Quelqu'un m'a demandé de retirer le son d'un enregistrement de conférence de 40 minutes afin qu'il puisse passer par téléphone pour le trajet. J'ai fait la chose évidente en premier, qui était de la convertir en MP3, et cela a pris quelques minutes et a produit un fichier légèrement plus grand que l'audio qui se trouvait déjà à l'intérieur de la vidéo. Ensuite, j'ai fait la chose que j'aurais dû faire en premier et j'ai copié la piste à la place. Cela a pris moins d'une seconde, le fichier était plus petit et le son était un peu identique à ce que l'enregistreur a capturé. La deuxième méthode n'est pas une astuce ou un raccourci. C'est pour cela que le format de fichier a été conçu, et presque tous les convertisseurs qui répondent à cette question l'ignorent.
tl;dr : Un MP4 ou un MOV contient généralement de l'audio AAC, et un M4A est le même AAC dans un conteneur uniquement audio de la même famille, de sorte que la piste peut être copiée directement sans décodage et sans perte. Mesuré sur un clip de test de 60 secondes ici : la copie s'est terminée en 0,04 seconde et le flux audio extrait avait le même MD5 que le flux à l'intérieur de la vidéo. Encodage du même son vers MP3 à 192 kbps a pris 0,36 seconde, produit un fichier 48 % plus grand et a subi une deuxième série de compression avec perte dont il n'avait pas besoin. Choisissez M4A à moins que quelque chose en aval ne le refuse, choisissez WAV lorsqu'un éditeur ou un transcrire veut un PCM, et choisissez MP3 uniquement pour un appareil qui ne lit rien d'autre. le Extracteur audio Est-ce que les trois dans l'onglet du navigateur, ainsi une réunion enregistrée ne quitte jamais la machine.
Qu'y a-t-il dans la piste audio d'un MP4 ?
Un MP4 est un conteneur, ce qui signifie qu'il s'agit d'un système de classement plutôt que d'un format. À l'intérieur se trouvent des flux séparés : un contenant des images compressées, un retenant un son compressé, parfois des pistes de sous-titre et des marqueurs de chapitre à côté d'eux. Le conteneur décrit où chacun commence, combien de temps il s'exécute et quel codec a été utilisé, et c'est presque tout ce qu'il fait.
Le flux sonore d'un MP4 est presque toujours AAC. C'est ce qu'un iPhone produit, ce qu'un enregistrement d'écran Mac produit, ce qu'une exportation QuickTime produit, ce que produit un drone et ce que chaque appareil photo qui écrit MP4 ou MOV a produit pendant une quinzaine d'années. Il existe des exceptions, pour la plupart des fichiers plus anciens avec un son MP3 dans un wrapper MP4 et des formats professionnels transportant un PCM non compressé, mais AAC est la valeur par défaut écrasante.
Ceci est vérifiable sur n'importe quel fichier que vous avez. ffprobe Vous le dira sur une seule ligne, tout comme l'inspecteur de fichiers dans la plupart des lecteurs vidéo. Sur le clip de test que j'ai créé pour ce guide, le flux audio rapporte comme aac, 44100 Hz, stereo, 128158 bit/s, qui est un enregistrement ordinaire de qualité caméra.
La conséquence utile est celle de la section suivante. Une fois que vous savez que le flux est AAC, vous savez qu'un M4A peut le tenir sans le toucher.
Pourquoi l'audio peut-il sortir sans être converti ?
Parce que M4A est le même conteneur avec la partie vidéo omis.
Les deux MP4 et M4A sont des profils du format de fichier de supports de base ISO, la structure standardisée en ISO/IEC 14496-12 et partagée par MP4, M4A, M4V, MOV et une poignée d'autres. Il est né du format QuickTime d'Apple, dont La mise en page de la boîte est toujours documentée dans son intégralité et lit comme une description de MP4 parce qu'il en est presque un. Les boîtes sont disposées de la même manière, les exemples de tableaux fonctionnent de la même manière, et une piste AAC écrite dans un octet est pour l'octet la même piste écrite dans l'autre. L'extension diffère de sorte qu'un système d'exploitation sait s'il faut ouvrir une fenêtre de lecteur, et c'est la plupart de l'endroit pour l'extension.
