Leitfaden zu Web-Audiocodecs

Gängige Codecs

Die folgende Liste zeigt die im Web am häufigsten verwendeten Codecs und die Container (Dateitypen), die sie unterstützen. Wenn Sie lediglich wissen möchten, welche Codecs grundsätzlich infrage kommen, bietet Ihnen diese Liste einen Überblick. Einzelne Browser unterstützen möglicherweise nicht alle aufgeführten Codecs; auch die unterstützten Containerformate können sich unterscheiden. Darüber hinaus können Browser weitere, hier nicht aufgeführte Codecs unterstützen.

Faktoren, die das kodierte Audio beeinflussen

Zwei allgemeine Gruppen von Faktoren beeinflussen das Audio, das ein Codec-Encoder ausgibt: das Format und der Inhalt des Quellaudios sowie der Codec und seine Konfiguration während der Kodierung.

Für nahezu jeden dieser Faktoren gilt: Die Wiedergabetreue digitaler Audiodaten hängt von der Granularität und Genauigkeit der Samples ab, mit denen der Ton in einen Datenstrom umgewandelt wird. Je mehr Daten die digitale Version des Audios darstellen, desto genauer entspricht der abgetastete Klang dem Ausgangsmaterial.

Einfluss des Quellformats auf das kodierte Audio

Da kodiertes Audio für die Darstellung jedes Samples grundsätzlich weniger Bits verwendet, kann das Format des Quellaudios die Größe der kodierten Daten weniger stark beeinflussen, als man erwarten würde. Dennoch wirken sich mehrere Faktoren auf Qualität und Größe aus. Die folgende Tabelle zeigt wichtige Eigenschaften des Quellformats und ihre Auswirkungen.

Entscheidungen während der Kodierung können diese Auswirkungen verändern. Wird der Encoder beispielsweise so konfiguriert, dass er die Abtastrate verringert, fällt deren Einfluss auf die Ausgabedatei entsprechend geringer aus.

Weitere Informationen zu diesen und anderen Eigenschaften von Audiodaten finden Sie unter Format und Struktur von Audiodaten.

Einfluss der Codec-Konfiguration auf das kodierte Audio

Audiocodecs verwenden in der Regel ausgeklügelte, hochkomplexe mathematische Algorithmen, um Quellaudiodaten so zu komprimieren, dass sie deutlich weniger Speicherplatz oder Netzwerkbandbreite beanspruchen. Neben der Wahl des Encoders können Sie diesen gegebenenfalls über Parameter anpassen: Sie können bestimmte Algorithmen auswählen und abstimmen sowie festlegen, wie viele Durchläufe bei der Kodierung erfolgen sollen.

Die verfügbaren Parameter und ihre möglichen Werte unterscheiden sich von Codec zu Codec und sogar zwischen verschiedenen Kodierungsprogrammen für denselben Codec. Weitere Informationen finden Sie in der Dokumentation Ihrer Kodierungssoftware.

Eigenschaften, die die Größe kodierter Audiodaten beeinflussen

Mehrere Faktoren beeinflussen die Größe kodierter Audiodaten. Einige betreffen die Beschaffenheit des Quellaudios, andere ergeben sich aus Entscheidungen während der Kodierung.

Verlustfreie und verlustbehaftete Codecs

Es gibt zwei grundlegende Kategorien der Audiokompression. Verlustfreie Kompressionsalgorithmen verringern die Größe des Audios, ohne Klangqualität oder Wiedergabetreue zu beeinträchtigen. Wird Audio dekodiert, das mit einem verlustfreien Codec wie FLAC oder ALAC komprimiert wurde, ist das Ergebnis bis auf das letzte Bit mit dem Original identisch.

