通勤用の電話で 40 分間の講義録音から音を出すように誰かが私に頼んだ。 最初に明らかなことを行いました。それは MP3 に変換したところです。数分かかり、ビデオ内にすでにあるオーディオよりも少し大きいファイルを生成しました。 それから、最初にやるべきことをして、代わりにトラックをコピーしました。 1 秒もかからずにファイルが小さくなり、オーディオはレコーダーがキャプチャしたものと同じビットでビットが少しずつありました。 2 番目の方法は、トリックやショートカットではありません。 これはファイル形式が設計されたものであり、この質問に答えるほとんどすべてのコンバーターはそれを無視します。
tl;dr: MP4 または MOV は通常 AAC オーディオを伝送し、M4A は同じファミリーのオーディオ専用コンテナー内の同じ AAC であるため、トラックをデコードや損失なしで直接コピーできます。 ここで 60 秒のテスト クリップで測定: コピーは 0.04 秒で終了し、抽出されたオーディオ ストリームはビデオ内のストリームと同じ MD5 を持っていました。 同じオーディオを 192 kbps で MP3 にエンコードするのに 0.36 秒かかり、ファイルが 48% 大きくなり、必要のない 2 回目の非可逆圧縮が行われました。 下流の何かが拒否しない限り、M4A を選択し、編集者または転写者が PCM を求めるときに WAV を選択し、他に何も読み取らないデバイスに対してのみ MP3 を選択します。 ザ・ オーディオエクストラクター 3 つすべてが [ブラウザ] タブで実行されるため、記録された会議がマシンから離れることはありません。
MP4 のオーディオ トラックには何がありますか?
MP4 はコンテナーであり、それは形式ではなくファイリング システムであることを意味します。 中には別のストリームがあります。1 つは圧縮された写真を保持し、もう 1 つは圧縮音を保持し、時には字幕トラックとその横にある章のマーカーを保持します。 コンテナーは、それぞれの開始場所、実行時間、使用されたコーデックを説明します。これでほとんどすべてが実行されます。
MP4 のサウンド ストリームは、ほとんどの場合 AAC です。 それが iPhone が生み出すもの、Mac のスクリーン録音が生み出すもの、QuickTime エクスポートが生み出すもの、ドローンが生み出すもの、MP4 または MOV を書くすべてのカメラが約 15 年間生産したものです。 例外があります。ほとんどの場合、MP3 オーディオが MP3 オーディオを備えた古いファイルと、圧縮されていない PCM を搭載したプロフェッショナル フォーマットですが、AAC が圧倒的なデフォルトです。
これは、お持ちのファイルでチェックできます。 ffprobe 1 行で説明します。ほとんどのビデオ プレーヤーのファイル インスペクターも同様です。 このガイド用に作成したテスト クリップで、オーディオ ストリームは次のように報告します。 aac, 44100 Hz, stereo, 128158 bit/s、これは通常のカメラ グレードの記録です。
有用な結果は、次のセクションの結果です。 ストリームが AAC であることを知ったら、M4A が触れずに保持できることがわかります。
なぜオーディオが変換されずに出てくるのですか?
M4A は、ビデオ パーツが省略された同じコンテナーだからです。
MP4 と M4A はどちらも ISO ベース メディア ファイル形式のプロファイルであり、ISO/IEC 14496-12 として標準化され、MP4、M4A、M4V、MOV などによって共有されます。 それは、Apple の QuickTime 形式から生まれました。 ボックス レイアウトはまだ完全に文書化されています MP4 はほぼ 1 であるため、説明として読みます。 ボックスも同じように配置され、サンプル テーブルも同じように機能し、一方に書き込まれた AAC トラックは、バイトに対してバイトに対してバイトに対してバイトに対応します。 オペレーティング システムがプレーヤー ウィンドウを開くかどうかを認識するように、拡張機能が異なります。これが、拡張機能のほとんどの目的です。
したがって、MP4 から M4A へのオーディオの抽出は変換されません。 これは Remux です。オーディオ サンプルは、あるコンテナーから読み出され、別のコンテナーに書き込まれます。デコーダやエンコーダは、どの時点でも関与しません。 何も解釈されないので、何も分解できません。
これは、ビデオ側でより大きな誤解を引き起こすのと同じ区別であり、 ビデオフォーマットガイド: ラッパーの変更はほぼ自由ですが、内部の圧縮は変更できません。 オーディオ抽出は、無料オプションも正しいオプションである場合であり、本来よりもまれです。
FFMPeg 用語では、操作全体が 4 つの引数になります。
ffmpeg -i recording.mp4 -vn -acodec copy recording.m4a
-vn ビデオ ストリームをドロップします。 残すと、FFmpeg は、画像をどこにも配置できないコンテナーに入れようとします。これにより、音楽プレーヤーが開くことを拒否する M4A が生成されます。 -acodec copy ロスレスにする部分です。FFmpeg にサンプルをエンコーダに渡すのではなく、渡すように指示します。
コピーが本当に何も失ったとどうやって知っていますか?
