视频转 MP3

这个工具能做什么

拖入一个视频，这个页面把里面的声音给你。两条路。默认是 MP3，因为多数人来这儿要的就是这个文件：音频被解码，再用 LAME 按你选的码率重新编码一遍。第二条路是把音轨原样取出来。视频里的声音本来就是一条独立、已经编码完成的音频流，通常是 AAC，所以可以直接搬进一个音频容器，一个采样都不用解码。这条路是无损的，花的时间大致就是把文件读一遍。

什么都不上传。这一点在这里比在一个文本工具上更要紧：半小时的录像就有一个 GB，而靠上传干活的转换器总得在某处划一条上限。这里没有这条线，因为根本没有上传。文件就地从你自己的硬盘读取，活儿在标签页里干完，所以两小时的录像和两分钟的录像不是两码事。

怎么用

把文件拖到页面上，或者点击选择一个。在转换任何东西之前，页面先读容器，告诉你里面装的是什么：编码格式、声道数、采样率和时长。这回答了让多数尝试半路夭折的那个问题——这段视频到底有没有能用的音频。关掉麦克风录的屏，以及被聊天软件剥掉音轨的片段，拿到手就是没有音频轨道的，你在这里一秒钟就知道，而不是等一次漫长的转换跑完才发现。

选 MP3 或者原始音轨，按下按钮，下载之前先在播放器里把结果听一遍。码率控制放在「设置」里，提供 128、192 和 320 kbps。默认是 192 而不是 128，因为视频里的音频通常是 128 到 192 kbps 的 AAC，而 MP3 是更老的格式：用和源文件相同的数字编码成 MP3，音乐上能听出来损失了一点。

如果视频里带着不止一条音轨——配音电影和带评论音轨的片子会这样——页面会出现一个选择器，把它们连同语言代码一起列出来。只有一条音轨时不出现选择器，因为只有一个选项的菜单不过是个需要点掉的东西。

有几件事值得知道

出来的 MP3 会比源文件稍长一点。一个 MP3 帧正好装 1152 个采样，所以最后一帧要补齐，编码器自己还会加上一小段延迟；三秒的输入，测下来出来是 3.048 秒。这是格式如此，不是毛病，但如果你要拿音频和原视频逐帧对齐，它就有影响。原样取出那条路没有这种偏移，因为没有任何东西被重新计时。另外，浏览器自己做不出一个 MP3：WebCodecs 的音频编码器管 Opus、AAC 和 FLAC，却没有 MP3 模式，所以这个页面自带一个 LAME 编码器，选 MP3 会比走无损那条路多下载一点代码。反过来，无损那条路在 MP3 走不通的地方照样能用，因为复制一条音轨不需要它的解码器。取出来的音频字节和视频里面的完全一致，所以用哈希计算 (MD5, SHA-256)对两边各算一遍，值是对得上的。

背景：MP3 是怎么来的

MP3 就是 MPEG-1 Audio Layer III，1993 年以 ISO/IEC 11172-3 标准化，主要在 Fraunhofer IIS、由 Karlheinz Brandenburg 主持开发。它赢下早期互联网的格式之争靠的是一条：它是第一个在低码率下好到让音乐值得用调制解调器下载的编码。它如今在任何码率上都算不上最好，AAC 和 Opus 都轻松胜过它，但它在有史以来造出的一切设备上都能放，这也是它在这里仍然是默认项的原因。让它二十年里对开源软件都很别扭的那个专利池在 2017 年到期，Fraunhofer 也随之结束了授权计划，这是浏览器页面如今可以不经任何人同意就编出一个 MP3 的原因之一。

哪些场景用得上

最日常的情况，是一段以视频录下来的讲座、访谈或播客，真正要的只有说话的内容，而一个音频文件只有二十分之一大，什么设备都能放。做音乐的人从排练录像里把声音取出来。准备做转录的人会先转一遍，因为多数转录工具吃的是音频，遇上大视频就卡住。学外语的人留下一段片子的音频，走路的时候听。如果要修的是画面本身而不是声音，视频旋转能把横过来的片子转正，还不用重新编码。如果你要的是把声音去掉而不是留下，视频去声音可以只摘掉音轨、画面一点不动。

常见问题