El audio es obligatorio, la imagen es opcional
Casi todas las herramientas que combinan dos archivos te dan dos cajas de subida. Esta tiene una sola
caja que acepta las dos listas a la vez, los formatos de audio .mp3, .wav, .m4a, .ogg y
.flac junto a los de imagen .jpg, .jpeg, .png y .webp, y deduce cuál es cuál por la
extensión y no por el orden en que los añadiste.
La regla es asimétrica a propósito. Se exige exactamente un archivo de audio y sin él la ejecución se detiene. Se permite como mucho una imagen y cero es perfectamente válido, porque hay toda una segunda ruta de código para el caso sin imagen. Así que puedes soltar una canción y una portada juntas, soltar la canción y añadir la portada un momento después, o soltar la canción sola y elegir un color.
- Suelta tu pista en la caja, o pulsa Elegir archivos. Las extensiones aceptadas están impresas dentro de la zona de arrastre.
- Para una imagen de fondo, añade también una imagen, en el mismo arrastre o después. La lista de archivos de debajo de la caja debería acabar con un archivo de audio y como mucho una imagen.
- Elige una Resolución de vídeo, 720p (1280x720) o 1080p (1920x1080).
- Con una imagen, ajusta el encaje de imagen a Encajar la imagen entera (con bandas negras) o Llenar el fotograma (recorta la imagen). Sin imagen, elige un color de fondo entre negro, blanco, azul marino, rojo o verde.
- Pulsa el botón de convertir y deja correr el porcentaje.
- Descarga el MP4 desde el enlace, con los tamaños de antes y después impresos justo encima.
Las dos opciones que no hayas usado sencillamente se ignoran. Elegir un color de fondo con una imagen cargada no cambia nada, y tampoco lo hace fijar un modo de encaje sin ninguna imagen presente.
Antes de codificar un solo fotograma se hace una pasada de sondeo
La herramienta lee la duración de tu audio antes de codificar nada, ejecutando FFmpeg una vez sin salida y extrayendo la línea de duración del registro. Ese número se convierte después en un límite de duración explícito para la ejecución real. Si la duración no se puede leer, algo que pasa con un archivo truncado o corrupto, la ejecución se detiene ahí en lugar de adivinar.
La alternativa evidente sería decirle a FFmpeg que pare cuando termine la entrada más corta, que es la forma estándar de emparejar una imagen en bucle con una banda sonora. El comentario que hay sobre ese constructor de argumentos en el código fuente explica por qué aquí no se usa, y es un buen ejemplo de un planteamiento plausible que mató una medición: contra la compilación exacta de WebAssembly que carga este sitio, emparejar una imagen en bucle con esa opción producía una salida de alrededor de 1,7 segundos más larga que el audio, todas las veces, con entradas de prueba de 1, 2, 2,5 y 5 segundos, o sea un exceso fijo y no proporcional. Acotar a la duración sondeada daba la duración esperada siempre, dentro de los pocos milisegundos normales de redondeo de fotograma AAC. La pasada de sondeo existe para pagar eso.
Bandas negras frente a recortar tu portada
Con una imagen cargada, elegir entre los dos modos de encaje es elegir qué estás dispuesto a perder. Las portadas son cuadradas, los fotogramas de vídeo no lo son, y algo tiene que ceder.
Encajar la imagen entera escala la imagen hasta que cabe por completo dentro del fotograma y rellena el espacio sobrante con negro, centrada. No se recorta ni se estira nada, y para una imagen cuadrada en un fotograma 16 por 9 obtienes bandas a los dos lados. Llenar el fotograma escala en el otro sentido, hasta que la imagen cubre el fotograma entero, y después recorta lo que sobresalga. No hay bandas ni estiramiento, pero una imagen cuadrada pierde su parte de arriba y la de abajo. Los dos grafos terminan forzando píxeles cuadrados, así que ningún reproductor puede decidir estirar el resultado por su cuenta.
Ningún modo se niega nunca a agrandar, y ahí está la trampa. Un avatar de 500 píxeles se escala hasta 720 o hasta 1080 y sale blando, porque escalar añade píxeles y no detalle. Si la única obra que tienes es pequeña, el 720p la trata mejor que el 1080p.
La ruta del color sólido construye el vídeo de la nada
Sáltate la imagen y la herramienta no escribe ninguna imagen en el sistema de archivos virtual de FFmpeg. En su lugar genera una fuente de vídeo sobre la marcha, un campo plano de tu color elegido a la resolución elegida y a 25 fotogramas por segundo, y lo empareja con tu audio. Los cinco colores del desplegable son nombres de color reales que el filtro entiende, pasados tal cual, y cualquier cosa que la herramienta no reconozca cae a negro.
Esta es la ruta para un episodio de pódcast, la grabación de una clase o un corte de audio, donde una foto fija no aportaría nada. Además codifica rápido: un único color que no cambia es de lo menos exigente que se le puede dar a un codificador de vídeo, así que casi todo el trabajo es el audio.
Elegir 720p o 1080p según a dónde vaya esto
Una imagen fija no se beneficia de más píxeles como sí lo hace el metraje real, así que la elección de resolución va más de lo que espera el destino que de cómo se ve. El 720p es el valor por defecto y va sobrado para un fotograma estático; el 1080p merece la pena cuando la plataforma va a recodificar de todas formas y prefieres que parta de más datos, o cuando tu obra es genuinamente grande.
En cualquier caso, el flujo de vídeo acaba costando poquísimo, porque un codificador al que le dan un fotograma idéntico al anterior no tiene casi nada que guardar. En una pista de duración normal, la mayor parte del archivo terminado es el audio AAC a 192 kbps y no la imagen.
Lo que un MP4 de imagen fija no va a hacer por ti
Esto es una herramienta de empaquetado, no un editor de vídeo. No hay forma de onda, ni movimiento, ni texto, ni cortes. Si lo que quieres de verdad es algo que se mueva al ritmo del sonido, el visualizador de audio acepta el mismo conjunto de entradas de audio e imagen pero dibuja encima una forma de onda animada o un espectro en movimiento, con un tema de color a elegir. Si ya tienes metraje real y solo quieres cambiarle la banda sonora, añadir audio a un vídeo sustituye o mezcla una pista dentro de un clip existente en vez de inventarle una imagen.
En la dirección contraria, convertir MP4 a MP3 saca el audio de un vídeo ya
terminado, aunque ten en cuenta que acepta solo .mp4, así que un WEBM habría que convertirlo antes.