Donc, extraire le son d'un MP4 dans un M4A n'est pas une conversion. C'est un remux : les échantillons audio sont lus dans un conteneur et écrits dans un autre, et aucun décodeur ou encodeur n'est impliqué à tout moment. Rien n'est interprété, donc rien ne peut être dégradé.
C'est la même distinction qui provoque le plus grand malentendu du côté de la vidéo, couvert de Le guide de format vidéo: Changer un wrapper est presque gratuit, changer la compression à l'intérieur n'est pas. L'extraction audio est le cas où l'option gratuite est également la bonne, ce qui est plus rare qu'il ne devrait l'être.
En termes de ffmpeg, l'ensemble de l'opération est composé de quatre arguments :
ffmpeg -i recording.mp4 -vn -acodec copy recording.m4a
-vn Dépose le flux vidéo. Laissez-le et FFmpeg essaie de transporter l'image dans un conteneur qui n'a nulle part où la mettre, ce qui produit un M4A que votre lecteur de musique refuse d'ouvrir. -acodec copy est la partie qui le rend sans perte : il indique à FFmpeg de passer les échantillons plutôt que de les remettre à un encodeur.
Comment savez-vous que la copie n'a vraiment rien perdu ?
Parce que vous pouvez hacher le flux avant et après, et les deux hachages correspondent.
J'ai construit un fichier de test de 60 secondes, une vidéo 1280x720 H.264 avec une piste stéréo AAC de 128 kbps, 19 Mo au total. Ensuite, j'ai haché le flux audio à l'intérieur de la vidéo, copié le son et l'ai haché à nouveau :
$ ffmpeg -i src.mp4 -vn -c:a copy -f md5 -
MD5=650032f86f01780991c64c30bd02f71b
$ ffmpeg -i src.mp4 -vn -acodec copy out.m4a
real 0.04
$ ffmpeg -i out.m4a -c:a copy -f md5 -
MD5=650032f86f01780991c64c30bd02f71b
Même résumé, de sorte que les données audio compressées dans le M4A sont les données audio compressées de la vidéo, sans un bit modifié. Le fichier extrait était de 950 Ko et l'ensemble de l'opération a pris 0,04 seconde, soit à peu près le temps nécessaire pour lire 19 Mo sur un SSD.
Ce test vaut la peine d'être exécuté sur votre propre fichier plutôt que de prendre confiance, car c'est la seule façon de dire une copie réelle d'une conversion qui prétend en être une. Si les deux hachages diffèrent, quelque chose a réencodé votre audio tout en vous disant que non.
Combien vous coûte le choix de MP3 ?
Une deuxième génération de compression avec perte, plus un fichier plus grand.
AAC et MP3 fonctionnent tous les deux en écartant ce qu'un modèle psycho-acoustique prédit que vous ne pouvez pas entendre, et ils ne sont pas d'accord sur ce que c'est. Ils divisent le signal en différents nombres de bandes, ils modélisent le masquage différemment et ils gèrent les transitoires soudains différemment. Ainsi, lorsqu'un encodeur MP3 reçoit la sortie décodée d'un fichier AAC, il ne peut pas dire quelles parties proviennent du microphone et quelles sont les premières encodeurs. Il dépense des morceaux à préserver les deux et jette une partie de ce qui a survécu au premier passage.
Voici le même clip de 60 secondes à travers chaque chemin :
| production | Comment cela a été fait | Taille | chronométrer | nouvelle perte |
|---|---|---|---|---|
| m4a | Flux AAC copié | 972 706 octets | 0,04 s | Aucun, hachage-identique |
| MP3 192 kbps | décodé, réencodé avec boiteux | 1 441 479 octets | 0,36 s | Oui, deuxième génération |
| agiter | Décodé sur PCM 16 bits | 10 584 142 octets | 0,05 s | Aucun ajouté, aucun annulé |
Le MP3 est 48% plus grand que le M4A tout en conservant un son qui a traversé un encodeur de plus. Il n'y a pas de paramètre qui évite cela, car la perte est dans le décodage et ré-encodez elle-même plutôt que dans le débit binaire.
