Converter vídeo em MP3 ou extrair o áudio

Tirar o áudio de um vídeo em geral não custa nada

Um arquivo de vídeo é um contêiner que guarda faixas separadas: uma para a imagem, uma para o som, às vezes legendas ao lado. A trilha sonora já é, ali dentro, um arquivo de áudio comprimido e pronto — só está guardada ao lado de um vídeo. Extraí-la, no sentido estrito, significa copiar esses bytes para um arquivo próprio. Sem decodificar, sem recomprimir, sem decisão sobre qualidade, porque nada disso é necessário para mover dados de um contêiner para outro.

É isso que a opção M4A faz quando você deixa a qualidade em «Deixar como está». Quase todo MP4 e MOV carrega áudio AAC, e um .m4a é simplesmente AAC no contêiner dele, então a faixa cai no arquivo novo idêntica byte a byte à que estava no vídeo. Uma gravação de duas horas sai em mais ou menos o tempo de ler o arquivo do disco, e o que você recebe não é parecido com o original: é o original.

Converter é outra coisa, e esta página mantém as duas visivelmente separadas em vez de chamar as duas de «extrair». Pedir MP3, ou pedir uma taxa de bits específica, exige decodificar e comprimir de novo cada amostra. Isso leva tempo real e custa uma geração de qualidade. O painel acima do botão diz qual das duas você está a ponto de receber, neste arquivo específico, antes de você apertar qualquer coisa.

Copiar só é possível quando o que você pediu coincide com o que já está dentro: AAC de AAC, MP3 de MP3. Qualquer outra coisa é uma conversão de verdade. É por isso que a opção «Deixar como está» desaparece nos arquivos em que ela não se aplica — ali ela não é uma escolha um pouco pior, é uma coisa que não existe.

MP3 ou M4A — qual você realmente quer

O MP3 tem trinta anos, e essa é toda a vantagem dele: praticamente não existe aparelho que não toque um. Som de carro de 2006, aparelho de academia, gravador de voz baratinho, controlador de DJ, algum software de edição com filtros de importação estreitos. Se você vai entregar o arquivo para um desses, o MP3 é a resposta correta, e o fato de recodificar é só o preço.

Para todo o resto, o M4A é o melhor arquivo. Ele é AAC, que é justamente o que o seu celular, a sua câmera e praticamente todo vídeo da internet já gravaram — então extrair para M4A é uma cópia, e não uma conversão. Ele também soa melhor que o MP3 na mesma taxa de bits, por uma margem larga o bastante para que 128 kbps em AAC sejam geralmente considerados equivalentes a cerca de 192 kbps em MP3. Tudo o que foi feito nos últimos quinze anos toca, incluindo todo navegador, todo celular e o hardware da era do iTunes.

O caso a evitar é converter para MP3, por hábito, a trilha sonora de um MP4 comum. Esse áudio é AAC e já tem perda; codificá-lo de novo como MP3 não recupera nada, joga fora uma segunda rodada de detalhe e com frequência produz um arquivo maior que o de partida. Se nada do lado de quem recebe exige MP3, extrair o M4A é mais rápido, menor e sem perda.

O codificador de MP3 aqui é o LAME, compilado para rodar no seu navegador. Ele só é baixado se você realmente pedir uma conversão para MP3 — escolher M4A, copiar ou tirar o som nunca vai buscá-lo.

Taxa de bits, e até onde o áudio pode encolher honestamente

A taxa de bits é o único ajuste daqui, e é excepcionalmente direta: é uma promessa sobre tamanho. 192 kbps quer dizer 192 kilobits por cada segundo de áudio, então uma hora dá mais ou menos 86 MB não importa o que a gravação contenha. É essa aritmética que faz a compressão de áudio ser previsível de um jeito que a de vídeo nunca é — escolher uma taxa de bits é, na prática, escolher o tamanho do arquivo.

O que esse número te compra é detalhe, e a faixa útil é mais estreita do que as opções sugerem. Para fala — entrevistas, aulas, podcasts, notas de voz — 96 kbps já bastam e 128 é generoso; subir mais gasta bytes em chiado. Para música, 192 é o ponto em que a maioria deixa de conseguir apontar a versão codificada numa comparação, e 256 ou 320 são para arquivamento ou para material que você espera recodificar mais tarde. Abaixo de 96, a música começa a soar visivelmente fina, sobretudo pratos e palmas.

As listas diferem entre os dois formatos de propósito. O MP3 oferece de 96 a 320; o AAC começa mais baixo, em 64, porque continua utilizável mais para baixo. Se o seu objetivo é simplesmente o menor arquivo ainda ouvível — a gravação de uma reunião de duas horas que você quer guardar, digamos — 64 kbps em AAC dão conta com cerca de 29 MB por hora, e o MP3 não tem equivalente.