Verlustbehaftete Codecs nutzen dagegen aus, dass das menschliche Gehör Audio nicht perfekt wahrnimmt und das Gehirn wichtige Informationen auch aus unvollkommenem oder verrauschtem Audio herausfiltern kann. Sie entfernen wenig genutzte Audiofrequenzen, nehmen Ungenauigkeiten beim dekodierten Ergebnis in Kauf und setzen weitere Verfahren ein, bei denen Audioinhalte und Wiedergabetreue verloren gehen. So entstehen kleinere kodierte Mediendaten. Nach dem Dekodieren bleibt der Inhalt in unterschiedlichem Maße verständlich. Wie ähnlich das Ergebnis für das menschliche Ohr dem ursprünglichen, unkomprimierten Audiosignal ist, hängt vom verwendeten Codec und den gewählten Kompressionseinstellungen ab.

Da verlustfreie Codecs bei der Kompression wesentlich zurückhaltender sein müssen, erzeugen verlustbehaftete Codecs fast immer deutlich kleinere Audiodaten.

Die häufigsten Gründe für die Wahl verlustfreier Audiodaten sind eine Archivierung in Originalqualität oder die geplante Abmischung und erneute Kompression von Samples. Im zweiten Fall lässt sich vermeiden, dass Artefakte durch wiederholte Kompression verstärkt werden. Für das Echtzeit-Streaming von Audio ist dagegen meist ein verlustbehafteter Codec erforderlich, damit der Datenstrom unabhängig von der Netzwerkleistung mit der Wiedergabegeschwindigkeit Schritt halten kann.

Maximale Anzahl an Kanälen

Der Ton für jeden Lautsprecher eines Soundsystems wird durch einen Audiokanal im Datenstrom bereitgestellt. Monoton hat einen Kanal, Stereoton zwei. 5.1-Surround-Sound hat fünf Audiokanäle und zusätzlich einen Low-Frequency-Effects-Kanal (LFE).

LFE-Kanäle sind speziell für niederfrequente Audiodaten vorgesehen und liefern beispielsweise häufig Daten für Subwoofer. Wenn die Anzahl der Audiokanäle in der Form X.Y angegeben wird, etwa 2.1 oder 5.1, bezeichnet die Zahl nach dem Punkt, Y, die Anzahl der LFE-Kanäle. MP3 unterstützt beispielsweise einen LFE-Kanal, AAC dagegen bis zu 16.

Neben dem Ton für bestimmte Lautsprecher eines Soundsystems können manche Codecs Audiokanäle auch für alternative Inhalte nutzen, etwa Sprachfassungen in verschiedenen Sprachen oder Audiodeskriptionen für Menschen mit Sehbehinderung.

Audiofrequenzbandbreite

Die Audiofrequenzbandbreite eines Codecs gibt den Bereich der Audiofrequenzen an, die er darstellen kann. Einige Codecs arbeiten gezielt damit, Audio außerhalb eines bestimmten Frequenzbereichs zu entfernen. Zwischen der Abtastrate und der höchsten Tonfrequenz, die eine mit dem Codec dargestellte Wellenform enthalten kann, besteht ein Zusammenhang. Theoretisch beträgt diese Höchstfrequenz die Hälfte der Abtastrate; sie heißt Nyquist-Frequenz. In der Praxis liegt der Höchstwert etwas darunter, aber nahe daran.

Besonders wichtig ist die Audiofrequenzbandbreite bei Codecs, die für menschliche Sprache statt für ein breites Spektrum von Klängen ausgelegt oder entsprechend konfiguriert sind. Menschliche Sprache enthält Informationen in einem breiten Frequenzbereich von unter 80 Hz bis über 10 kHz. Diese Angabe mag wenig hilfreich erscheinen, weil sie keine exakten Grenzen liefert. Menschen sind jedoch komplex, und menschliches Verhalten lässt sich nicht auf präzise Zahlen festlegen. Im herkömmlichen Schmalbandbereich der Telefonie von etwa 300 Hz bis 3,4 kHz lassen sich dennoch genügend Informationen erfassen, damit Sprache unter vielen Hörbedingungen verständlich bleibt. Eine größere Bandbreite kann die Verständlichkeit und die wahrgenommene Qualität verbessern.

