Кто-то попросил меня перенести звук с 40-минутной записи лекции, чтобы он мог ехать по телефону для поездки на работу. Сначала я сделал очевидную вещь, которая заключалась в том, что она конвертировала его в MP3, и это заняло пару минут и создал файл немного больше, чем аудио, который уже находился внутри видео. Затем я сделал то, что должен был сделать сначала, и вместо этого скопировал трек. Потребовалось меньше секунды, файл был меньше, а звук был немного идентичен тому, что записывал магнитофон. Второй метод — это не трюк или ярлык. Именно для этого был разработан формат файла, и почти каждый конвертер, ответивший на этот вопрос, игнорирует его.
TL;DR: MP4 или MOV обычно несет аудио AAC, а M4A — это тот же AAC в контейнере только для аудио из того же семейства, поэтому трек можно скопировать прямо без декодирования и без потери. Измеряется здесь 60-секундный тестовый клип: копия закончилась за 0,04 секунды, а извлеченный аудиопоток имел тот же MD5, что и поток внутри видео. Кодирование того же звука в MP3 на 192 кбит/с заняло 0,36 секунды, выдало файл на 48% больше и прошел второй раунд сжатия с потерями, который ему не нужен. Выберите M4A, если что-то ниже от него не откажет, выберите WAV, когда редактор или транскрибатор захотят PCM, а выберете MP3 только для устройства, которое больше ничего не читает. выше Аудио экстрактор Все три на вкладке "Браузер", поэтому записанное собрание никогда не покидает машину.
Что находится внутри аудиодорожки MP4?
MP4 — это контейнер, что означает, что это система регистрации, а не формат. Внутри отдельные потоки: один сжатый сжатые картинки, один сжатый звук, иногда треки с субтитрами и маркеры глав рядом с ними. Контейнер описывает, где начинается каждый, как долго он работает и какой кодек использовался, и это почти все, что он делает.
Звуковой поток в MP4 почти всегда AAC. Это то, что производит iPhone, что производит запись экрана Mac, что производит QuickTime-экспорт, что производит дрон и что каждая камера, которая пишет MP4 или MOV, производила около пятнадцати лет. Есть исключения, в основном старые файлы со звуком MP3 внутри оболочки MP4 и профессиональные форматы, несущие несжатый PCM, но AAC является подавляющим по умолчанию.
Это можно проверить в любом файле, который у вас есть. ffprobe Скажу вам в одной строке, и инспектор файлов в большинстве видеоплееров. В тестовом клипе, который я создал для этого руководства, аудиопоток сообщает как aac, 44100 Hz, stereo, 128158 bit/s, это обычная запись камерного уровня.
Полезным следствием является то, что в следующем разделе. Как только вы узнаете, что поток — AAC, вы знаете, что M4A может удерживать его, не касаясь его.
Почему звук может выйти без преобразования?
Потому что M4A — это тот же контейнер, когда часть видео не указана.
И MP4, и M4A являются профилями формата файлов базы данных ISO, структурой стандартизированы как ISO/IEC 14496-12 и разделяемыми MP4, M4A, M4V, MOV и горсткой других. Он вырос из формата QuickTime от Apple, чей Макет коробки все еще задокументирован полностью и читается как описание MP4, потому что он почти один. Ящики выкладываются одинаково, таблицы образцов работают одинаково, а дорожка AAC, записанная в одну, является байтом для байтов, как и в другую. Расширение отличается так, что операционная система знает, следует ли открывать окно проигрывателя, и это большая часть того, для чего предназначено расширение.
Таким образом, извлечение звука из MP4 в M4A — это не преобразование. Это Remux: аудио семплы считываются из одного контейнера и записываются в другой, и ни один декодер или кодер не задействован ни в какой точке. Ничто не интерпретируется, поэтому ничего не может быть унижено.
Это то же самое различие, которое вызывает более большое недопонимание на стороне видео, освещенное в Руководство по форматированию видео: Изменение оболочки близко к свободному, смена сжатия внутри нее. Извлечение звука — это тот случай, когда бесплатный вариант также является правильным, что реже, чем должно быть.
