Jak wyodrębnić dźwięk z wideo (MP4 do MP3, WAV, M4A)

Jak działa wyodrębnianie dźwięku

MP4, MOV i WebM to kontenery, w których strumienie wideo i audio leżą obok siebie. Dźwięk jest już skompresowany kodekiem, najczęściej AAC w MP4 i MOV albo Opus lub Vorbis w WebM. Czasem narzędzie potrafi skopiować strumień audio bez zmian, bez ponownego kodowania, ale częściej koduje go na nowo do wybranego formatu, na przykład MP3.

Ponowne kodowanie oznacza, że dźwięk jest kompresowany jeszcze raz. Przy rozsądnej przepływności zwykle tego nie słychać, ale wynik nigdy nie będzie lepszy niż oryginalne nagranie.

Jaki format wybrać: MP3, M4A czy WAV

MP3 jest najbardziej uniwersalny: odtworzy go niemal każdy odtwarzacz, telefon i radio samochodowe. M4A (AAC) daje nieco lepszą jakość przy tym samym rozmiarze, ale niektóre starsze urządzenia radzą sobie z nim gorzej. WAV jest nieskompresowany: plik jest duży, ale nadaje się do dalszej edycji w programach audio, ponieważ nie dochodzi dodatkowa strata kompresji.

Wybór przepływności

Przepływność to ilość danych na sekundę przeznaczona na dźwięk. Dla mowy (wykłady, wywiady) zwykle wystarcza 96–128 kbps, a nagrania mono mogą mieć jeszcze mniej. Dla muzyki lub nagrań z dużą ilością dźwięków tła lepszy jest wybór 192–256 kbps, a 320 kbps to górna granica dla MP3.

Nie ma sensu wybierać 320 kbps, jeśli oryginał był kiepski lub został już skompresowany z niską przepływnością: żadne szczegóły nie wrócą, plik po prostu będzie większy.

Jakich rozmiarów plików się spodziewać

Rozmiar MP3 możesz oszacować samodzielnie: pomnóż przepływność przez czas trwania i podziel przez 8. Na przykład godzina dźwięku w 128 kbps to około 57 MB, a w 192 kbps około 86 MB. Godzina nieskompresowanego WAV (44,1 kHz, 16 bitów, stereo) zajmuje mniej więcej 600 MB.

Dlatego do archiwizowania długich wykładów praktycznym wyborem jest MP3 lub M4A, a WAV najlepiej zostawić na sytuacje, w których będziesz później edytować dźwięk.

Wyodrębnianie dźwięku krok po kroku

• Wybierz plik wideo (MP4, MOV lub WebM) i otwórz odpowiedni konwerter.
• Wybierz format wyjściowy: MP3 do ogólnego użytku, WAV do edycji.
• Jeśli jest ustawienie przepływności, użyj 128 kbps dla mowy i 192 kbps lub więcej dla muzyki.
• Rozpocznij konwersję i poczekaj. Dłuższe pliki wymagają więcej czasu i pamięci.
• Zapisz wynik i odsłuchaj początek, środek i koniec, aby upewnić się, że dźwięk jest kompletny.

Typowe zastosowania i uwaga prawna

Do częstych zastosowań należy słuchanie wykładu lub webinaru w drodze, transkrypcja wywiadu lub rozmowy, zamiana wideo z odcinkiem podcastu na wersję samego dźwięku oraz zapisywanie wiadomości głosowych.

Wyodrębniaj dźwięk wyłącznie z treści, które sam stworzyłeś, lub z materiałów, z których wolno Ci korzystać. Cudze filmy, produkcje i klipy muzyczne są zwykle chronione prawem autorskim, więc kopiowanie i rozpowszechnianie ich dźwięku bez zgody może być niezgodne z prawem. Jeśli masz wątpliwości, sprawdź warunki licencji.

Dobór ustawień do sytuacji

Wykład lub webinar: MP3 w 96–128 kbps, w miarę możliwości mono. Godzinne nagranie waży wtedy mniej więcej 43–57 MB i bez trudu mieści się na telefonie.

Wywiad do transkrypcji: MP3 lub M4A w 128 kbps w zupełności wystarczy, bo wyraźna mowa jest ważniejsza niż wysoka przepływność. Jeśli nagranie jest zaszumione, wybierz WAV, aby nie zgubić słabo słyszalnych szczegółów.

Podcast: powszechny jest MP3 stereo w 128 kbps. Do edycji pracuj w WAV i dopiero na końcu eksportuj do MP3.

Częste problemy i jak je rozwiązać

• Brak dźwięku: niektóre nagrania nie mają ścieżki audio lub mają ją pustą. Sprawdź oryginał w odtwarzaczu.
• Dźwięk niezgodny z długością: w bardzo długich nagraniach czasem pojawiają się drobne rozbieżności. Spróbuj innego formatu wyjściowego.
• Błąd pamięci: bardzo duży plik może nie zmieścić się w pamięci przeglądarki. Podziel wideo na części.
• Kilka ścieżek audio: filmy czasem zawierają wiele ścieżek (wersje językowe). Narzędzie zwykle bierze pierwszą, więc wynik może być w niewłaściwym języku.
• Nietypowa częstotliwość próbkowania: jeśli będziesz później edytować, zachowaj 44,1 lub 48 kHz, aby uniknąć dodatkowego przepróbkowania.