Deshalb entfernen auf Sprache spezialisierte Codecs häufig zunächst Töne außerhalb eines festgelegten Bereichs. Dieser Bereich ist ihre Audiofrequenzbandbreite. G.722 entfernt beispielsweise Töne außerhalb des Bereichs von 50 Hz bis 7 kHz. So müssen von Anfang an weniger Daten kodiert werden.

Eine ausführliche Erläuterung dazu, wie Sie Bandbreite und gewünschte Qualität gegeneinander abwägen können, finden Sie unter Psychoakustik 101.

Einzelheiten zu den Codecs

Im Folgenden werden die grundlegenden Fähigkeiten und wichtigsten Einsatzgebiete der einzelnen Codecs kurz vorgestellt.

AAC (Advanced Audio Coding)

Der Codec Advanced Audio Coding (AAC) ist Teil des MPEG-4-Standards (H.264), genauer von MPEG-4 Part 3 und MPEG-2 Part 7. AAC wurde entwickelt, um bei höherer Audiowiedergabetreue stärker zu komprimieren als MP3. Es hat sich als beliebtes Format etabliert und ist das Standard-Audioformat für viele Medien, darunter Blu-Ray-Discs und HDTV. Auch bei Online-Anbietern wie iTunes gekaufte Musik verwendet dieses Format.

AAC bietet mehrere Profile, die Kompressionsverfahren für unterschiedliche Einsatzgebiete festlegen – von hochwertigem Surround-Sound bis zu Audio mit geringer Wiedergabetreue, das ausschließlich Sprache enthält.

Da AAC durch Patente belastet ist, lässt sich seine Unterstützung weniger zuverlässig vorhersagen. Firefox unterstützt AAC beispielsweise nur, wenn das Betriebssystem oder eine externe Bibliothek die Unterstützung bereitstellt.

ALAC (Apple Lossless Audio Codec)

Der Apple Lossless Audio Codec (ALAC oder Apple Lossless) ist ein von Apple entwickelter verlustfreier Codec. Nachdem das Format zunächst geschlossen war, veröffentlichte Apple es unter einer Apache-Lizenz.

Die plattform- und browserübergreifende Unterstützung für ALAC ist begrenzt. Für den allgemeinen Einsatz ist es deshalb keine besonders gute Wahl. Wenn Sie vorwiegend Benutzer von macOS und iOS ansprechen, kann sich ALAC dennoch lohnen, da diese Betriebssysteme es integriert unterstützen. Andernfalls ist FLAC wahrscheinlich die bessere Wahl, sofern Sie einen verlustfreien Codec benötigen.

Beachten Sie allerdings, dass verlustfreie Codecs deutlich mehr Bandbreite und Speicherplatz benötigen und sich außerhalb bestimmter Einsatzgebiete möglicherweise nicht gut eignen.

AMR (Adaptive Multi-Rate)

Der Adaptive-Multi-Rate-Audiocodec ist für die effiziente Kodierung menschlicher Sprache optimiert. Er wurde 1999 als Teil des 3GPP-Audiostandards für die Mobiltelefonie mit GSM und UMTS standardisiert. Er verwendet einen Schmalbandalgorithmus mit mehreren Bitraten, um Audiofrequenzen bei etwa 7,4 kbps in Telefonqualität zu kodieren. Neben der Echtzeit-Telefonie kann AMR-Audio für Sprachnachrichten und andere kurze Audioaufnahmen verwendet werden.

Als Datei gespeichertes AMR-Audio kann die Dateiendung .amr tragen, aber auch in .3gp-Dateien gekapselt sein.

Da AMR auf Sprache spezialisiert ist, eignet es sich praktisch nicht für andere Inhalte – auch nicht für Audio, das ausschließlich Gesang enthält. Weil AMR den Kapazitätsbedarf minimieren soll, erfasst es außerdem nur den Teil des gesamten Frequenzbereichs menschlicher Sprache, der zum Verstehen unbedingt erforderlich ist. Die Qualität fällt entsprechend geringer aus. Wenn Sie Audio mit möglichst geringem Bedarf an Netzwerkbandbreite und/oder Speicherplatz aufnehmen möchten, kann AMR eine ausgezeichnete Wahl sein. Für eine hochwertige Wiedergabe menschlicher Sprache oder auch nur für Musikwiedergabe in geringer Qualität benötigen Sie dagegen ein anderes Format.

