigen psychoakustischen Encoder (dieselbe Art komplexer Algorithmus, der ursprünglich zur Erstellung der Datei verwendet wurde), den Browser nicht nativ bereitstellen und für den eine große zusätzliche Bibliothek geladen werden müsste. WAV garantiert im Gegenzug null Generationsverlust — zehnmaliges Zuschneiden in Folge verschlechtert das Audio nie, im Gegensatz zum wiederholten erneuten Speichern eines verlustbehafteten MP3. Wird anschließend eine kleinere Datei benötigt, kann die resultierende WAV-Datei mit jedem gängigen Audio-Tool erneut komprimiert werden.

• Die exportierte WAV-Datei verwendet die Abtastrate des AudioContext (meist 44,1kHz oder 48kHz) und eine Bittiefe von 16 Bit, unabhängig von der ursprünglichen Rate oder Bittiefe der Quelldatei — das ergibt sich aus der Funktionsweise von decodeAudioData(), nicht aus einer Einschränkung des Zuschneidens selbst.
• Sehr lange Dateien (über etwa 30–60 Minuten) können erheblich viel Browser-Speicher beanspruchen, da der gesamte dekodierte Puffer vor dem Zuschneiden als Gleitkomma-Samples im RAM gehalten wird.
• Die Wellenform wird nur aus dem ersten Audiokanal gezeichnet; Stereo-Inhalte werden auf allen Kanälen gleichermaßen zugeschnitten, nur die Vorschau vereinfacht sich zu einer einzigen Linie.