ストリームを前後にハッシュできるからです。2 つのハッシュは一致します。
128 kbps のステレオ AAC トラック、合計 19 MB の 60 秒のテスト ファイル、1280x720 H.264 ビデオを作成しました。 次に、ビデオ内のオーディオ ストリームをハッシュして、オーディオをコピーして、もう一度ハッシュしました。
$ 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
同じダイジェストなので、M4A の圧縮オーディオ データは、ビデオからの圧縮オーディオ データであり、1 ビットも変更されません。 抽出されたファイルは 950 KB で、操作全体に 0.04 秒かかりました。これは、SSD から 19 MB を読み取るのにかかる時間です。
このテストは、信頼を得るよりも自分のファイルで実行する価値があります。これは、実際のコピーを 1 つであると主張する変換から実際に伝える唯一の方法であるためです。 2 つのハッシュが異なる場合、何かがオーディオを再エンコードしていないと伝えましたが、オーディオは、そうではありませんでした。
MP3 を選ぶと、代わりにいくらかかりますか?
2 世代の非可逆圧縮と、より大きなファイル。
AAC と MP3 はどちらも、心理音響モデルでは聞き取れないと予測されることを破棄することで機能し、それが何であるかについて意見が一致しません。 信号をさまざまな数の帯域に分割し、マスキングを異なるモデル化し、突然のトランジェントの処理方法を異なります。 そのため、MP3 エンコーダが AAC ファイルのデコード出力を渡されると、どの部分がマイクからのもので、どの部分が最初に残されたかはわかりません。 両方を保存するために少し使い、最初のパスを生き残ったものの一部を捨てます。
これは、各パスを通る同じ 60 秒のクリップです。
| 出力 | どのように作ったの | サイズ | の時 | さらなる損失 |
|---|---|---|---|---|
| m4a | AAC ストリームをコピーしました | 972,706 バイト | 0.04 s | なし、ハッシュと同一 |
| MP3 192 kbps | デコードされ、足が不自由で再エンコードされます | 1,441,479 バイト | 0.36 s | そう、二代目 |
| wav | 16 ビット PCM にデコードされます | 10,584,142 バイト | 0.05s | 追加なし、未処理なし |
MP3 は、もう 1 つの損失の多いエンコーダを介してオーディオを保持している間、M4A よりも 48% 大きくなります。 損失はビットレートではなくデコードと再エンコードにあるため、これを回避する設定はありません。
MP3 を間違ったものはありません。 2009 年のカー ステレオ、安価なボイス レコーダー、USB ポートを備えたジム トレッドミル、驚くべき量のブロードキャスト ソフトウェアは、MP3 だけを読み取るだけです。 それが目的地の場合、世代損失はファイルの再生価格であり、スピーチの価格はわずかです。 ポイントは、ツールが MP3 を選んだからではなく、故意に支払うことです。
MP3 ビットレートが高いほど、抽出が改善されますか?
これにより、MP3 は損傷したオーディオのより忠実なコピーになりますが、これは同じことではありません。
純粋なトーンはコーデックにとって簡単で、何も教えてくれないので、ブロードバンド ソースでこれをテストしました。 テスト クリップは、128 kbps AAC にエンコードされた、低正弦とピンク ノイズを 30 秒間混ぜたもので、エンコーダで実際の音楽がどれほどハードかという大まかなハードです。 次に、その AAC を PCM にデコードしてリファレンスとして使用するようにデコードし、2 ビットレートで MP3 にエンコードし、リファレンスに対するそれぞれの信号対ディストーション比を測定しました。
| MP3 ビットレート | 30秒のサイズ | AAC ソースに対する SDR |
|---|---|---|
| 192kbps | 705KB | 26.7dB |
| 320kbps | 1.1MB | 42.3dB |
320 kbps のファイルは、AAC オーディオを約 15 dB 近く再生することができます。これは、元の録音をより近くに再生することです。これは、AAAC がすでにそれを破棄しており、エンコーダを元に戻すことができないためです。 余分な 400 KB は、アーティファクトを含む最初のエンコーダ出力のより忠実なコピーを購入しました。
ということで、ルールは オーディオ コンバーター ガイド 保持され、その背後にあるより明確な理由があります。 ソース ビットレートの一致またはわずかにアンダーカットが、賢明な範囲です。 上に行くと、記録にない詳細を保存するためにストレージが費やされます。その下に行くと、今のところの 2 度目の助けが得られます。
オリジナルへの忠実度が気になるなら、答えは少し評価されません。 これは M4A コピーであり、ビットレートの決定を下すことはありません。
WAV が正解はいつですか?