FLAC (Free Lossless Audio Codec)

FLAC (Free Lossless Audio Codec) ist ein verlustfreier Audiocodec der Xiph.org Foundation. Er erzielt gute Kompressionsraten ohne Verlust an Wiedergabetreue: Das dekomprimierte Audio ist mit dem Original identisch. Da der Kompressionsalgorithmus speziell für Audio entwickelt wurde, liefert er bessere Ergebnisse als ein allgemeiner Kompressionsalgorithmus.

FLAC eignet sich gut für kleinere Audiodateien mit Soundeffekten, bei denen ein unverfälschter Klang und eine genaue Tonwiedergabe wichtig sind, sowie zur Archivierung von Musik.

G.711 (Pulse Code Modulation of Voice Frequencies)

Die von der Internationalen Fernmeldeunion (ITU) veröffentlichte Spezifikation G.711 erschien 1972 und definiert eine Standard-Audiokodierung für Telefonanwendungen. Sie unterstützt Audio in Sprachqualität mit Frequenzen von 300 bis 3.400 Hz. G.711 wird häufig für Telefongespräche und Sprachnachrichten verwendet und bietet die höchste Audioqualität, die über das öffentliche Telefonnetz übertragen werden kann.

G.711 ist kein Codec für hohe Wiedergabetreue. Stattdessen ist er darauf optimiert, einen großen Bereich von Sprachpegeln – vom Flüstern bis zum Schreien – bei guter Verständlichkeit und geringer Rechenkomplexität zu unterstützen. G.711 verwendet einen logarithmischen Companding-Algorithmus, der in einem 8-Bit-Sample einen Dynamikbereich von 14 Bit bereitstellt. Die Abtastrate beträgt 8.000 Samples pro Sekunde, entsprechend einer Bitrate von 64.000 bps.

Es gibt zwei Varianten von G.711, die sich durch die genaue mathematische Gleichung des Algorithmus unterscheiden: µ-law, vor allem in Nordamerika und Japan verbreitet, und A-law, im übrigen Teil der Welt üblich. Zwischen beiden Varianten besteht kein wesentlicher Qualitätsunterschied, und Audio lässt sich von einer in die andere umkodieren. Dennoch muss in jeder Wiedergabeanwendung und jedem Dateiformat angegeben werden, welche Variante verwendet wird. Wird A-law-Audio versehentlich mit dem µ-law-Algorithmus dekomprimiert, ist die Wiedergabe schlecht – und umgekehrt.

Alle WebRTC-Lösungen müssen diesen Codec unterstützen, da er einfach, leicht zu implementieren, weit verbreitet und mit allen modernen Computerplattformen weitgehend kompatibel ist.

G.722 (64 kbps (7 kHz) Audio Coding)

Der von der Internationalen Fernmeldeunion (ITU) veröffentlichte Codec G.722 wurde speziell für die Kompression von Sprache entwickelt. Seine Audiofrequenzbandbreite ist auf 50 Hz bis 7.000 Hz begrenzt und deckt damit den größten Teil des Frequenzbereichs typischer menschlicher Stimme ab. Für Audio, dessen Frequenzen außerhalb des Sprachbereichs liegen können, beispielsweise Musik, ist er deshalb wenig geeignet.

G.722-Audio wird mittels Adaptive Differential Pulse Code Modulation (ADPCM) kodiert. Dabei wird jedes Sample nicht durch seinen absoluten Wert dargestellt, sondern durch einen Wert, der die Abweichung vom vorherigen Sample angibt.

G.722 wird hauptsächlich für WebRTC-Verbindungen verwendet, da es zu den von der WebRTC-Spezifikation vorgeschriebenen Audiocodecs gehört.