В терминах ffmpeg вся операция состоит из четырех аргументов:
ffmpeg -i recording.mp4 -vn -acodec copy recording.m4a
-vn Сбрасывает видеопоток. Оставьте это, и ffmpeg пытается перенести картинку в контейнер, который не куда его поместить, который производит M4A, ваш музыкальный проигрыватель отказывается открывать. -acodec copy это часть, которая делает его без потерь: он говорит ffmpeg передать образцы, а не передать их кодировщику.
Откуда вы знаете, что копия действительно ничего не потеряла?
Потому что вы можете хэшировать поток до и после, и два хэша совпадают.
Я построил 60-секундный тестовый файл, 1280x720 H.264 видео с 128 кбит/с стерео трек AAC, всего 19 МБ. Затем я хэшировал аудиопоток внутри видео, скопировал аудиовыход и снова хэшировал его:
$ 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
Тот же дайджест, поэтому сжатые аудиоданные в M4A представляют собой сжатые аудиоданные из видео, при этом ни один бит не изменен. Извлеченный файл составлял 950 КБ, и вся операция заняла 0,04 секунды, что примерно столько времени, сколько требуется, чтобы прочитать 19 МБ с SSD.
Этот тест стоит запустить в вашем собственном файле, а не брать на себя доверие, потому что это единственный способ отличить реальную копию от преобразования, которое утверждает, что оно так. Если два хэша различаются, что-то перекодировало ваше аудио, а оно не говорило.
Во что вам обойдется выбор MP3?
Второе поколение сжатия с потерями, плюс файл большего размера.
AAC и MP3 работают, отбрасывая то, что предсказывает психоакустическая модель, которую вы не слышите, и они расходятся во мнениях относительно того, что это такое. Они разделяют сигнал на разные числа полос, моделируют маскировку по-разному и по-разному обрабатывают внезапные переходные процессы. Поэтому, когда кодировщику MP3 передается декодированный вывод файла AAC, он не может сказать, какие части пошли от микрофона и какие оставили первый кодировщик. Он тратит биты на сохранение обоих и выбрасывает часть того, что пережило первый пас.
Вот один и тот же 60-секундный клип по каждому пути:
| выходной | Как это было сделано | Размер | время | Дальнейшая потеря |
|---|---|---|---|---|
| м4а | Скопирована стрим AAC | 972 706 байт | 0,04 с | Нет, хэш-идентичен |
| MP3 192 кбит/с | декодирован, перекодирован с хромым | 1 441 479 байт | 0,36 с | Да, второе поколение |
| волна | Декодируется на 16-битный PCM | 10 584 142 байта | 0,05 с | Ни один не добавлен, ни один не отменен |
MP3 на 48% больше, чем M4A, при этом он содержит звук, который прошел через еще один кодер с потерями. Нет никаких настроек, которые избегают этого, потому что потеря находится в декодировании и рекодировании самого себя, а не в битрейте.
Ничто из которых не делает MP3 неправильным. Автомобильная стереосистема 2009 года, дешевый диктофон, беговая дорожка в спортзале с портом USB и удивительное количество вещательного программного обеспечения читают MP3 и ничего больше. Когда это пункт назначения, потеря поколения — это цена, воспроизводимая файлом, и это небольшая цена на речь. Суть в том, чтобы заплатить его сознательно, а не потому, что инструмент выбрал для вас MP3.
Улучшает ли более высокий битрейт MP3 экстракцию?
Это делает MP3 более точной копией поврежденного звука, что не то же самое, что лучше.
Я проверил это с помощью широкополосного источника, потому что чистые тона легко для кодека и ничего вам не говорят. Тестовый клип составлял 30 секунд розового шума, смешанного с низким синхетическим зашифрованным кодом, закодированным до 128 кбит/с AAC, примерно так же тяжела настоящая музыка на кодировщике. Затем я декодировал, что AAC к PCM использовать в качестве эталона, закодировал его на MP3 с двумя битрейтами и измерял отношение сигнала к искажению каждого по отношению к ссылке:
| Битрейт MP3 | Размер на 30 с | SDR против источника AAC |
|---|---|---|
| 192 кбит/с | 705 КБ | 26,7 дБ |
| 320 кбит/с | 1,1 МБ | 42,3 дБ |
Файл 320 кбит/с — это гораздо более близкое воспроизведение аудио AAC, примерно на 15 дБ, что не является более тщательным воспроизведением исходной записи, потому что AAC уже отбрасывал это, и ни один кодер не может вернуть его обратно. Дополнительные 400 КБ купили более точную копию выхода первого энкодера, включая артефакты.