人々が予想よりも頻繁に PCM を必要とする場合、下流で何かが必要になった場合。
オーディオ エディターは、デコードを必要とせず、サンプルごとに編集できるため、これを好みます。 文字起こしサービスと音声モデルは、それを要求することが多く、圧縮オーディオを受け入れるモデルは、とにかく内部的に PCM にデコードします。 強制整列ツール、音響解析ソフトウェア、および信号処理を行うものはすべて PCM から始まります。
WAV は、ソースがすでに破棄したことを元に戻すことはできませんが、それ以上の損失を追加しません。 128 kbps の AAC トラックで作られた WAV には、AAC に欠けていた詳細が欠けているすべての詳細が残っています。 これは、オーディオの損傷に対する忠実なコンテナであり、次のステップがリスニングではなく分析であるときに必要なものです。
この点で、測定結果は心強いです。 私が抽出した WAV は、ソース オーディオの直接デコードである同じ MD5 と同じビットで、抽出によって何も追加されませんでした。 費用はサイズです。次のセクションで説明します。
16 ビット 44.1 kHz ステレオが、賢明なデフォルトであり、エクストラクタが書き込むものです。 これは CD 仕様であり、普遍的に読み取り可能であり、最初からロスのソースから 24 ビットの PCM を書き込むことによって何も得られません。
ファイルの大きさは？
予想通り、これは便利な部分です。
オーディオ サイズはビットレートの時間であり、コンテンツに依存しないため、ビデオとは異なり、作業が開始される前に、後で推測するのではなく、その前に伝えることができます。
| フォーマット | 1 分あたり、ステレオ | 一時間 |
|---|---|---|
| 128 kbps のソースからコピーされた M4A | 0.95MB | 57MB |
| MP3 192 kbps | 1.4MB | 84MB |
| MP3 128 kbps | 0.96MB | 58MB |
| WAV 16 ビット 44.1 kHz | 10.1MB | 606MB |
WAV の列は、人々を驚かせるものです。 10.1 MB の 1 分は、上記のテストの測定値であり、算術から直接次のようになります。1 秒あたり 44,100 サンプル、サンプル 2 バイト、2 チャネル。 WAV での 1 時間の講義音声は 600 MB のファイルで、これは、それが出てきた多くのビデオよりも大きく、一部のサービスがアップロードとして受け入れるよりも大きいファイルです。
これが、エクストラクタが実行前に見積もりを表示する理由でもあります。 WAV に抽出した 1 時間の録音は、必要なのは当然のことであり、驚くべき不合理なことです。
WebM がオーディオを M4A にコピーすることを拒否するのはなぜですか?
内部のコーデックは MPEG-4 コンテナーには持たないものであり、ツールはそれについて正直に再エンコードするのではなく、正直に対応しています。
WebM は AAC ではなく、Opus または Vorbis オーディオを保持します。 標準の Muxer に関する限り、どちらも M4A に属していないため、コピー パスは使用できません。 ffmpeg は、はっきりと言っています。
[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 ?)
の公開仕様があります OPU を ISO ベース メディア コンテナにカプセル化するということは、これは理論的な不可能というより、ツールと再生の現実です。 実際には、ファイルを Opus でいっぱいの M4A に渡すことは何もないので、有用な答えは再エンコードすることです。 20 秒間のオーディオで 0.32 秒かかり、473 KB のファイルを生成した同じテスト コンテンツでは、1 世代の損失であり、唯一のオプションです。
同じロジックが他のすべてのソースを決定します。 MP4、MOV、M4V、M4A は、AAC をコピーアウトできます。 WebM、Opus または Vorbis を使用した MKV、および MPEG-4 ファミリの外部からコーデックを持っているものはすべてできません。エクストラクタは、開始後ではなく開始前にどのケースにいるのかを抽出します。
なぜ期間が正確に一致しないのですか?