MP3 (MPEG-1 Audio Layer III)

Von den in den MPEG/MPEG-2-Standards festgelegten Audioformaten ist MPEG-1 Audio Layer III, besser bekannt als MP3, mit Abstand das am häufigsten verwendete und bekannteste. Der MP3-Codec ist in MPEG-1 Part 3 und MPEG-2 Part 3 definiert. Er wurde 1991 eingeführt und 1992 fertiggestellt.

Wird Audio im MP3-Format in einem MPEG-Container gespeichert, heißt die resultierende Datei ebenfalls einfach „MP3-Datei“ oder „MP3“. Dateien mit der allgegenwärtigen Endung .mp3 liegen in einem der weltweit am weitesten verbreiteten Audiodateiformate vor. Dieses Format trug wesentlich zur Revolution des digitalen Audios in den späten 1990er- und frühen 2000er-Jahren bei.

MP3-Audio in MPEG-1 unterstützt höhere Bit- und Abtastraten als MP3-Audio in MPEG-2-Dateien. MP3 im MPEG-1-Format eignet sich daher im Allgemeinen besser für Musik und anderes komplexes Audio, während MP3-Audio im MPEG-2-Modus für Sprache und einfachere Klänge ausreicht.

Die Patente für MP3 sind abgelaufen. Dadurch entfallen viele oder die meisten Lizenzbedenken bei der Verwendung von MP3-Dateien in Ihren Projekten. Für viele Projekte sind sie deshalb eine gute Wahl.

Aus patentrechtlichen Gründen unterstützte Firefox MP3 vor Version 71 nicht direkt; stattdessen nutzte er native Bibliotheken der jeweiligen Plattform. Diese Unterstützung wurde auf den verschiedenen Plattformen mit unterschiedlichen Firefox-Versionen eingeführt:

Opus

Das Audioformat Opus wurde von der Xiph.org Foundation als vollständig offenes Audioformat entwickelt und von der IETF als RFC 6716 standardisiert. Opus ist ein vielseitiger Audiocodec, der sowohl wenig komplexes Audio wie Sprache als auch Musik und andere komplexe Klänge effizient verarbeiten kann.

Opus unterstützt mehrere Kompressionsalgorithmen und kann sogar in derselben Audiodatei mehr als einen Algorithmus verwenden. Der Encoder kann für jeden Audio-Frame Bitrate, Audiofrequenzbandbreite, Algorithmus und weitere Kompressionseinstellungen festlegen.

Opus ist ein vielseitig einsetzbarer Audiocodec für Webanwendungen und eignet sich für praktisch jede Audioaufgabe.

Vorbis

Vorbis ist ein offenes Format der Xiph.org Foundation. Es unterstützt zahlreiche Kanalkonfigurationen, darunter Mono, Stereo, Polyphonie, Quadrophonie, 5.1-Surround, Ambisonics und bis zu 255 einzelne Audiokanäle. Je nach der beim Kodieren gewählten Qualitätseinstellung kann die resultierende Bitrate zwischen ungefähr 45 kbps und 500 kbps liegen. Vorbis verwendet grundsätzlich eine variable Bitrate: Sie kann sich während der Kompression nach Bedarf von einem Sample zum nächsten ändern.

Bei ähnlicher Qualität ist Vorbis hinsichtlich Dateigröße und Bitrate im Allgemeinen effizienter als MP3. Zusammen mit seiner freien und offenen Lizenz macht das Vorbis zu einer guten Wahl für viele Arten von Audiodaten, sofern die hohe Latenz kein Problem darstellt.

Einen Audiocodec auswählen

Solange Sie keinen Codec wählen, der speziell für eine völlig andere Art von Quellaudio entwickelt wurde, wird fast jeder Codec die Aufgabe grundsätzlich erfüllen – auch wenn er nicht die beste Wahl ist. Ein reiner Sprachcodec liefert beispielsweise keine brauchbaren Ergebnisse für Musik.

Manche Codecs schränken allerdings die Kompatibilität ein, und einige eignen sich besser für Ihre Anforderungen als andere. Die folgenden Hinweise helfen Ihnen bei der Auswahl.

