Como cortar áudio sem perder qualidade

A resposta curta

Abra o Cortador de áudio, solte a gravação lá dentro, aperte I e O para marcar cada trecho que você quer — quantos quiser — e exporte. Todo corte cai na amostra exata que você marcou, as amostras guardadas saem como entraram, e as emendas ganham uma queda de cinco milissegundos para não conseguirem estalar.

O trabalho é esse. O resto desta página é sobre por que essa exatidão é real e não conversa de propaganda, e sobre a única coisa que de fato dá errado quando você junta dois pedaços de som.

Por que um corte de áudio pode ser exato quando o de vídeo não pode

Vídeo não é guardado como uma sequência de imagens completas — isso seria enorme. A maioria dos quadros é guardada como uma descrição do quanto eles diferem dos vizinhos, então não dá para decodificá-los sozinhos. Só um quadro-chave se sustenta sozinho, e quadros-chave costumam ficar de um a dez segundos de distância. Por isso um cortador que copia quadros não consegue começar onde você quiser: ele tem que começar num quadro-chave, e é daí que vem o vídeo aparado que às vezes começa um ou dois segundos antes da sua marca. O guia de vídeo é quase todo sobre isso.

O som não tem equivalente. Depois de decodificada, uma gravação é uma fila de números — um por canal, dezenas de milhares de vezes por segundo — e cada um deles se sustenta inteiramente sozinho. A amostra 1.234.567 não precisa da 1.234.566 para significar alguma coisa. Então o corte pode ser feito em qualquer amostra, e “exatamente onde você marcou” quer dizer exatamente isso: a sua marca em segundos, multiplicada pela taxa de amostragem, arredondada para a amostra inteira mais próxima. A 48 kHz esse arredondamento é de no máximo dez microssegundos.

Também não há comportamento que dependa do player. Um vídeo aparado se apoia numa marca de edição que a maioria dos players respeita e alguns ignoram; um WAV aparado são as amostras e nada mais, então não sobra nada para um player discordar.

A pegadinha: uma emenda é um salto

Aqui está o que realmente dá errado quando se corta áudio, e a razão de um bom cortador ter um ajuste para isso.

Som é uma onda. Quando você corta do meio de uma palavra direto para o meio de outra, a amostra do fim do primeiro pedaço e a do começo do segundo não têm relação nenhuma: a forma de onda pode pular de perto do topo da faixa para perto do fundo numa única amostra. Um cone de alto-falante a quem se pede esse salto faz o som mais seco de que é capaz, e você ouve isso como um estalo na emenda.

Isso não tem nada a ver com perda de qualidade nem com o formato. Acontece com um corte perfeitamente sem perdas de uma gravação perfeitamente limpa. É simplesmente como um salto soa. Um cortador que corta na amostra exata e não faz mais nada vai estalar em algumas emendas e em outras não, dependendo só de onde na forma de onda as duas pontas foram cair.

O que uma queda de cinco milissegundos está realmente fazendo

O conserto é levar o nível ao silêncio pouco antes do corte e trazê-lo de volta logo depois, de modo que não sobre salto para dar. É só isso que uma “queda” é aqui: uma rampa aplicada a algumas centenas de amostras em cada borda.

O interessante é a duração. Cinco milissegundos são cerca de duzentas e quarenta amostras a 48 kHz. É tempo bastante para o cone fazer o caminho — o estalo some por completo — e curto demais para se ouvir como uma queda: cinco milissegundos são mais ou menos um quinto do tempo de dizer uma consoante. Você não vai perceber o nível se mexendo. Vai perceber só que a emenda está limpa.

Quedas mais longas são oferecidas porque certo material pede. Vinte ou cinquenta milissegundos valem a pena quando se emenda música, onde o que está sendo interrompido é uma nota sustentada e não uma sílaba, e a rampa mais curta ainda pode deixar um pop audível. Fala quase nunca precisa de mais de cinco.

Uma queda só cabe numa borda que de fato seja um corte. Se um trecho começa bem no início da gravação, nada foi tirado na frente dele — o arquivo já começava ali antes de qualquer corte — então fazê-lo entrar aos poucos seria uma edição que ninguém pediu. A ferramenta aqui põe quedas só onde existe emenda, e é por isso que não cortar nada deixa toda amostra intacta.

Cortar um MP3, e por que o que sai é um WAV

Você pode abrir um MP3, um M4A, um Ogg ou um arquivo Opus e cortar. O que volta é um WAV, e vale falar claramente da troca que isso representa em vez de apresentar como se fosse um recurso.

