Konwersja wideo na MP3 i wyciąganie dźwięku

Wyciągnięcie dźwięku z wideo zwykle nic nie kosztuje

Plik wideo to kontener trzymający osobne ścieżki: jedną na obraz, jedną na dźwięk, czasem obok nich napisy. Ścieżka dźwiękowa jest już w środku gotowym, skompresowanym plikiem audio — po prostu leży akurat obok obrazu. Wyciągnięcie jej, w ścisłym sensie, oznacza skopiowanie tych bajtów do własnego pliku. Bez dekodowania, bez ponownej kompresji, bez decyzji o jakości, bo nic z tego nie jest potrzebne, żeby przenieść dane z jednego kontenera do drugiego.

To właśnie robi opcja M4A, kiedy zostawisz jakość na „Zostaw bez zmian”. Prawie każdy MP4 i MOV niesie dźwięk AAC, a .m4a to po prostu AAC we własnym kontenerze, więc ścieżka trafia do nowego pliku identyczna bajt w bajt z tą z wideo. Dwugodzinne nagranie wychodzi mniej więcej w tyle, ile zajmuje odczytanie pliku z dysku, a to, co dostajesz, nie jest zbliżone do oryginału — to jest oryginał.

Konwersja to co innego, a ta strona trzyma jedno i drugie widocznie osobno, zamiast nazywać oba „wyciąganiem”. Poproszenie o MP3 albo o konkretną przepływność oznacza, że każda próbka musi zostać zdekodowana i skompresowana od nowa. To zajmuje realny czas i kosztuje pokolenie jakości. Panel nad przyciskiem mówi, które z dwojga zaraz dostaniesz dla tego konkretnego pliku, zanim cokolwiek naciśniesz.

Kopiowanie jest możliwe tylko wtedy, gdy to, o co prosisz, zgadza się z tym, co jest w środku: AAC z AAC, MP3 z MP3. Wszystko inne to prawdziwa konwersja. Dlatego opcja „Zostaw bez zmian” znika przy plikach, do których nie da się jej zastosować — nie jest tam odrobinę gorszym wyborem, tylko rzeczą, która nie istnieje.

MP3 czy M4A — czego naprawdę chcesz

MP3 ma trzydzieści lat i na tym polega cała jego przewaga: praktycznie nie ma urządzenia, które by go nie odtworzyło. Radia samochodowe z 2006 roku, sprzęt na siłowni, tanie dyktafony, kontrolery DJ-skie, część oprogramowania do montażu z wąskimi filtrami importu. Jeśli oddajesz plik czemuś takiemu, MP3 jest właściwą odpowiedzią, a to, że koduje od nowa, jest po prostu ceną.

W każdym innym przypadku lepszym plikiem jest M4A. To AAC, czyli dokładnie to, co nagrał już Twój telefon, Twój aparat i praktycznie każde wideo w internecie — więc wyciągnięcie do M4A jest kopią, a nie konwersją. Brzmi też lepiej niż MP3 przy tej samej przepływności, i to z zapasem na tyle dużym, że AAC 128 kb/s zwykle uznaje się za odpowiednik mniej więcej 192 kb/s w MP3. Wszystko, co powstało w ostatnich piętnastu latach, to odtwarza — każda przeglądarka, każdy telefon i sprzęt z czasów iTunes.

Przypadek, którego warto unikać, to zamienianie z przyzwyczajenia ścieżki ze zwykłego MP4 na MP3. Ten dźwięk to AAC i jest już stratny; zakodowanie go ponownie jako MP3 niczego nie odzyskuje — wyrzuca drugą rundę szczegółów i często daje plik większy niż ten, od którego zacząłeś. Jeśli nic po drugiej stronie nie wymaga MP3, wyciągnięcie M4A jest szybsze, mniejsze i bezstratne.

Koderem MP3 jest tu LAME, skompilowany tak, by działał w Twojej przeglądarce. Pobiera się tylko wtedy, gdy naprawdę poprosisz o konwersję do MP3 — wybór M4A, kopiowanie ani usuwanie dźwięku nigdy go nie ściągają.

Przepływność i to, jak mały uczciwie może być dźwięk

Przepływność to jedyne ustawienie na tej stronie i jest wyjątkowo proste: to obietnica dotycząca rozmiaru. 192 kb/s znaczy 192 kilobity na każdą sekundę dźwięku, więc godzina wychodzi na mniej więcej 86 MB, cokolwiek zawiera nagranie. Ta arytmetyka jest powodem, dla którego kompresja dźwięku jest przewidywalna w sposób, w jaki kompresja wideo nigdy nie jest — wybierając przepływność, w praktyce wybierasz rozmiar pliku.

To, co kupujesz za tę liczbę, to szczegółowość, a użyteczny zakres jest węższy, niż sugerują opcje. Do mowy — wywiady, wykłady, podcasty, notatki głosowe — 96 kb/s w zupełności wystarcza, a 128 jest hojne; wyżej wydajesz bajty na szum. Przy muzyce 192 to punkt, w którym większość ludzi przestaje wyłapywać zakodowaną wersję w porównaniu, a 256 albo 320 to archiwizacja lub materiał, który spodziewasz się kodować jeszcze raz później. Poniżej 96 muzyka zaczyna brzmieć wyraźnie płasko, zwłaszcza talerze i oklaski.

Listy różnią się między formatami celowo. MP3 oferuje od 96 do 320; AAC zaczyna niżej, od 64, bo pozostaje użyteczny dalej w dół. Jeśli celem jest po prostu najmniejszy słuchalny plik — powiedzmy dwugodzinne nagranie spotkania, które chcesz zachować — AAC 64 kb/s robi to za jakieś 29 MB na godzinę, a MP3 nie ma odpowiednika.