Qualquer taxa de bits que não seja «Deixar como está» recodifica, inclusive a mais alta. Escolher 320 kbps numa fonte de 128 kbps não restaura nada — guarda o mesmo áudio de forma menos eficiente. Quando você quer o arquivo em paz, a opção que faz isso é «Deixar como está».

Tirar o som de um vídeo

A terceira opção inverte as outras duas: manter a imagem, jogar o áudio fora. É uma remoção de verdade, não uma mudança de volume — a faixa não é escrita na saída de jeito nenhum, então não há o que aumentar de novo e o arquivo fica um pouco menor pela ausência dela. A imagem fica intacta e, quando a origem já é um MP4 ou MOV, nada é decodificado também, então isso termina em segundos qualquer que seja a duração.

O motivo mais comum para fazer isso não tem nada a ver com edição. Gravações de tela captam o que estava sendo dito na sala; vídeos de celular de uma apresentação escolar registram a conversa de quem estava atrás de você; um clipe que você quer mandar capturou uma música de fundo que você preferia não repassar. Tirar o áudio antes de o arquivo ir a qualquer lugar é uma operação de privacidade, e é uma operação muito melhor quando o arquivo nem precisa sair da máquina para isso.

Um caso custa tempo. Se a sua origem é WebM ou outro formato construído em torno de VP9 ou AV1, produzir um MP4 significa recodificar a imagem para H.264, porque esses codecs não podem ser simplesmente reempacotados num contêiner MP4. O painel avisa antes de você começar, e é a única situação em que tirar o som leva mais que alguns segundos.

Surround, Dolby e taxas de amostragem incomuns

Copiar uma faixa preserva tudo sobre ela, incluindo as configurações de canais 5.1 ou 7.1. Recodificar não consegue: o LAME escreve no máximo dois canais, e os codificadores AAC que os navegadores oferecem recusam entrada multicanal de saída, em vez de rebaixá-la eles mesmos. Então qualquer conversão daqui dobra o surround em estéreo, e o painel avisa antes de você começar. Se você precisa manter os canais, copiar é a opção que faz isso.

O Dolby Digital é o caso mais difícil. Faixas AC-3 e E-AC-3 podem ser copiadas — elas caem inteiras na saída, e os players de computador lidam com elas sem problema —, mas não podem ser recodificadas, porque nenhum navegador traz um decodificador de Dolby para, antes de tudo, conseguir lê-las. Em vez de exportar um arquivo mudo e deixar você descobrir depois, escolher uma taxa de bits numa faixa Dolby é bloqueado de saída, com «Deixar como está» oferecido como caminho. Uma consequência que vale conhecer: uma faixa Dolby copiada pode sair sem som se você der uma olhada no arquivo baixado numa aba do navegador, exatamente pelo mesmo motivo. Ela não está danificada; é o navegador que não consegue decodificá-la.

A taxa de amostragem é a última dessas questões. O MP3 aceita apenas nove delas, herança das especificações MPEG em que foi padronizado, e áudio de alta resolução gravado a 96 kHz não está entre elas. Esses arquivos são reamostrados para 48 kHz na saída — a mesma família de frequências, metade da taxa e, de qualquer forma, confortavelmente além do alcance da audição humana. O AAC não tem essa restrição, então extrair para M4A mantém a taxa original.

O que esta ferramenta não faz

Esta é uma ferramenta de extração em uma passagem, e não um editor de áudio, e vale enunciar as fronteiras de forma direta em vez de deixar você descobri-las.

1. Ela escreve só M4A, MP3 e MP4. Não há saída WAV, FLAC, OGG nem WMA.
2. Um arquivo, uma passagem. Sem fila em lote, sem juntar duas gravações e sem extrair várias faixas de um arquivo que tenha mais de uma.
3. Sem cortes, sem fades, sem normalização de volume e sem redução de ruído. Para tirar um trecho antes, use a ferramenta de ajuste e depois extraia do resultado.
4. Adicionar ou editar títulos, artistas e capas não faz parte disso.
5. Não há player de prévia. O painel descreve o que você vai receber; ouvir acontece depois de baixar.
6. Não há limite de tamanho, mas há uma verificação de disco. A saída é gravada no armazenamento local conforme é produzida, então a memória não cresce com o arquivo — mas o espaço precisa existir, e isso é verificado antes de qualquer coisa começar.

Seu original nunca é modificado nem movido. O que você baixa é um arquivo novo, então apagar a fonte continua sendo uma decisão que você toma, depois.

Perguntas frequentes