Итак, правило от Руководство по аудио конвертеру держит, с более острой причиной. Соответствие или незначительное подрезывание исходного битрейта является разумным диапазоном. Идти намного выше, это тратить хранилище, чтобы сохранить детали, которых нет в записи, и, попадая под нее, выбрасывает вторую порцию того, что есть.
Если вам не верна верность оригиналу, ответ не является битрейтом. Это копия M4A, которая не должна принимать битрейт.
Когда WAV правильный ответ?
Когда что-то ниже по течению хочет PCM, что чаще, чем ожидают люди.
Аудиоредакторы предпочитают его, потому что он не нуждается в декодировании и может быть отредактирован по образцу. Службы транскрипции и речевые модели часто требуют этого, а те, которые принимают сжатый звук, обычно в любом случае декодируют его в PCM. Инструменты принудительного выравнивания, программное обеспечение для акустического анализа и все, что делает обработку сигналов, все запускается с PC
WAV не добавляет дальнейших потерь, хотя и не может отменить то, что уже отброшено. В WAV, сделанном из трека AAC со скоростью 128 кбит/с, все еще отсутствуют все детали, которые AAC не отсутствовал. Это верный контейнер для поврежденного звука, что вам и нужно, когда следующим шагом будет анализ, а не прослушивание.
Результат измерений обнадеживает в этом вопросе. Извлеченный мной WAV был бит идентичен прямому декодированию исходного аудио, того же MD5, поэтому извлечение ничего не добавило. Стоимость указана в размере, который покрывается в следующем разделе.
16-битная стереосистема 44,1 кГц имеет смысловое значение по умолчанию и то, что пишет экстрактор. Это спецификация компакт-дисков, она повсеместно читаема, и ничего не получается при написании 24-битного PCM из источника, который изначально был потерян.
Насколько большим будет файл?
Как и ожидалось, что является полезной частью.
Размер аудио — это длительность битрейта, без зависимости от контента, поэтому, в отличие от видео, он может быть сообщен вам до начала работы, а не догадаться после этого.
| формат | в минуту, стерео | один час |
|---|---|---|
| M4A скопировано с источника 128 кбит/с | 0,95 МБ | 57 МБ |
| MP3 192 кбит/с | 1,4 МБ | 84 МБ |
| MP3 128 кбит/с | 0,96 МБ | 58 МБ |
| WAV 16-битная 44,1 кГц | 10,1 МБ | 606 МБ |
WAV-ряд — это тот, который удивляет людей. 10,1 МБ в минуту — это измеренная цифра из приведенного выше теста, и она следует непосредственно из арифметики: 44 100 сэмплов в секунду, два байта в образец, два канала. Час аудио лекций в WAV — это файл размером 600 МБ, который больше, чем многие видео, из которых он вышел, и больше, чем некоторые службы принимают в качестве загрузки.
Именно поэтому экстрактор показывает оценку перед запуском. Часовая запись, извлеченная в WAV, — это разумная вещь, которую нужно хотеть, и неразумная вещь, которой можно удивлять.
Почему WebM отказывается копировать свой аудио в M4A?
Поскольку внутри него кодек, контейнер MPEG-4 не будет нести, а инструмент честен в этом, а не молчаливо перекодирует.
В WebM содержится аудио Opus или Vorbis, а не AAC. Ни один из них не принадлежит M4A в отношении стандартных муксеров, поэтому путь к копированию недоступен. FFmpeg так прямо говорит:
[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 ?)
есть опубликованная спецификация для Инкапсулирование OPU в контейнере носителя базового ISO, так что это реальность, а не теоретическая невозможность. На практике ничего не передалось бы файлу воспроизводить M4A, полный опус, поэтому полезный ответ — перекодировать. В том же тестовом содержимом, который занял 0,32 секунды в течение 20 секунд аудио и создал файл 473 КБ, что представляет собой одно поколение потерь и единственный доступный вариант.
Та же логика решает все остальные источники. MP4, MOV, M4V и M4A могут скопировать свои AAC. WebM, MKV с опусом или форбисом, и все, что несет в себе кодек из-за пределов семейства MPEG-4, и в экстракторе указано, в каком случае вы находитесь, а не после этого.
