视频转 MP3，或者把音频提取出来

把音频从视频里拿出来通常不花任何代价

一个视频文件是一个容器，里面装着彼此独立的轨道：画面一条，声音一条，有时候旁边还有字幕。那条声音轨本身就已经是一个压好的、完整的音频文件了——只不过它碰巧存在视频旁边。严格意义上的「提取」，就是把那些字节复制进一个自己的文件里。不解码、不重新压缩、也不需要决定什么画质，因为把数据从一个容器搬进另一个容器根本用不着这些。

把质量留在「保持原样」时，M4A 选项做的正是这件事。几乎所有 MP4 和 MOV 里装的都是 AAC 音频，而 .m4a 不过就是装在自己容器里的 AAC，所以那条轨落进新文件时和视频里那条逐字节相同。一段两小时的录音，耗时大约就是把文件从磁盘读一遍的时间，而你拿到的不是「接近原始」，它就是原始的那份。

转换是另一回事，这个页面把两者摆在明面上分开，而不是都叫「提取」。要 MP3，或者指定一个码率，就意味着每一个采样都得解开再压一遍。那要花实打实的时间，也要付一代画质。按钮上方的面板会在你按下任何东西之前，就这个具体的文件告诉你接下来是两者中的哪一个。

只有当你要的和里面本来就有的对得上时才搬得动：AAC 出 AAC，MP3 出 MP3。其他都是真正的转换。这也是为什么「保持原样」这个选项在用不上它的文件上会消失——在那里它不是一个稍差的选择，它是一件不存在的事。

MP3 还是 M4A——你实际想要的是哪个

MP3 已经三十岁了，而这就是它全部的优势所在：基本上没有哪台设备放不出它。2006 年的车机、健身器材、便宜的录音笔、DJ 控制器、某些导入格式很窄的剪辑软件。如果你要把文件交给这类东西，MP3 就是正确答案，要重新编码只是它的价钱。

其余所有情况下，M4A 都是更好的那个文件。它是 AAC，而 AAC 正是你的手机、你的相机以及网上几乎所有视频本来就录成的格式——所以提取成 M4A 是搬运而不是转换。同样码率下它也比 MP3 好听，差距大到 128 kbps 的 AAC 一般被认为相当于 192 kbps 左右的 MP3。近十五年出的东西都放得出它，包括所有浏览器、所有手机，以及 iTunes 时代的硬件。

真正该避开的是习惯性地把一个普通 MP4 的声音转成 MP3。那条音频是 AAC，本来就已经是有损的了；再编成 MP3 什么都找不回来，只是又扔掉一轮细节，而且经常比你一开始那个文件还大。如果收货那头没有非要 MP3，提取成 M4A 更快、更小，而且无损。

这里的 MP3 编码器是 LAME，编译成能在你的浏览器里运行。只有你真的要转 MP3 时它才会被下载——选 M4A、搬运或者去掉声音都不会去取它。

码率，以及音频到底能小到什么程度

码率是这里唯一的设置项，而它异常地直白：它就是一个关于体积的承诺。192 kbps 意味着每一秒音频占 192 千比特，所以一小时大约就是 86 MB，跟录的是什么内容无关。正是这个算术让音频压缩变得可预测，而视频压缩永远做不到这一点——选好码率，你其实就已经选定了文件大小。

这个数字买到的是细节，而真正有用的区间比选项列表看上去的要窄。人声——访谈、讲座、播客、语音备忘——96 kbps 就够了，128 已经很宽裕；再往上只是把字节花在底噪上。音乐则是 192 左右开始，多数人就已经没法在对比里挑出被编码过的那一版了，而 256 或 320 是留给存档、或者你预期以后还要再编码一次的素材。低于 96，音乐会明显变薄，尤其是镲片和掌声。

两种格式的可选列表刻意不一样。MP3 给到 96 到 320；AAC 从更低的 64 起步，因为它往下走还能保持可用。如果你的目标只是「能听的最小文件」——比如一段想留着的两小时会议录音——64 kbps 的 AAC 就能做到，一小时约 29 MB，而 MP3 没有对应的档。