AAC と MP3 はどちらも出力をパディングし、2 つのコンテナーはそのパディングを異なる方法で処理します。 ギャップレス再生を壊すのはディテールであり、テスト番号にはっきりと現れます。
ソース オーディオは、正確に 60 秒、44.1 kHz で 2,646,000 サンプルでした。 抽出された M4A は、正確に 60.000000 秒の持続時間を報告します。 抽出された WAV と MP3 はどちらも 60.000363 秒であり、16 サンプルが長くなります。
これらの 16 サンプルはエンコーダ遅延です。 AAC は 1024 サンプル フレームで機能するため、60 秒の記録は均等に分割されず、エンコーダは端を埋めます。 M4A は、デコードされた出力のどの部分が実際の記録であるかを示す、コンテナー内の小さなテーブルを使用してこれを非表示にします。 M4A をデコードすると、パディングされた 2,646,016 サンプルが返されます。これは、WAV の余分な 0.36 ミリ秒の元になる場所です。
MP3 には編集リストがありません。これは、この形式がアイデアより前のためであるためです。 代わりに、最初のフレームのベンダー ブロックである、各端で何個のサンプルを破棄するかを記録する、不十分な情報タグがあります。 ザ・ フィールド レイアウトはバイト単位で文書化されています、エンコーダの遅延と終了パディングの共有バイトは、2 つの 12 ビット値として 0xB1 ～ 0xB3 です。 デコードされた MP3 は 2,646,016 サンプルで戻ってきて、WAV と正確に一致したため、タグはここで機能しました。 それを無視するプレーヤー、またはそれを書き込めないエンコーダは、連続したアルバムのトラック間のクリック音が聞こえる場所です。
これは、講義やポッドキャストにとって重要ではありません。 ライブ アルバムや DJ ミックスにとって非常に重要であり、コピー パスが利用可能になったときに優先する価値があるのは、エンコーダーが関係ないため、説明する新しいパディングはありません。
m4a はどこでも mp3 を再生しますか?
近くにあり、コミットする前に知っておく価値のある例外の短いリストを備えています。
この 10 年ですべての機能をプレイできます。iOS と Android はどちらもネイティブで実行され、すべてのデスクトップ オペレーティング システムが実行し、すべてのブラウザーが実行し、すべてのブラウザーが実行し、Spotify と VLC とプレックス、そして自分のすべての携帯電話でストック ミュージック アプリを使用します。 このフォーマットは 20 年前のもので、ほとんどの人にとって地球上で最も人気のある電話機のデフォルト出力です。
例外は 2 か所に分類されます。 1 つ目は、古いカー ステレオとスタンドアロンのハードウェア、特に 2012 年頃のヘッド ユニットで、M4A ファイルでいっぱいの USB スティックが空であると読みます。 2 つ目は、オーディオ アップロードを受け入れ、コンテンツではなく拡張で検証するソフトウェアであり、何年も前に書かれたリストに M4A を拒否し、再訪することはありません。 ここでは、文字起こしサービスが一般的な犯罪者でした。 オーディオ コンバーター ガイド 彼女のサービスが受け取らない 4 時間のファイルができました。
合理的なアプローチ: M4A はインスタントでロスレスであるため、最初に抽出し、マスターとして保持します。 宛先が拒否した場合は、その M4A を MP3 に 1 回変換します。 損失のコピーを唯一のコピーにする代わりに、1 世代の損失の費用を支払った。
抽出にはどのくらいの時間がかかり、何がそれを決定するのですか?
ほとんどの場合、ファイルを読み、エンコーダが関与しているかどうか。
コピー パスは、処理ではなく、ディスクとメモリの速度によって制限されます。 19 MB のファイルの場合は 0.04 秒で、作業中のオーディオは読み込まれず、新しいコンテナーが書き込まれます。 それをスケールアップすると、1 ～ 2 秒で 40 分間の講義録音が 1 秒か 2 秒で出てきます。そのほとんどすべてが、ファイルをタブに読み込むブラウザーです。
エンコード パスはエンコーダによって制限されます。 このマシンでは、Lame は 60 秒間のステレオ オーディオで 0.36 秒かかりました。これは、リアルタイムの約 165 倍の速度で、1 時間のオーディオで約 20 秒の作業を行います。 同様に測定された WebM からの AAC 再エンコード。 これらは十分に迅速で、プログレスバーは必要性ではなく正直さを目的としているものがほとんどです。
1 つのことが他のすべてを支配していますが、それはオーディオではありません。 ソース ビデオをページにロードすることは、ファイル全体がタブ メモリに移動するため、大きなファイルの場合はゆっくりとしたステップです。 これが 500 MB のキャップの理由です。それを超えて、表記された制限よりも説明が難しい方法でタブが失敗し始めます。 それよりも大きなファイルを使用している場合は、最初にそれよりも大きなファイルをトリミングします。 ビデオトリマー 通常、限界と戦うよりも速く、 トリミングガイド カットもほぼ無料である理由をカバーします。
ビデオに複数のオーディオ トラックがある場合はどうなりますか?