Почему длительность не совпадает?
Поскольку AAC и MP3 и обновляют их выход, и два контейнера обрабатывают эту отставку по-разному. Именно детали, которые ломают без пробелов, и четко видны в тестовых цифрах.
Исходный звук был ровно 60 секунд, 2646 000 сэмплов на частоте 44,1 кГц. Извлеченный M4A сообщает продолжительность ровно 60,000000 секунд. Извлеченные WAV и MP3 сообщают 60,000363 секунды, что на 16 образцов длиннее.
Эти 16 образцов являются задержкой кодировщика. AAC работает в 1024 кадрах семплирования, поэтому 60-секундная запись не делится поровну, а энкодер закрывает конец. M4A скрывает это с помощью списка редактирования, небольшой таблицы в контейнере, которая говорит, какая часть декодированного вывода является реальной записью. Декодируйте M4A, и вы получите 2 646 016 сэмплов обратно, откуда берутся дополнительные 0,36 миллисекунды WAV.
MP3 не имеет списка редактирования, потому что формат предшествует идее. Вместо этого у него есть хромой информационный тег, блок поставщика в первом кадре, записывающий, сколько выборок нужно сбросить на каждом конце. выше Макет поля документируется байтами по байту, а также задержка кодера и конечная доля заполнения байтов 0xB1 до 0xB3 в виде двух 12-битных значений. Декодированный MP3 вернулся с 2 646 016 сэмплов, точно соответствовала WAV, поэтому тег сделал свою работу здесь. Игрок, который игнорирует его, или кодировщик, который не может его написать, — это то, откуда берется звуковой клик между дорожками непрерывного альбома.
Ничто из этого не имеет значения для лекции или подкаста. Для концертного альбома или диджея это очень важно, и именно поэтому путь копирования стоит предпочтительнее, когда он доступен: нет кодировщика, поэтому нет нового отступа для учета.
Везде ли M4A воспроизводит MP3?
Близко к нему, с кратким списком исключений, которые стоит знать, прежде чем совершать.
Все, что сделано в этом десятилетии, играет на M4A. iOS и Android делают нативно, каждая операционная система настольного компьютера, каждый браузер, Spotify и VLC, Plex, а также стандартное музыкальное приложение на любом телефоне, который у вас есть. Формату двадцати лет, и он был выходным по умолчанию для большинства из них по умолчанию.
Исключения кластеризованы в двух местах. Первый — это старые автомобильные стереосистемы и автономное оборудование, особенно головные устройства примерно 2012 года, когда USB-накопитель, полный файлов M4A, читается как пустой. Второй — это программное обеспечение, которое принимает загрузку и проверку аудио, а не по содержимому, который отказывается от M4A в списке, написанном много лет назад и никогда не посещавшегося повторно. Услуги транскрипции были здесь обычным преступником, как журналист в Руководство по аудио конвертеру В итоге получил четыре часа файлов, которые ее служба не забрала.
Разумный подход: сначала извлеките в M4A, потому что он мгновенный и без потерь, и сохраняйте его как мастер. Если пункт назначения откажется от него, конвертируйте этот M4A в MP3 один раз. Затем вы заплатили за одно поколение убытков вместо того, чтобы сделать копию с потерями вашей единственной копией.
Сколько времени занимает добыча и что решает?
Чтение файла, в основном, а затем, задействован ли кодировщик.
Путь копирования ограничен скоростью диска и памяти, а не обработкой. 0,04 секунды для файла 19 МБ — это не работающий аудио, а читаемый файл и записывается новый контейнер. При увеличении этого 40-минутная запись лекции на пару сотен мегабайт выходит за секунду или две, и почти все это — браузер, читающий файл во вкладку.
Пути кодирования ограничены кодером. Lame занял 0,36 секунды в течение 60 секунд стереозвука на этом компьютере, что примерно в 165 раз быстрее, чем в реальном времени, поэтому час работы аудио составляет около 20 секунд работы. AAC перекодирование с помощью WebM измеряется аналогично. Это достаточно быстро, чтобы индикатор прогресса в основном существует для честности, а не для необходимости.