除了「保持原样」之外的每一个码率都会重新编码，包括最高的那个。在一个 128 kbps 的源上选 320 kbps 什么都恢复不了——只是用更低的效率存了同一份音频。想让文件原封不动，那个选项叫「保持原样」。

去掉视频里的声音

第三个选项和前两个正好相反：留下画面，把声音扔掉。它是真的删除而不是调音量——那条轨根本不会被写进产物，所以没有什么可以再调回来，文件也因为它的缺席小了一点。画面原封不动，而且源本来就是 MP4 或 MOV 时连解码都没有，所以不管多长都是几秒完事。

最常见的动机跟剪辑毫无关系。屏幕录制会把房间里当时在说的话一并录进去；给孩子拍学校演出的手机视频会录下站在你后面那个人的聊天；一段你想发出去的片子录进了你不太想一起传出去的背景音乐。在文件流向任何地方之前把声音剥掉，这是一个隐私操作——而当这件事本身也不需要文件离开你的机器时，它是好得多的一个隐私操作。

有一种情况确实要花时间。如果你的源是 WebM 或其他围绕 VP9、AV1 构建的格式，要产出 MP4 就意味着把画面重新编码成 H.264，因为那些编码没法简单地重新装进 MP4 容器。面板会在你开始前说明，而这是「去掉声音」唯一一种超过几秒的情况。

环绕声、Dolby，以及不常见的采样率

搬运一条音轨会保留关于它的一切，包括 5.1 或 7.1 的声道布局。重新编码做不到：LAME 最多写两个声道，而浏览器提供的 AAC 编码器干脆拒收多声道输入，也不会自己帮你混下来。所以这里任何一次转换都会把环绕声折成立体声，面板会在你开始前说明。如果你需要保住那些声道，搬运是能做到的那个选项。

Dolby Digital 是更难的一种。AC-3 和 E-AC-3 音轨能搬——它们会完整落进产物，桌面播放器放得好好的——但没法重新编码，因为根本没有哪个浏览器带 Dolby 解码器去读它。与其导出一个无声文件再让你事后发现，不如直接禁掉「在 Dolby 音轨上选码率」这件事，并把「保持原样」作为出路给出来。有一个后果值得知道：如果你在浏览器标签页里预览下载下来的文件，搬出来的 Dolby 音轨可能是没声音的，原因完全一样。它没有坏，只是浏览器解不开。

采样率是最后一件。MP3 只接受九种，这是它当年被标准化进的那几份 MPEG 规范留下的痕迹，而按 96 kHz 录的高解析音频不在其中。那些文件在导出时会被重新采样到 48 kHz——同一个频率家族，一半的速率，而且两者都远在人耳能听到的范围之外。AAC 没有这个限制，所以提取成 M4A 会保留原始采样率。

这个工具不做什么

这是一个一遍处理完的提取工具，不是音频编辑器。边界在哪就直说，比让你自己撞上要好。

1. 只写 M4A、MP3 和 MP4。没有 WAV、FLAC、OGG 或 WMA 输出。
2. 一个文件，一遍处理。没有批量队列，不能把两段录音接起来，也不能从有多条音轨的文件里逐条提取。
3. 不能剪辑、没有淡入淡出、不做响度归一化、不做降噪。要先切掉一段，请用调整工具，再从它的产物里提取。
4. 增删曲目标题、艺术家和封面图不在这里。
5. 没有预览播放器。计划面板会说明你会得到什么；听是下载之后的事。
6. 没有体积上限，但有一道存储检查。产物是边生成边写进本地存储的，所以内存不会随文件一起涨——但空间得真的有，而且这在开始之前就会被验证。

你的原文件从不会被修改或移动。你下载到的是一个新文件，所以要不要删原件永远是你自己事后做的决定。

常见问题