Aucun de ces éléments ne fait de faux MP3. Un autoradio de 2009, un enregistreur vocal bon marché, un tapis de course avec un port USB et une quantité surprenante de logiciels de diffusion lira MP3 et rien d'autre. Quand c'est la destination, la perte de génération est le prix du fichier lu, et c'est un petit prix sur la parole. Le but est de le payer en connaissance de cause plutôt que parce qu'un outil a choisi MP3 pour vous.
Un débit binaire MP3 plus élevé améliore-t-il l'extraction ?
Cela fait du MP3 une copie plus fidèle de l'audio endommagé, ce qui n'est pas la même chose que la meilleure.
J'ai testé cela avec une source haut débit, car les tonalités pures sont faciles pour un codec et ne vous disent rien. Le clip de test était de 30 secondes de bruit rose mélangé à un sinusoïdal faible, codé à 128 kbps AAC, ce qui est à peu près à quel point la musique réelle est dure sur un encodeur. Ensuite, j'ai décodé ce AAC en PCM pour l'utiliser comme référence, l'ai codé en MP3 à deux débits et mesuré le rapport signal/distorsion de chacun par rapport à la référence :
| Débit binaire MP3 | Taille pour 30 s | DTS contre la source AAC |
|---|---|---|
| 192 kbps | 705 Ko | 26,7 dB |
| 320 kbps | 1,1 Mo | 42,3 dB |
Le fichier de 320 kbps est une reproduction beaucoup plus étroite de l'audio AAC, d'environ 15 dB. Ce qu'il n'est pas, c'est une reproduction plus étroite de l'enregistrement d'origine, car l'AAC a déjà abandonné cela et aucun encodeur ne peut le remettre en place. Les 400 Ko supplémentaires ont acheté une copie plus fidèle de la sortie du premier encodeur, artefacts inclus.
Donc la règle de Le guide de conversion audio tient, avec une raison plus nette derrière. La correspondance ou la légère réduction du débit source correspond à la plage sensible. Aller bien au-dessus, c'est dépenser du stockage pour préserver les détails qui ne figurent pas dans l'enregistrement, et aller bien en dessous, c'est s'emparer d'une seconde portion de ce qui est.
Si la fidélité à l'original est ce qui vous tient à cœur, la réponse n'est pas un débit. C'est la copie M4A, qui n'a aucune décision de débit à prendre.
Quand WAV est-il la bonne réponse ?
Quand quelque chose en aval veut le PCM, ce qui est plus souvent que ce que les gens attendent.
Les éditeurs audio le préfèrent car ils ne nécessitent aucun décodage et peuvent être modifiés par exemple par exemple. Les services de transcription et les modèles de parole le demandent fréquemment, et ceux qui acceptent l'audio compressé le décodent généralement en PCM en interne de toute façon. Les outils d'alignement forcé, les logiciels d'analyse acoustique et tout ce qui fait le traitement du signal commence par le PCM.
WAV n'ajoute aucune perte supplémentaire, bien qu'il ne puisse pas annuler ce que la source a déjà ignoré. Un WAV fabriqué à partir d'une piste AAC de 128 kbit/s a toujours tous les détails manquants qui manquaient à l'AAC. C'est un conteneur fidèle pour l'audio endommagé, ce qui est exactement ce que vous voulez lors de la prochaine étape est l'analyse plutôt que l'écoute.
Le résultat mesuré est rassurant sur ce point. Le WAV que j'ai extrait était un bit pour le bit identique à un décodage direct de l'audio source, même MD5, donc l'extraction n'a rien ajouté de lui-même. Le coût est la taille, que la section suivante couvre.
16 bits 44,1 kHz stéréo est la valeur par défaut sensible et ce que l'extracteur écrit. C'est une spécification de CD, il est universellement lisible et rien n'est gagné en écrivant un PCM 24 bits à partir d'une source qui était avec une perte.
Quelle sera la taille du fichier ?
Comme on pouvait s'y attendre, ce qui est la partie utile.