Одно доминирует во всем остальном, а не в аудио. Загрузка исходного видео на страницу — это медленный шаг для большого файла, потому что весь файл переходит в память вкладок. Это причина ограничения 500 МБ: кроме того, вкладка начинает выйти из строя способами, которые сложнее объяснить, чем заявленный предел. Если вы работаете с файлом большего размера, обрезайте его сначала с помощью видеотриммер обычно быстрее, чем борьба с пределом, и Руководство по обрезке Охватывает, почему этот срез почти свободен.
Что происходит, когда видео имеет более одной аудиодорожки?
Выходит один трек, выбранный для вас, а остальные выпадают без комментариев. Это стоит знать, потому что это тихая неудача, а не громкая.
Я тестировал его с помощью файла с двумя аудиопотоками, стереодорожкой 128 кбит/с и монотактной 64 кбит/с, что примерно соответствует форме записи с помощью микрофона камеры и отдельного микрофона лацкана. Извлечение выдало один поток, 128 кбит/с Stereo One, 950 КБ, без упоминания о том, что существовала вторая дорожка.
Выбор не случайный. Правила выбора потока документированных Выберите поток, который он оценивает лучше всего, что для аудио означает наибольшее количество каналов, поэтому вы обычно получаете тот, который вам нужен. Но если тихая моно-треть была аудио для интервью, а стереофон был шумом комнаты от камеры, вы ошибаетесь, и ничего вам не подскажет.
Многодорожечные файлы необычны вне профессиональных рабочих процессов, и почти ничего из телефона или диктофона не имеет более одного аудиопотока. Если вы работаете с отснятыми кадрами с реальной съемки, проверьте список потоков перед извлечением и ожидайте, что вы будете использовать ffmpeg напрямую с явным -map 0:a:1 Когда вам нужен второй трек.
Стоит ли извлекать аудио или конвертировать все видео?
Извлечение, если вам нужен звук. Эти две операции не являются альтернативами, и люди регулярно добиваются неправильных.
Преобразование видео в MP3 — это фраза, которая появляется в миллионах поисков в месяц и описывает операцию, которую никому не нужен. Он подразумевает декодирование и отбрасывание изображения, декодирование звука и перекодирование его, что является большой работой по худшему версии того, что уже было. выше видео конвертер Существует для случая, когда вы хотите видео в конце, в формате что-то будет воспроизводиться. Когда вам нужен аудио, извлечение — это операция, а путь копирования означает, что он тоже дешевый.
Таблица решений короткая:
| Чего ты хочешь | обычай | стоимость |
|---|---|---|
| Саундтрек в виде файла | Извлечь в M4A | ничего, поток скопирован |
| Саундтрек для редактора или расшифровки | Извлечь в wav | Только размер |
| саундтрек на старом аппаратном обеспечении | Извлечь в MP3 | одно поколение |
| меньшее видео, фото включено | Видео компрессор | Зависит от CRF, см. Руководство по сжатию |
| То же видео в формате, который играет | видео конвертер | Часто remux, так что ничего |
Шаблон для всех пяти строк стоит убрать: спросите, требует ли операция перекодировать, и предпочитаете ту, которая не требует.
Что меняется в браузере?
Куда идет запись, что для аудио обычно — это весь вопрос.
Экстрактор запускает ffmpeg, скомпилированный в WebAssembly внутри страницы. Видео считывается с вашего диска в память вкладок, аудиопоток вытягивается, а результат возвращается в качестве загрузки. Ни один запрос не содержит файл, на сервере ничего не ставится в очередь, и нигде не существует копии, чтобы кто-то забыл удалить его.
Аудио «люди» в основном из тех, которые делают это дело. Записанные встречи, лекции, собеседования, консультации, звонки с юристом или врачом, голосовые заметки с вещами в них вы бы не публиковали. Обычно альтернативой является загрузка записи на сайт, о котором вы ничего не знаете, в обмен на операцию, которая в пути копирования является переписыванием вашего собственного компьютера менее чем за секунду.
Торговля составляет 500 МБ Cap и рабочий процесс «одно файл за раз», потому что на вкладке браузера меньше памяти, чем на сервере, и нет очереди. Для одной записи, для которой это почти всегда, это предел, которого вы не достигнете, и гарантия конфиденциальности, которую вы не можете получить другим способом.