Existem duas maneiras de cortar áudio comprimido. Uma é cortar os dados comprimidos direto, movendo blocos codificados inteiros para um arquivo novo sem decodificar. Isso mantém o arquivo pequeno e não custa qualidade — só que um bloco de MP3 dura uns vinte e seis milissegundos, então todo corte é arredondado para a fronteira de bloco mais próxima, que é a versão em áudio do problema do quadro-chave. E é trabalho preso ao formato: um leitor de MP3 não corta nenhum arquivo Opus.

A outra maneira é decodificar, cortar na amostra exata e escrever as amostras de volta. Nada arredonda, todo formato que o navegador toca funciona igual, e as quedas passam a ser possíveis — não dá para fazer rampa num nível que você não decodificou. O custo é que as amostras precisam ser escritas de volta em algum formato, e nenhum navegador traz um codificador de MP3 ou AAC utilizável aqui. Um WAV não precisa de codificador: são as amostras com um cabeçalho curto na frente, então esse passo não tem como perder nada.

As consequências práticas: o que sai é bem maior do que o que entrou — uns dez megabytes por minuto em estéreo — e não é melhor que o MP3 de onde veio, porque a compressão que já aconteceu não se desfaz. Tudo abre um WAV, e qualquer coisa que precise de MP3 consegue fazer um a partir dele em um passo.

Marcar vários trechos de uma vez

A maioria dos cortadores online te dá um par de alças e pergunta qual único pedaço guardar. Para gravações de verdade isso responde à pergunta errada. Uma hora de entrevista não tem um trecho bom; tem seis, espalhados, e você os acha ouvindo tudo uma vez.

Então marque enquanto escuta: I onde um trecho começa, O onde ele acaba, quantas vezes quiser. Cada par vira uma linha que você pode ajustar ou reordenar, e uma faixa desenhada sobre a forma de onda. O arquivo pronto são essas linhas emendadas em ordem.

A mesma lista de marcas responde também à pergunta contrária. Se o que você quer fora são os “né”, o telefone tocando e as falsas partidas, marque esses e mude para “tirar os marcados” — aí é tudo o que você não marcou que se emenda. São as mesmas marcas dos dois jeitos, então dá para alternar e ver a duração final mudar sem marcar nada duas vezes.

Marcar é trabalho cuidadoso, e uma aba fechada não deveria custar isso: as marcas são salvas num arquivo de texto simples e carregam de volta. O formato é o mesmo que o Aparador de vídeo escreve, o que quer dizer que marcas feitas num vídeo podem ser soltas no áudio extraído dele, e vice-versa.

Olhe a forma de onda

Marcar som arrastando a agulha é chute; marcar de olho não é. Silêncio parece silêncio, uma tosse parece uma tosse, e os quatro segundos de ruído de sala antes de alguém começar a falar aparecem na hora em vez de terem que ser procurados.

Isso pesa mais nas marcas que as pessoas erram por pouco: o começo de uma frase geralmente quer ficar no silêncio antes da respiração, não depois, e o fim geralmente quer uma batida de ruído de sala em vez de um corte na última consoante. Os dois são óbvios no desenho e quase impossíveis de acertar só de ouvido. Arraste as pontas de um trecho marcado ao longo da forma de onda para acertá-las.

Cortar não é aplicar fade, e não é editar

Três palavras que viram uma pela outra. Cortar muda quais partes da gravação sobrevivem. Um fade — o musical, de segundos — é um efeito deliberado sobre o nível, e os poucos milissegundos descritos acima não são isso; são remoção de estalo, que por acaso usa a mesma aritmética.

Se o que você quer é a gravação de trás para frente, acelerada, mais devagar sem o tom mudar, ou levantada porque foi gravada baixa demais, isso é o Editor de áudio. É o mesmo decodificador e o mesmo escritor de WAV; ele só faz outra aritmética no meio.

Por que isso não precisa de envio

Cortar é aritmética sobre uma lista de números. O navegador já tem o decodificador — é o mesmo que toca o arquivo num elemento <audio> — e depois de decodificadas as amostras, ficar com algumas e largar o resto é uma cópia. Não há nessa descrição nenhum passo que um servidor faria melhor, e a ida e volta até ele seria a parte mais lenta do trabalho inteiro.

É também um tipo de arquivo em que enviar custa mais do que as pessoas imaginam. Gravações são vozes: entrevistas, aulas, ligações, áudios de mensagem, sessões de terapia, uma criança dizendo algo que você quer guardar. A ferramenta aqui não tem função de rede de espécie alguma, e a Content-Security-Policy da página lista todo endereço que ela pode contatar, e nenhum deles é nosso.

Desligue a internet e corte uma gravação assim mesmo, se você prefere conferir a acreditar. É seguro enviar arquivos para conversores online? reúne mais três checagens como essa.