La taille de l'audio est une durée de temps de débit, sans dépendance au contenu, donc contrairement à la vidéo, cela peut vous être dit avant que le travail ne commence plutôt que deviné par la suite.
| format | par minute, stéréo | une heure |
|---|---|---|
| M4A copié à partir d'une source de 128 kbps | 0,95 Mo | 57 Mo |
| MP3 192 kbps | 1,4 Mo | 84 Mo |
| MP3 128 kbps | 0,96 Mo | 58 Mo |
| WAV 16 bits 44,1 kHz | 10,1 Mo | 606 Mo |
La rangée WAV est celle qui surprend les gens. 10,1 Mo par minute est une figure mesurée du test ci-dessus, et elle découle directement de l'arithmétique : 44 100 échantillons par seconde, deux octets par échantillon, deux canaux. Une heure d'audio de conférence dans WAV est un fichier de 600 Mo, qui est plus grand que la plupart des vidéos dont il est sorti et plus que certains services accepteront comme téléchargement.
C'est pourquoi l'extracteur affiche une estimation avant son exécution. Un enregistrement d'une heure extrait sur WAV est une chose raisonnable à vouloir et une chose déraisonnable dont il faut être surpris.
Pourquoi un WebM refuse-t-il de copier son son dans un M4A ?
Parce que le codec à l'intérieur est celui que le conteneur MPEG-4 ne transportera pas, et l'outil est honnête à ce sujet plutôt que de le codage silencieusement.
Un WebM détient des fichiers audio Opus ou Vorbis, et non AAC. Aucun des deux n'appartient à un M4A en ce qui concerne les muxeurs standard, de sorte que le chemin de copie n'est pas disponible. ffmpeg dit si clairement :
[ipod @ 0x75bd019180] Could not find tag for codec opus in stream #0,
codec not currently supported in container
[out#0/ipod] Could not write header (incorrect codec parameters ?)
Il existe une spécification publiée pour Encapsuler l'opus dans un conteneur de supports de base ISO, il s'agit donc d'une réalité d'outillage et de lecture plutôt qu'une impossibilité théorique. En pratique, rien de ce que vous donneriez au fichier à lire un M4A plein d'opus, la réponse utile est donc de re-encoder. Sur le même contenu de test, cela a pris 0,32 seconde pendant 20 secondes d'audio et a produit un fichier de 473 Ko, soit une génération de perte et la seule option disponible.
La même logique décide toutes les autres sources. Les MP4, MOV, M4V et M4A peuvent faire copier leur AAC. WebM, MKV avec Opus ou Vorbis, et tout ce qui transporte un codec provenant de l'extérieur de la famille MPEG-4 ne peut pas, et l'extracteur indique dans quel cas vous vous trouvez avant qu'il ne commence plutôt qu'après.
Pourquoi les durées ne correspondent-elles pas exactement ?
Parce que AAC et MP3 remplissent tous deux leur sortie, et les deux conteneurs gèrent ce rembourrage différemment. C'est le détail qui casse la lecture sans lacunes, et cela apparaît clairement dans les numéros de test.
Le son de la source était exactement de 60 secondes, 2 646 000 échantillons à 44,1 kHz. Le M4A extrait rapporte une durée d'exactement 60,000000 secondes. Le WAV extrait et le MP3 rapportent tous deux 60,000363 secondes, soit 16 échantillons de plus.
Ces 16 échantillons sont un délai de codeur. AAC fonctionne dans 1024 images d'échantillon, de sorte qu'un enregistrement de 60 secondes ne se divise pas de manière uniforme et que l'encodeur emboîte le bout. Le M4A masque cela à l'aide d'une liste de modifications, une petite table dans le conteneur qui indique quelle partie de la sortie décodée est l'enregistrement réel. Décodez le M4A et vous obtenez les 2 646 016 échantillons rembourrés, d’où proviennent les 0,36 millisecondes supplémentaires de WAV.
