Combinar audio es una decodificación, no un cálculo: cada archivo se decodifica en la misma cadena de números crudos, las partes conservadas se colocan una tras otra, y el resultado se re-codifica como un único archivo. Combinador de Audio ejecuta esa línea de trabajo completa en el navegador. Suelta tres clips —una introducción de 0:30, un tramo central de 0:45 y un cierre de 0:15—, ajusta cada uno con los tiradores, ordénalos con los botones de subir y bajar, y la salida de la combinación será un archivo de 1:30, exportado como WAV estéreo de 16 bits a 176.400 bytes por segundo o como MP3 de 128 kbps a 16.000 bytes por segundo, una brecha de tamaño de 11 a 1. Nada se sube: la Web Audio API decodifica, re-muestrea y codifica en la máquina que tiene los archivos.
Antes de combinar: recortar, cortar y reordenar
Cada pista dibuja una forma de onda con dos tiradores. El tirador izquierdo mueve la posición de inicio, el derecho mueve la posición final, la ventana seleccionada se resalta, y junto a cada tirador sigue una etiqueta de tiempo en formato M:SS. La ventana seleccionable más corta es de 0,05 segundos, que a 44100 hercios son exactamente 2205 muestras, así que cada corte tiene un límite duro por debajo del cual el recortador no baja. Los botones de subir y bajar reordenan la lista de pistas, y el orden de la lista es el orden de salida: el clip que está arriba suena primero en el archivo combinado. Al hacer clic en la forma de onda se fija un cursor de reproducción, y el botón de reproducción de la pista arranca desde ese cursor, que es la forma de escuchar un corte antes de confirmarlo. Si ya tienes un archivo único que quieres acortar, el recortador de audio realiza el mismo arrastre de tiradores como un paso independiente y devuelve el resultado como archivo, listo para combinarse con otros.
Los formatos que el navegador puede decodificar
El combinador acepta lo que acepte el decodificador del navegador: MP3, WAV, OGG, AAC y M4A en las plataformas habituales, todos decodificados por la misma ruta Web Audio hasta la misma forma intermedia. Un archivo que falle al decodificar se omite en lugar de tratarse como error fatal —las pistas restantes se combinan igualmente—, y esa es una asimetría deliberada. La herramienta optimiza para que los clips utilizables entren en un solo archivo, y el coste de un archivo malo es un tramo menos que se puede volver a importar tras corregirlo. Cuando un formato queda fuera de la ventana del decodificador, o un contenedor es poco común en la plataforma donde estás, la corrección es convertirlo antes a WAV o MP3 con el convertidor de audio y luego combinar. Convertir antes de combinar también normaliza las tasas de muestreo de antemano, acorta el paso de re-muestreo y deja toda la línea con un solo reloj desde el principio.
Una tasa de muestreo para todos los relojes
La concatenación necesita un solo reloj. Dos clips a tasas distintas contienen números distintos de muestras por segundo, y pegar uno tras otro estiraría o comprimiría la tasa que no elegiste. El combinador lo resuelve tomando la tasa de muestreo más alta entre las pistas y re-muestreando el resto hasta ella: un clip de 0:30 a 48000 hercios junto a un clip de 0:45 a 44100 hercios hace que toda la combinación corra a 48000 hercios, y el clip de 44100 se re-muestrea hacia arriba. El re-muestreador es el OfflineAudioContext del navegador, que aplica un filtro paso bajo al cambiar la tasa. Ese filtrado importa, porque la reducción simple —descartar una de cada dos muestras al dividir la tasa por dos— produce aliasing y añade un borde metálico a los agudos. Cuando la salida es MP3, el codificador solo reconoce una lista fija de tasas, así que las fuentes de alta resolución siguen una cadena limpia de divisiones por dos: 96000 pasa a 48000, 88200 a 44100, 192000 a 96000 y luego a 48000, y 176400 a 88200 y luego a 44100.
La división de salida: WAV frente a MP3
Ambas salidas guardan las mismas muestras con dos estructuras de coste distintas. El WAV escribe PCM de 16 bits detrás de una cabecera RIFF de 44 bytes: a 44100 hercios en estéreo son 176.400 bytes por segundo, así que la combinación de 1:30 son 15.876.044 bytes, unos 15,1 MiB, y el tamaño es exacto —duración por tasa por dos canales por dos bytes, más la cabecera. El MP3 codifica a 128 kbps, lo que da 16.000 bytes por segundo, así que el mismo 1:30 cae en 1.440.000 bytes, unos 1,4 MiB. La proporción es de 11 a 1, y se mantiene 11 a 1 para cualquier duración porque ambos formatos crecen linealmente con la duración. El trueque es sin pérdida frente a con pérdida: el WAV guarda cada muestra, el MP3 guarda lo que el modelo psicoacústico considera audible. Una fuente mono se duplica a ambos canales en lugar de rellenarse con silencio, así que la panorámica se mantiene neutra. Elige WAV para un maestro de archivo o una pasada de edición más, y MP3 para enviar, incrustar en vídeo o subir a un host. El convertidor de tamaño de archivo hace la misma multiplicación por segundo cuando necesitas estimar el tamaño de una duración que la herramienta no muestra.
De la grabación a la combinación
El paso de combinar es la mitad segunda de un flujo de captura. La grabadora de voz capta tomas en la misma ruta Web Audio dentro del navegador, así que un segmento grabado se puede guardar, meter en el combinador junto a archivos existentes, recortar para quitar el arranque fallido, y combinar en el corte final sin salir del sitio y sin una subida intermedia a un servicio de grabación. El patrón es el que los editores de pódcast y narración hacen a mano: grabar por separado y luego montar. Hacer el montaje en el cliente significa que las tomas crudas nunca tienen que pasarse a nadie, y eso importa cuando la grabación es una sesión con un cliente, un ensayo, o algo que su dueño preferiría no pegar en un formulario web.
Dónde aparece más el patrón de combinar
Combinar es un patrón general: decodificar a una forma común, reordenar, concatenar, re-codificar —y el formato del archivo es solo el empaquetado en los extremos. La misma forma atraviesa también documentos e imágenes en el navegador. El combinador de PDF une páginas de varios archivos PDF en el orden que elijas, el convertidor de imagen a PDF ensambla una pila de imágenes en un único documento, y la guía de recorte de imagen cubre el paso de preparación vecino, donde una imagen se reduce a la región que importa antes de empacarse. La propiedad compartida entre todas ellas es que la forma intermedia común hace el trabajo mientras los formatos quedan en los bordes, y que toda la línea corre en local: el audio, las páginas y los píxeles nunca salen de la máquina, que es exactamente la propiedad que debe tener una herramienta de combinación.