Berücksichtigen Sie zunächst diese Fragen:

• Soll das kodierte Audio später abgemischt oder erneut komprimiert werden? Vermeiden Sie dann verlustbehaftete Kompression, da sich die Verluste bei erneuter Kompression verstärken. Verwenden Sie andernfalls zumindest so wenig Kompression wie möglich.
• Muss das Audio in einem bestimmten Dateityp gespeichert werden? Mediencontainer unterstützen üblicherweise nur eine bestimmte Auswahl der verfügbaren Codecs.
• Welche Audioinhalte soll der Codec verarbeiten? Manche Codecs wurden speziell für Sprache entwickelt und nutzen deren geringeren benötigten Frequenzbereich. Andere können aufgrund ihres Algorithmus bei bestimmten Musikrichtungen schlechtere Ergebnisse liefern.
• Welche Bitraten und anderen konfigurierbaren Eigenschaften bietet der jeweilige Codec, und machen sie ihn zu einer guten oder schlechten Wahl?
• Wie wichtig ist eine geringe Latenz für Ihren Anwendungsfall? Wenn der Ton sehr genau zeitlich abgestimmt sein muss, ist eine möglichst geringe Latenz besser.
• Wie stark müssen Sie die Daten komprimieren?

Einige typische Szenarien verdeutlichen die Entscheidungsfindung.

Beispiel: Musik zum Streamen

Für Musikstreaming sollten Sie einen Codec wählen, der möglichst wenig Bandbreite benötigt und dabei durch die Kompression möglichst wenige Artefakte erzeugt. Die Musik darf nicht schneller heruntergeladen werden müssen, als die verfügbare Netzwerkbandbreite zulässt. Idealerweise bleibt zudem Spielraum für Schwankungen der Netzwerkgeschwindigkeit und für andere Anwendungen, die das Netzwerk nutzen.

Sofern verlustfreie Kompression nicht ausdrücklich erforderlich ist oder eine ausreichend hohe Netzwerkbandbreite garantiert werden kann, ist verlustbehaftete Kompression eine gute Wahl. Welches Verfahren Sie verwenden, hängt von der Browser-Kompatibilität und den besonderen Funktionen ab, die Sie möglicherweise benötigen.

Beim Musikstreaming ist die Latenz gewöhnlich nicht besonders wichtig. Ausnahmen sind beispielsweise Musikschleifen, die wiederholt ohne Unterbrechung abgespielt werden müssen, oder Titel, die lückenlos aufeinanderfolgen sollen. Das kann besonders bei klassischer Musik, Theater-Soundtracks und Hintergrundmusik während eines Spiels wichtig sein.

Für die allgemeine Musikwiedergabe kommen vor allem MP3, AAC und Vorbis infrage.

• AAC in einem MP4-Container wird von allen wichtigen Browsern unterstützt und ist daher eine gute Wahl.
• Vorbis wird fast immer in Ogg-Dateien verwendet, doch Ogg-Container werden nicht überall unterstützt. Selbst Microsoft Edge, das Vorbis unterstützt, unterstützt Ogg-Container bislang nicht.
• MP3 (MPEG-1 Audio Layer III) wird von allen wichtigen Browsern unterstützt. Es handelt sich dabei um MPEG-1-Dateien mit einer Audio-Layer-III-Spur.

Wenn Sie die Latenz bei der Musikwiedergabe minimieren müssen, sollten Sie Opus in Betracht ziehen. Unter den universell einsetzbaren Codecs bietet es die niedrigsten Latenzwerte: 5 ms bis 66,5 ms gegenüber mindestens 100 ms bei den anderen.

Wenn Sie nur ein Audioformat unterstützen können, ist AAC auf dieser Grundlage wahrscheinlich die beste Wahl. Können Sie mehrere Formate anbieten, etwa mithilfe des Elements <source> innerhalb Ihrer Elemente <audio> und <video>, lassen sich viele oder alle dieser Ausnahmen umgehen.