MP3 n'a pas de liste de modifications, car le format est antérieur à l'idée. Ce qu'il a plutôt, c'est la balise d'information boiteuse, un bloc fournisseur dans la première image enregistrant le nombre d'échantillons à jeter à chaque extrémité. le La disposition des champs est documentée par octet, et le retard du codeur et la fin du remplissage partagent des octets de 0xB1 à 0xB3 sous la forme de deux valeurs de 12 bits. Décodé, le MP3 est revenu à 2 646 016 échantillons, correspondant exactement au WAV, de sorte que l'étiquette a fait son travail ici. Un lecteur qui l'ignore, ou un encodeur qui ne parvient pas à l'écrire, est le lieu d'origine du clic sonore entre les pistes d'un album continu.
Rien de tout cela n'a d'importance pour une conférence ou un podcast. Cela compte beaucoup pour un album live ou un mix DJ, et c'est la raison pour laquelle le chemin de copie vaut la peine d'être préféré lorsqu'il est disponible : il n'y a pas d'encodeur impliqué, il n'y a donc pas de nouveau remplissage à rendre compte.
M4A lit-il partout les lectures MP3 ?
Près de cela, avec une courte liste d'exceptions à connaître avant de vous engager.
Tout ce que cette décennie a fait jouer à M4A. iOS et Android font tous les deux nativement, chaque système d'exploitation de bureau le fait, chaque navigateur le fait, Spotify et VLC et Plex et l'application de musique stock sur le téléphone que vous possédez tous. Le format a vingt ans et a été la sortie par défaut du téléphone le plus populaire sur Terre pour la plupart d'entre eux.
Le cluster d'exceptions à deux endroits. Le premier est un ancien stéréo de voiture et un matériel autonome, en particulier des unités principales d'avant environ 2012, où une clé USB pleine de fichiers M4A est lue comme vide. Le second est un logiciel qui accepte les téléchargements audio et valide par extension plutôt que par contenu, qui refuse un M4A sur une liste écrite il y a des années et jamais revisité. Les services de transcription étaient un délinquant courant ici, c'est ainsi que le journaliste de Le guide de conversion audio A fini par quatre heures de fichiers, son service ne prendrait pas.
Une approche raisonnable : extraire d'abord M4A, car il est instantané et sans perte, et gardez-le comme maître. Si la destination la refuse, convertissez cette M4A en MP3 une fois. Vous avez ensuite payé une génération de perte au lieu de faire de la copie avec perte votre seule copie.
Combien de temps dure une extraction et qu'est-ce qui en décide ?
Lecture du fichier, principalement, et ensuite si un encodeur est impliqué.
Le chemin de copie est délimité par la vitesse du disque et de la mémoire plutôt que par le traitement. 0,04 seconde pour un fichier de 19 Mo n'est pas l'audio en cours de travail, c'est le fichier en cours de lecture et un nouveau conteneur en cours d'écriture. En faisant évoluer cela, un enregistrement de conférence de 40 minutes de quelques centaines de mégaoctets sort en une seconde ou deux, et presque tout cela est le navigateur qui lit le fichier dans l'onglet.
Les chemins d'accès sont limités par l'encodeur. Lame a pris 0,36 seconde pour 60 secondes d'audio stéréo sur cette machine, ce qui est environ 165 fois plus rapide que le temps réel, donc une heure de son est d'environ 20 secondes de travail. AAC ré-encodage à partir d'un WebM mesuré de la même manière. Celles-ci sont assez rapides pour que la barre de progression soit principalement là pour l'honnêteté plutôt que pour la nécessité.
Une chose domine tout le reste, et ce n'est pas l'audio. Le chargement de la vidéo source dans la page est l'étape lente pour un fichier volumineux, car le fichier entier va dans la mémoire des onglets. C'est la raison pour laquelle le plafond de 500 Mo : au-delà, un onglet commence à échouer de manière plus difficile à expliquer qu'une limite indiquée. Si vous travaillez avec un fichier plus grand que cela, coupez-le en premier avec le taille-bordure est généralement plus rapide que de lutter contre la limite, et Le guide de coupe Couvre pourquoi cette coupe est presque gratuite.
Que se passe-t-il lorsqu'une vidéo a plusieurs pistes audio ?
Une piste sort, choisie pour vous, et les autres sont abandonnées sans commentaire. Cela vaut la peine d'être connu car il s'agit d'un échec silencieux plutôt que bruyant.
