抽出が実際にしていること
動画ファイルには、映像と音声が別々のストリームとして並んで入っています。音声の抽出とは、映像のストリームを捨てて音声だけを音声ファイルに書き出す作業です。映像を処理しないので、動画の変換よりずっと早く終わります。
一つ知っておきたい点があります。この変換ツールは音声をそのままコピーするのではなく、選んだ形式に再エンコードします。聞くだけなら、適切な設定では違いは分かりません。ただし音声を編集してもう一度書き出す予定があるなら、ロスレス形式を選んでください。非可逆圧縮の上にさらに非可逆圧縮を重ねずに済みます。形式ごとの違いは音声フォーマットのガイドで詳しく説明しています。
次に何をするかで形式を選ぶ
| やりたいこと | 形式 | 理由 |
|---|---|---|
| スマホでも車でも、どこでも聞く | MP3 | 再生できない機器がない |
| Appleのライブラリに入れておく | M4A | 同じビットレートならAACのほうがMP3より少し良く聞こえる |
| 音声・動画編集ソフトで編集する | WAV | 無圧縮なので、編集しても劣化が増えない |
| 元の音質のまま、容量を抑えて保存する | FLAC | ロスレスで、WAVの半分ほどの大きさ |
320kbpsがたいてい無駄になる理由
ほとんどの動画に入っている音声はすでに圧縮されていて、たいていは128〜192kbpsのAACです。これを320kbpsのMP3にエンコードしても、動画を作るときに捨てられた情報は戻りません。音は同じで、ファイルだけが大きくなります。数字が大きいほうが安心に思えますが、上限は元の素材ですでに決まっています。
- 話し声(講義、会議、インタビュー):128kbpsで十分すぎるほどです。
- 一般的な動画に入っている音楽:192kbpsが元の素材の水準に合っています。
- 自分で録った高音質の音楽:256か320kbps、またはロスレス形式を選びます。
ファイルはどのくらいの大きさになるか
MP3とM4Aは、サイズがビットレートと長さだけで決まるので、前もって計算できます。
| 設定 | 10分 | 1時間 | 2時間 |
|---|---|---|---|
| 128kbps | 9.6MB | 58MB | 115MB |
| 192kbps | 14.4MB | 86MB | 173MB |
| 256kbps | 19.2MB | 115MB | 230MB |
| 320kbps | 24MB | 144MB | 288MB |
| WAV | 115MB | 691MB | 1.4GB |
WAVをとりあえず選んではいけない理由が最後の行にあります。編集には向いていますが、一度聞くだけの2時間の講義には向きません。
実際の手順
- 動画を音声にページを開いて動画を追加します。ファイルは端末に残ったままで、何もアップロードされません。会議や授業の録画のように外に出しにくい素材ほど、これは大事な点です。
- 音声形式を選びます。動画の音声トラックだけを抽出する旨の案内が表示されます。
- 上のリストを参考にビットレートを決めます。
- 一部だけ必要ならトリミング(任意)を開いて、開始と終了の時間を入力します。
- 変換してダウンロードします。
よくある二つの問題
録音の音が小さすぎる。講義室や会議室で撮った動画は、音が小さく録れがちです。音量を100%より上げると音が大きくなります。少しずつ上げてください。大きな音が上限を超えると歪んでしまい、一度歪んだ音は元に戻せません。
動画がとても大きい。音声を取り出すには、まずファイル全体をメモリに読み込む必要があります。そのため数ギガバイトの録画は、ほしい音声が小さくてもブラウザでは失敗することがあります。次回から低い解像度で録画するか、そのファイルだけデスクトップのツールで処理してください。
最後に、忘れがちな点を一つ。音声を取り出すのは、自分で撮った動画か、利用の許可を得た動画だけにしてください。映像がなくなっても、講師や演奏者の権利までなくなるわけではありません。