Każda przepływność poza „Zostaw bez zmian” koduje od nowa, łącznie z najwyższą. Wybranie 320 kb/s dla źródła 128 kb/s niczego nie przywraca — zapisuje ten sam dźwięk mniej wydajnie. Kiedy chcesz zostawić plik w spokoju, robi to opcja „Zostaw bez zmian”.

Usuwanie dźwięku z wideo

Trzecia opcja odwraca dwie poprzednie: zachowaj obraz, wyrzuć dźwięk. To prawdziwe usunięcie, a nie zmiana głośności — ścieżka w ogóle nie jest zapisywana do wyniku, więc nie ma czego podgłośnić, a plik jest przez jej brak odrobinę mniejszy. Obraz zostaje nietknięty, a kiedy źródłem jest już MP4 albo MOV, nic nie jest też dekodowane, więc całość kończy się w sekundy niezależnie od długości.

Najczęstszy powód, żeby to zrobić, nie ma nic wspólnego z montażem. Nagrania ekranu wyłapują wszystko, co było mówione w pokoju; telefonowe filmy ze szkolnego przedstawienia rejestrują rozmowę tych, którzy stali za Tobą; klip, który chcesz wysłać, złapał muzykę w tle, której wolisz nie przekazywać dalej. Zdjęcie dźwięku, zanim plik gdziekolwiek trafi, jest operacją na rzecz prywatności — i jest dużo lepszą operacją, kiedy plik nie musi w tym celu opuszczać komputera.

Jeden przypadek kosztuje czas. Jeśli Twoim źródłem jest WebM albo inny format zbudowany wokół VP9 lub AV1, wyprodukowanie MP4 oznacza zakodowanie obrazu od nowa do H.264, bo tych kodeków nie da się po prostu przepakować do kontenera MP4. Panel mówi o tym, zanim zaczniesz, i to jedyna sytuacja, w której usunięcie dźwięku trwa dłużej niż kilka sekund.

Dźwięk przestrzenny, Dolby i nietypowe częstotliwości próbkowania

Skopiowanie ścieżki zachowuje o niej wszystko, łącznie z układem kanałów 5.1 czy 7.1. Ponowne kodowanie nie potrafi: LAME zapisuje najwyżej dwa kanały, a kodery AAC udostępniane przez przeglądarki wprost odrzucają sygnał wielokanałowy, zamiast same go miksować. Każda konwersja składa więc tutaj dźwięk przestrzenny do stereo, a panel mówi o tym, zanim zaczniesz. Jeśli kanały mają zostać, robi to kopiowanie.

Dolby Digital to trudniejszy przypadek. Ścieżki AC-3 i E-AC-3 da się skopiować — trafiają do wyniku w całości, a odtwarzacze na komputerach radzą sobie z nimi bez problemu — ale nie da się ich zakodować od nowa, bo żadna przeglądarka nie ma dekodera Dolby, którym mogłaby je w ogóle odczytać. Zamiast wyeksportować cichy plik i pozwolić Ci odkryć to później, wybór przepływności dla ścieżki Dolby jest zablokowany, a wyjściem jest „Zostaw bez zmian”. Jedna konsekwencja, o której warto wiedzieć: skopiowana ścieżka Dolby może być cicha, jeśli odsłuchasz pobrany plik w karcie przeglądarki, dokładnie z tego samego powodu. Nie jest uszkodzona; to przeglądarka nie potrafi jej zdekodować.

Ostatnia z tych spraw to częstotliwość próbkowania. MP3 przyjmuje tylko dziewięć wartości, co jest pozostałością po specyfikacjach MPEG, w których go wystandaryzowano, a dźwięk wysokiej rozdzielczości nagrany w 96 kHz do nich nie należy. Takie pliki są przy zapisie przepróbkowywane do 48 kHz — ta sama rodzina częstotliwości, połowa wartości i tak czy owak daleko poza zakresem ludzkiego słuchu. AAC nie ma takiego ograniczenia, więc wyciągnięcie do M4A zachowuje oryginalną częstotliwość.

Czego to narzędzie nie robi

To narzędzie do wyciągania dźwięku w jednym przejściu, a nie edytor audio, i granice lepiej powiedzieć wprost, niż zostawić Cię z ich odkrywaniem.

1. Zapisuje wyłącznie M4A, MP3 i MP4. Nie ma wyniku w WAV, FLAC, OGG ani WMA.
2. Jeden plik, jedno przejście. Bez kolejki wsadowej, bez łączenia dwóch nagrań i bez wyciągania kilku ścieżek z pliku, który ma więcej niż jedną.
3. Bez przycinania, bez wyciszeń, bez normalizacji głośności i bez odszumiania. Żeby najpierw wyciąć fragment, użyj narzędzia do modyfikacji, a potem wyciągnij dźwięk z wyniku.
4. Dodawanie ani edytowanie tytułów, wykonawców i okładek nie jest tu przewidziane.
5. Nie ma odtwarzacza podglądu. Panel opisuje, co dostaniesz; słuchanie zaczyna się po pobraniu.
6. Nie ma limitu rozmiaru, ale jest kontrola dysku. Wynik jest zapisywany do lokalnej pamięci w trakcie powstawania, więc pamięć nie rośnie razem z plikiem — ale miejsce musi być, i sprawdzamy to, zanim cokolwiek się zacznie.

Twój oryginał nigdy nie jest zmieniany ani przenoszony. Pobierasz nowy plik, więc usunięcie źródła pozostaje decyzją, którą podejmujesz sam, później.

FAQ