Je l'ai testé avec un fichier transportant deux flux audio, une piste stéréo de 128 kbps et une mono 64 kbps mono, qui est à peu près la forme d'un enregistrement avec un micro de caméra et un micro de revers séparé. L'extraction a produit un seul flux, le stéréo à 128 kbps, 950 Ko, sans aucune mention qu'une deuxième piste avait existé.
La sélection n'est pas aléatoire. Règles de sélection des flux documentées Choisissez le flux qu'il juge le mieux, ce qui signifie que pour l'audio, le nombre de canaux le plus élevé est donc généralement obtenu. Mais si la piste mono qui se tenait de l'audio de l'interview et celle de la chaîne stéréo était le bruit de la pièce de la caméra, vous vous trompez et rien ne vous le dit.
Les fichiers multi-pistes sont rares en dehors des flux de travail professionnels, et presque rien d'un téléphone ou d'un enregistreur d'écran ne contient plusieurs flux audio. Si vous travaillez avec des images d'un tournage réel, vérifiez la liste des flux avant d'extraire et attendez-vous à utiliser FFmpeg directement avec un -map 0:a:1 Lorsque vous avez besoin de la deuxième piste.
Faut-il extraire l'audio ou convertir la vidéo entière ?
Extraire, si ce que vous voulez, c'est le son. Les deux opérations ne sont pas des alternatives et les gens s'attaquent régulièrement à la mauvaise.
La conversion d'une vidéo en MP3 est une phrase qui apparaît en millions de recherches par mois et décrit une opération que personne ne veut. Cela implique de décoder et de jeter l'image, de décoder l'audio et de le ré-encoder, ce qui est beaucoup de travail pour arriver à une pire version de quelque chose qui était déjà là. le convertisseur vidéo Existe pour le cas où vous voulez une vidéo à la fin, dans un format que quelque chose va lire. Lorsque vous voulez de l'audio, l'extraction est l'opération et le chemin de copie signifie qu'il est également bon marché.
Le tableau de décision est court :
| Ce que vous voulez | manier | coûter |
|---|---|---|
| La bande-son sous forme de fichier | Extrait vers M4A | Rien, flux copié |
| La bande-son d'un éditeur ou d'un transcribeur | Extrait vers WAV | Taille uniquement |
| La bande-son sur le vieux matériel | Extrait en MP3 | une génération |
| Une vidéo plus petite, image incluse | Compresseur vidéo | Dépend du CRF, voir Le guide de compression |
| La même vidéo dans un format qui lit | convertisseur vidéo | Souvent un remux, donc rien |
Le modèle sur les cinq lignes est celui qui vaut la peine d'être emporté : demandez-vous si l'opération nécessite un ré-encodage et préfère celle qui ne le fait pas.
Qu'est-ce que l'exécution de cela dans le navigateur change ?
Où va l'enregistrement, ce qui pour l'audio est généralement la question.
L'extracteur exécute FFmpeg compilé dans WebAssembly dans la page. La vidéo est lue de votre disque dans la mémoire de tabulation, le flux audio est extrait et le résultat est renvoyé en téléchargement. Aucune requête ne porte le fichier, rien n'est mis en file d'attente sur un serveur et aucune copie n'existe nulle part pour que quiconque oublie de supprimer.
L'extrait audio que les gens extraient est le genre qui rend ce sujet. Des réunions enregistrées, des conférences, des entretiens, des consultations, des appels avec un avocat ou un médecin, des mémos vocaux avec des éléments que vous ne publieriez pas. L'alternative conventionnelle consiste à télécharger l'enregistrement sur un site dont vous ne savez rien, en échange d'une opération qui, sur le chemin de copie, est un conteneur Réécrivez que votre propre machine se termine en moins d'une seconde.
Le trade est le plafond de 500 Mo et le flux de travail un-file-à-time, car un onglet de navigateur a moins de mémoire qu'un serveur et aucune file d'attente. Pour un seul enregistrement, ce pour quoi il s'agit presque toujours, c'est une limite que vous n'atteindrez pas et une garantie de confidentialité que vous ne pouvez obtenir autrement.