1 つのトラックがあなたのために選ばれ、他のトラックはコメントなしで削除されます。 これは、大音量の障害というよりは静かな失敗であるため、知っておく価値があります。
2 つのオーディオ ストリーム、128 kbps のステレオ トラックと 64 kbps のモノラル トラックを含むファイルでテストしました。これは、大まかにカメラ マイクと別のラペル マイクを使用した録音の形です。 抽出により、128 kbps のステレオ 1、950 KB のストリームが 1 つしか生成されませんでした。2 番目のトラックが存在したことはどこにもありません。
選択はランダムではありません。 文書化されたストリーム選択ルール 最もよく判断するストリームを選択してください。これは、オーディオが最も高いチャンネル数を意味するため、通常は必要なチャンネルを取得します。 しかし、静かなモノラル トラックがインタビュー オーディオで、ステレオ トラックがカメラからの部屋のノイズであるとしたら、間違ったことがあり、何もわかりません。
マルチトラック ファイルは、プロのワークフロー以外では珍しく、電話やスクリーン レコーダーからは、複数のオーディオ ストリームを含むものはほとんどありません。 実際の撮影の映像を処理している場合は、抽出する前にストリーム リストを確認し、明示的なものを使用して直接 ffmpeg を使用することを期待します。 -map 0:a:1 2 番目のトラックが必要な場合。
オーディオを抽出する必要がありますか、それともビデオ全体を変換する必要がありますか?
必要な音が音であれば抽出します。 2 つの操作は代替手段ではなく、人々は定期的に間違った操作に手を伸ばします。
ビデオを MP3 に変換することは、月に何百万回もの検索に表示され、誰も望んでいない操作を説明するフレーズです。 これは、画像のデコードと破棄、オーディオのデコード、およびそれを再エンコードすることを意味します。これは、すでに存在していたもののより悪いバージョンに到達するための大変な作業です。 ザ・ ビデオコンバーター 最後にビデオが必要な場合に、何かが再生される形式で存在します。 オーディオが必要な場合、抽出が操作であり、コピー パスはそれも安価な方法であることを意味します。
決定表は短いです。
| あなたが望むもの | 使い | 費用 |
|---|---|---|
| ファイルとしてのサウンドトラック | M4A に抽出 | 何もない、ストリームコピー |
| エディターまたはトランクリバーのサウンドトラック | wav に抽出 | サイズのみ |
| 古いハードウェアのサウンドトラック | MP3 に抽出 | 一世代 |
| より小さなビデオ、画像が含まれています | ビデオコンプレッサー | CRF に依存します。参照してください 圧縮ガイド |
| 再生する形式の同じビデオ | ビデオコンバーター | 多くの場合、remux なので、何もありません |
5 行すべてのパターンは、取り除く価値のあるものです。操作に再エンコードが必要かどうかを尋ね、そうでないものを優先します。
ブラウザでこれを実行すると何が変わりますか?
録音がどこに行くのか、通常はオーディオの場合が全体の問題です。
エクストラクタは、ページ内で WebAssembly にコンパイルされた ffmpeg を実行します。 ビデオはディスクからタブ メモリに読み込まれ、オーディオ ストリームがそこから引き出され、結果がダウンロードとして返されます。 ファイルが運ばれない、サーバー上で何もキューに入れられていない、削除を忘れてしまうコピーはどこにもありません。
オーディオ ピープル エクストラクトは、ほとんどの場合、この問題を解決する種類のものです。 録音された会議、講義、面接、相談、弁護士または医師との電話、投稿しないものを含むメモ。 従来の方法として、自分が何も知らないサイトに録音をアップロードすることは、コピー パスにあるコンテナーがコンテナーであるという操作と引き換えに、自分のマシンが 1 秒以内に書き換えるという操作と引き換えにすることです。
ブラウザー タブのメモリがサーバーよりもキューなしで、キューがないため、トレードは 500 MB の CAP と 1 つのファイル 1 回のワークフローです。 1 回の録音の場合、これはほとんどの場合、これが達成できない制限であり、他の方法では得られないプライバシー保証です。
