從影片抽出音訊

這個工具會把你影片裡的音軌寫成獨立檔案，並且完全保留它原本的編碼樣子。幾乎所有你會丟進來的影片音訊都是 AAC，所以結果是一個 M4A 檔案，裡面是同一份壓縮音訊，一個 packet 對一個 packet。沒有解碼、沒有重新編碼、沒有需要你做的品質選擇 —— 而且什麼都不上傳。

「抽出」跟「轉成 MP3」不是同一件事

多數提供這個功能的網站是把音訊取出來之後立刻再編一次 MP3。那是對一份已經有損的資料再做一次有損壓縮，而第一次壓縮留下的失真會被第二次當成訊號一起編進去。事後沒有辦法把品質補回來，而且一旦你把位元率調到足以蓋住傷害，檔案也不會真的比較小。

原封不動把那條軌取出來，整個問題就不存在。你影片裡的音訊在錄製或輸出的時候已經編過一次，那就是現存最好的版本。把它搬進自己的容器就是把那個版本給你，幾毫秒完成，沒有任何設定可以設錯。6 秒的片段在這裡大約 15 毫秒。

輸出是 M4A。那就是你本來就有的那個 MP4 容器，只裝音訊 —— 副檔名是一個慣例，用來告訴軟體該預期什麼。它能在 Apple Music 與 QuickTime、Windows Media Player 與「電影與電視」、VLC、每一個瀏覽器、Android 上播放，也能匯入任何值得用的剪輯軟體與 DAW。如果某個特定軟體真的只收 MP3，那需要重新編碼 —— 我們還沒做，而不是假裝有損那一步是免費的。

你確切會拿到什麼

頁面會回報搬了幾個音訊 packet。這裡一個 packet 就是一個 AAC 影格，通常是 1024 個取樣，所以 44.1 kHz 立體聲的 6 秒音軌大約是 260 個。這個數字跟來源一致、加上檔案大小跟原檔的音訊部分吻合，就是「沒有重新編碼」的驗證方式。

取樣率、聲道數與位元率就是來源原本的樣子；這個工具沒有辦法改它們，也沒有理由改。如果影片裡是 48 kHz 單聲道的人聲軌，出來就是那樣；如果是 44.1 kHz 立體聲的音樂，出來就是那樣。

有一個細節我們會回報，因為它是真的、而且有點彆扭。AAC 編碼器會在真正的內容前面加一小段暖機取樣（priming），而影片檔案用 edit list 把它標記成「不要播出來」。這些取樣在這裡是位元組完整保留的，但只有一條軌的檔案沒有地方安置那個標記，所以抽出來的音軌會比它在影片裡的呈現時間早大約二十毫秒開始。頁面會把確切數字寫出來。單獨聽是聽不出來的，只有當你要把音訊逐格對回畫面的時候才需要在意。

什麼時候該用、什麼時候不該用

當你要的就是「已經在那裡的那段聲音」，這是對的工具：把演講錄音從螢幕錄影裡取出來、留下訪談的音訊、把用影片形式寄來的語音留檔、或者把配樂抽出來拿到別的地方編輯。這些情況下重新編碼只會讓結果更差。

如果目的地堅持某個格式而那個格式不是 M4A，這就是錯的工具。如果你需要剪裁、串接、標準化音量或改音量，那也是錯的工具 —— 那些是音訊編輯，要做對就必須把軌解出來，而我們還沒做。反過來「把影片的聲音移除、留下畫面」是另一個操作，在這個網站上是另一個工具。

還有一段我們寧願講明白而不是暗示的話：從你沒有權利的影片裡抽出音訊，並不會因為工具很方便就變得可以。這個工具的存在是為了你自己的錄影，以及你被允許使用的素材。

為什麼「在瀏覽器裡做」對這一頁特別重要

你會想抽出來的音訊，往往是一段錄影裡最敏感的部分 —— 一場會議、一次諮詢、一則家人的訊息、螢幕錄影不小心錄到的通話。為了讓遠端的程式把幾百 KB 搬進另一個外殼而把它送上伺服器，是很不划算的交換。

這裡沒有東西離開分頁。沒有上傳，所以沒有保留政策要讀、沒有處理授權要同意、也沒有會外流的連結。執行的時候打開開發者工具的 Network 分頁，你會看到你的影片不在任何一筆請求裡；而這個網站送出的 Content-Security-Policy 標頭意味著就算腳本想送，瀏覽器也會拒絕。

實際的天花板是裝置記憶體而不是政策：輸出是在分頁裡組起來的，所以要預留「輸出 + 一百多 MB 工作空間」—— 桌機上輸入到 500 MB 都很舒服，手機砍半。因為音訊只佔影片的一小部分，這個工具能吃的輸入比這裡其他幾個大，而超過建議值時頁面會先警告，不會讓分頁死掉。