Beispiel: Musik zum Herunterladen

Musik, die Benutzer herunterladen, kann zu größeren Dateien komprimiert werden als gestreamte Musik. Anders als beim Streaming spielt es keine Rolle, ob der Download langsamer ist als die Wiedergabe. Sie können daher eine verlustbehaftete Kompression mit höherer Bitrate erwägen. Sie erzeugt größere Dateien, aber geringere Qualitätseinbußen. Alternativ können Sie ein verlustfreies Format wählen. Die Entscheidung hängt vor allem von den Anforderungen Ihrer Anwendung und den Vorlieben Ihrer Benutzer ab.

Ein Musikdownload-Dienst könnte Titel je nach Benutzervorliebe beispielsweise als MP3-Dateien mit 128 kbps, als AAC-Dateien mit 256 kbps in MP4-Containern oder als FLAC-Dateien anbieten. Müssen Sie sich auf ein Format beschränken, wählen Sie eines, das zu Ihren Anforderungen und den herunterzuladenden Audioinhalten passt.

MP3 ist das am häufigsten für Musik verwendete Format. Wählen Sie nach Möglichkeit eine Bitrate von mindestens 192 kbps. Der iTunes Store vertreibt Musik dagegen im AAC-Format mit 256 kbps.

Beispiel: Sprachaufnahme und -wiedergabe

Die besonderen Eigenschaften menschlicher Sprache ermöglichen es spezialisierten Sprachcodecs, Audio effizient zu komprimieren. Sie können die Struktur der Sprache nutzen und die Audiofrequenzbandbreite begrenzen. Zwar hören Menschen Frequenzen von ungefähr 20 Hz bis 20.000 Hz, doch viele der zum Sprachverständnis benötigten Informationen liegen zwischen etwa 300 Hz und 3.400 Hz. Schmalband-Sprachcodecs verwerfen Frequenzen außerhalb ihres unterstützten Bereichs, was zulasten der Verständlichkeit und der wahrgenommenen Qualität gehen kann. Weitere Informationen finden Sie unter Psychoakustik 101.

Die hier behandelten Sprachcodecs sind jedoch verlustbehaftet. Alle Informationen in Frequenzbereichen außerhalb der erfassten Audiofrequenzbandbreite gehen verloren. Für Anwendungen, die Musik mit hoher Wiedergabetreue benötigen, können diese Codecs daher ungeeignet sein. Selbst Audio, das ausschließlich Stimmen enthält, wird in diesen Formaten wahrscheinlich keine akzeptable Qualität erreichen, wenn es sich um Gesang statt um Sprache handelt.

Sprachaufnahme und -wiedergabe benötigen üblicherweise eine geringe Latenz, um mit Videospuren synchron zu bleiben oder Übersprechen und andere Probleme zu vermeiden. Glücklicherweise gehen die Eigenschaften, die Sprachcodecs besonders speichereffizient machen, meist auch mit einer sehr geringen Latenz einher. Wenn Sie mit WebRTC arbeiten, hat G.722 beispielsweise eine Latenz von 4 ms, gegenüber mehr als 100 ms bei MP3. Die Latenz von AMR beträgt ungefähr 25 ms.

Die im Web gebräuchlichen Codecs für die ausschließliche Kodierung von Sprache sind G.722 und AMR. AMR ist ein Schmalband-Codec, der nur Frequenzen zwischen 200 Hz und 3.400 Hz bei Bitraten von üblicherweise etwa 7,4 kbps kodiert. G.722 ist dagegen ein Breitband-Codec, der die Audiofrequenzbandbreite bei deutlich höheren Bitraten – gewöhnlich 64 kbps – auf 50 Hz bis 7.000 Hz erweitert.

Wenn Ihnen viel Netzwerkbandbreite zur Verfügung steht und Sie davon ausgehen können, dass dies auch für Ihre Benutzer gilt, ist G.722 die bessere Wahl. Wählen Sie AMR, wenn Sie bei begrenzten Ressourcen möglichst wenig Speicherplatz und Netzwerkbandbreite benötigen.

