提取完整音轨,而不是分离人声
视频转音频 会把视频中的一条音轨保存为独立文件。音轨中已混合的语音、音乐和背景声仍会保持混合状态。这不是人声分离、语音识别或降噪。
- 选择包含音频的视频,并检查预览。
- 根据接收音频的应用选择 MP3、WAV、OGG、FLAC、AAC 或 M4A。
- 为有损格式选择码率。除非有明确的交付要求,否则采样率和声道数保持原始值。
- 登录、导出并下载音频文件。
- 试听保存后的文件,检查时长、声道平衡和播放兼容性。
按后续用途选择音频格式
| 输出 | 编码 | 使用时需注意 |
|---|---|---|
| MP3 | 通过 FFmpeg 编码为 MP3 | 适用于要求 MP3 格式的播放器,采用有损压缩 |
| WAV | 16 位 PCM | 未压缩的采样数据,文件可能显著增大 |
| FLAC | 通过 FFmpeg 编码为 FLAC | 对输出的 PCM 表示进行无损压缩 |
| AAC / M4A | AAC | 裸 AAC 使用 ADTS;M4A 将 AAC 封装在 MP4 容器中 |
| OGG | 原生路径使用 Opus;FFmpeg 路径使用 Vorbis | 同一扩展名可能包含不同的音频编码 |
本工具的 M4A 使用 AAC,而不是 Apple Lossless。WAV 避免再次使用有损编码,但输出为 16 位采样,不能保留所有可能的更高精度源数据。WAV 和 FLAC 都无法重建源 AAC 或 MP3 编码器已丢弃的信息。
码率设置影响有损输出编码器。WAV 和 FLAC 不会把所选有损码率当作目标文件大小。请确认播放器支持文件实际使用的 OGG 编码,不要只看扩展名。
采样率与声道数的含义
采样率表示每秒音频包含多少采样帧,而不是播放速度。转换采样率会对信号重新采样,不会加快播放,也无法恢复缺失的高频细节。增加声道数不能把单声道源文件还原为真正的立体声录音。
选择原始值时,不显式覆盖采样率和声道数。选择具体数值则要求处理引擎转换音频,但编码器必须支持该设置。改变声道数可能改变混音,请试听后再替换交付文件。
举一个简单的大小计算示例:48 kHz、16 位立体声 PCM 在不计文件头的情况下,数据率约为:
48,000 frames/s * 2 channels * 2 bytes = 192,000 bytes/s这只是算术示例,不是实际导出测量结果。压缩后的文件大小取决于编码器和录音内容,输出音频仍可能比源视频更大。
保存的是哪条音轨
FFmpeg 路径明确选择第一条音频流,并禁用视频、字幕和数据输出。它使用所选音频编码重新编码该音轨;本页面不提供原始音频流复制。
-i input.media -map 0:a:0 -vn -sn -dn
-c:a libmp3lame -b:a 192k这个 MP3 示例展示的是相关参数,不是完整命令。选择具体采样率或声道数后,会添加对应参数。原生路径通过 Mediabunny 选择主音轨。工具不会把多音轨视频中的所有音轨混合成一个文件,也没有语言音轨选择器;原生路径的主音轨与 FFmpeg 的第一条音轨,在某些容器中可能并不相同。
没有音轨的无声视频无法提取出声音。工具会提示缺少音轨,而不是生成虚构音频。若原生路径无法处理所需音轨,页面会尝试 FFmpeg。
原生处理与回退路径
原生 Worker 不输出视频,只生成 WAV PCM、AAC、M4A AAC 或 OGG Opus 音频。这需要安全上下文和可用的源音频解码器;需要编码的输出还必须有对应编码器。MP3、FLAC,以及原生路径不支持或处理失败的组合,使用 FFmpeg。
两条路径都在本地运行,账户检查单独处理。原生实现通过 Blob 数据源读取输入媒体文件,但仍需缓冲完整输出。FFmpeg 使用 WASM 文件系统,所以只提取音频也不能消除输入文件的内存开销。较长的 WAV 输出可能尤其大。
导出时请保持标签页活跃。取消会终止当前处理引擎,原始视频保持不变。成功创建文件并不保证每个浏览器都能播放,请在实际接收音频的应用中测试下载文件。