Beispiel: Audioclips für professionelles Abmischen

Wenn Audio später gemischt oder erneut abgemischt werden soll, möchten Sie beim Komprimieren üblicherweise gar keine oder nahezu keine Einbußen bei der Wiedergabetreue. Dafür bietet sich ein verlustfreier Codec an. Da verlustfreie Kodierung jedoch wesentlich schwächer komprimiert als verlustbehaftete, müssen Sie sich bei großen Quelldateien möglicherweise trotzdem für einen verlustbehafteten Encoder entscheiden – insbesondere im Web, wo Sie die Downloadgeschwindigkeit der Medien nicht kontrollieren können.

Nehmen wir an, verlustfreie Kompression sei hier die beste Option, was bei kleinen Audiodateien üblicherweise der Fall ist. Aus Codec-Sicht kommen vor allem FLAC, Apple Lossless (ALA und MPEG-4 ALS infrage. Die Wahl hängt von der Browserunterstützung und den unterstützten Mediencontainerformaten ab.

Für dieses Beispiel nehmen wir an, alle Browser unterstützten dieselben Codecs und Container wie Firefox – obwohl das in Wirklichkeit keineswegs zutrifft. Berücksichtigen Sie bei Ihren eigenen Entscheidungen die tatsächliche Verbreitung der Unterstützung.

• Firefox unterstützt FLAC in nativen FLAC-Containern sowie in Ogg- und MPEG-4-Dateien (MP4).
• Firefox unterstützt Apple Lossless nur über die plattformspezifische QuickTime-Unterstützung.
• Firefox unterstützt MP4 ALS nicht.

In diesem Fall ist FLAC wahrscheinlich die beste Wahl; ALAC wird von Browsern kaum oder gar nicht direkt unterstützt.

Software zur Audiokodierung

Für die Audiokodierung stehen viele Werkzeuge zur Verfügung. Die einfachsten dienen dazu, CDs auszulesen oder Audiodateien einzulesen und sie schnell und automatisch in MP3 oder AAC umzuwandeln, um sie in einer Mediathek zu speichern. Ein Beispiel ist iTunes. Bei der Entwicklung von Webanwendungen, die Audio als Bestandteil nutzen – etwa Spielen –, benötigen Sie jedoch mehr Kontrolle über den Kodierungsvorgang und mehr Auswahlmöglichkeiten für das Format.

Einige beliebte Optionen:

FFmpeg

FFmpeg ist wohl eines der bekanntesten und angesehensten verfügbaren Open-Source-Codec-Pakete. Es unterstützt die meisten gängigen Audioformate und stellt Kommandozeilenwerkzeuge und Bibliotheken bereit, mit denen sich Audio und Video kodieren, dekodieren und zwischen Formaten umwandeln lassen. Binärdateien sind für macOS, Linux und Windows verfügbar.

Handbrake

Ein sehr beliebtes Open-Source-Frontend für FFmpeg. Es ergänzt eine grafische Benutzeroberfläche, mit der sich die zahlreichen Optionen von FFmpeg beim Kodieren von Audio und/oder Video wesentlich leichter steuern lassen. Binärdateien sind für macOS, Linux und Windows verfügbar.

Audacity

Ein Open-Source-Audioeditor, mit dem sich Audiodaten aus vielen Formaten laden, bearbeiten, filtern und anpassen und anschließend im ursprünglichen oder in einem neuen Format speichern lassen. Verfügbar für macOS, Linux und Windows.

LAME

Ein hochwertiger Open-Source-MP3-Encoder, der CBR-, ABR- und VBR-Kodierung sowie viele weitere Optionen unterstützt. Das LAME-Projekt stellt ihn nur als Quellcode bereit; er kann jedoch über Homebrew oder ähnliche Werkzeuge installiert werden.

Siehe auch

• Mediencontainerformate
• Die Elemente <audio> und <video>
• WebRTC API
• Leitfaden zu Web-Videocodecs
• Von WebRTC verwendete Codecs