把影片轉成音訊的意思，是從影片檔中抽取出音軌，只保留聲音並丟棄動態影像。在開始之前，初學者應該了解五個實際情況:這個工具會抽取音軌並將其重新編碼為 WebM 容器中的 Opus 音訊，處理過程會在目前的瀏覽器分頁內即時進行，檔案絕不會上傳到伺服器，輸入必須是瀏覽器能解碼的本地檔案，輸出格式固定為 128 kbps 的 Opus WebM。這些限制會決定這個瀏覽器工具適合處理哪些工作，以及哪些工作需要專用的桌面音訊編輯器。初學者若在按下「Extract」(抽取)之前先了解這些，就能避免最常見的意外:沒有聲音的輸出、格式不符、處理時間比預期更久，以及發現 MP3 從來就不在選項中。把接下來的章節當作一份簡短的事前檢查清單，先跑過一次，之後每次有新影片時都可以重複使用。
「把影片轉成音訊」到底是什麼意思
影片檔是一個容器，把動態影像軌(通常還有音軌)以及時間中繼資料打包成單一檔案。把影片轉成音訊，意思是把音軌獨立出來，另外寫成自己的檔案，並移除影像。在技術上可能會發生兩種不同的情況。原本壓縮過的音訊封包可以被原封不動複製出來;或者是讓音訊通過解碼器播放、擷取結果，然後寫入新的壓縮串流來重新編碼。Video to Audio Converter 採用的是第二種方式，因為它沒有大型媒體函式庫可以依賴，所以這個工具誠實地標示自己是一個即時重新編碼，而不是無損的封包複製。初學者應該記住這個實際意涵:輸出檔案並非來源音訊逐位元相同的拷貝，其檔案大小、位元率與品質反映的是錄製設定，而不是原始音軌的設定。
有兩種對初學者友善的用途很適合這種做法。從短影片中抽取語音備忘、播客段落或參考曲目很合適，因為結果很短、音訊清晰，而且 Opus 能乾淨地處理人聲。擷取環境音或一段音樂供個人參考也很適合，因為使用者並不要求錄音室等級的音質。需要精準到樣本等級的拷貝、多聲道保留、長片母帶處理，或特定交付編解碼器的工作，通常需要使用其他工具。
每個初學者都該懂的容器與編解碼器規則
容器 (container) 和編解碼器 (codec) 是兩個不同的詞，但初學者常常搞混。容器就是你在檔名中看到的副檔名，例如 .mp4 或 .mov。編解碼器則是該容器內部實際使用的壓縮方式，例如 H.264 影片搭配 AAC 音訊，或 VP9 影片搭配 Opus 音訊。一個標示為 .mp4 的檔案，可能裝著 H.264、HEVC、AV1 或其他編解碼器，端看製作軟體而定。瀏覽器並不是只看副檔名，而是會檢查容器內的編解碼器，只接受它懂得解碼的格式。這個行為在 MDN HTMLMediaElement.captureStream 參考文件 中有說明，這也是這個工具所基於的同一個底層機制。
這個工具接受 MP4、WebM、MOV、M4V 與 Ogg 檔案，大小上限為 500 MiB，但這些副檔名只是初步篩選，並非保證。一個以瀏覽器無法解碼的 ProRes 編解碼器包裝的 MOV 檔，會以明確的錯誤訊息失敗。一個使用瀏覽器無法解碼的音訊編解碼器的 MP4，則會以可見的訊息失敗，而不是產出沒有聲音的檔案——這點常常讓以為副檔名就代表全部內容的初學者大吃一驚。
| 容器副檔名 | 通常包含的內容 | 為什麼有時會失敗 |
|---|---|---|
| MP4 | H.264 或 HEVC 影片，AAC 音訊 | 並非每個瀏覽器都能解碼 HEVC |
| WebM | VP8、VP9 或 AV1 影片，Opus 或 Vorbis 音訊 | 在現代瀏覽器中支援度廣泛 |
| MOV | H.264 或 ProRes 影片，AAC 音訊 | ProRes 不是瀏覽器支援的編解碼器 |
| M4V | H.264 影片，AAC 音訊 | 通常在現代瀏覽器中可正常運作 |
| Ogg | Theora 影片，Vorbis 或 Opus 音訊 | 較少見，由 Firefox 和 Chromium 解碼 |
一個實用的思考訣竅:在腦中把檔名從 clip.mp4 改念成 clip.container，然後先確認瀏覽器能不能帶著聲音播放，再決定是否進入抽取流程。如果能播放，抽取就能成功。
初學者常忽略的輸入限制
這個工具面前有三個數字限制，初學者若預先把它們納入考量，就能避免最常見的失敗。第一個限制是檔案大小:磁碟上最多 500 MiB。任何更大的檔案在選取時就會被拒絕。第二個限制是解碼後的長度:不得超過 5 分鐘。一段 10 分鐘的講座或 1 小時的會議錄影，即使檔案很小，也無法通過。第三個限制是解碼後的尺寸:任一邊不得超過 4096 像素，且總像素面積不得超過 3840 x 2160。一段標準 16:9 的 4K 影片正好踩在邊界上;任何更寬或更高的影片都會被拒絕。
這些限制並非憑空訂定。它們限制的是即時擷取流程會消耗的記憶體、播放時間與瀏覽器資源。如果來源檔案接近任何一項上限，務實的建議是在執行抽取之前先修剪影片、調整尺寸，或將它切成數段。瀏覽器對副檔名很寬容，但對解碼後的數值非常嚴格，這就是為什麼這些限制是在瀏覽器載入檔案之後才測量，而不是只看容器標頭。
| 限制項目 | 最大值 | 達到限制時會發生什麼 |
|---|---|---|
| 來源檔案大小 | 500 MiB | 更的檔案在選取時就會被拒絕 |
| 解碼後長度 | 5 分鐘 | 更長的影片會以可見訊息停止 |
| 單邊解析度 | 4096 px | 更大的尺寸會以可見訊息停止 |
| 總像素面積 | 3840 x 2160 | 超過此值會以可見訊息停止 |
解碼後的限制比檔案大小限制更容易讓初學者措手不及。一個儲存為 200 MB MP4 的 90 分鐘講座，會通過檔案大小篩選，然後在長度這關失敗。一個高解析度的手機匯出檔 4320 x 7680，會通過長度篩選，然後在單邊解析度這關失敗。在抽取之前先用修剪或調整尺寸的步驟處理檔案，通常是最乾淨的做法。
為什麼處理時間和影片本身一樣長
即時處理是初學者遇到的最大行為意外。瀏覽器會把影片載入 HTML 媒體元素、播放底層媒體串流，並在播放進行的同時要求 MediaRecorder 擷取外露的音軌。擷取與播放是同步進行的，並非在背景批次處理。這代表一段 60 秒的影片抽取需要大約 60 秒，一段 5 分鐘的影片抽取需要大約 5 分鐘。沒有任何離線批次能比播放速度更快完成。
這種設計會帶來兩個副作用。第一，你看到的進度標籤跟著播放時間走，而不是某個假想的時鐘結束點，並且在你按下「Cancel」(取消)時會立即停止。第二，處理過程中預覽會被靜音，因此不會有第二道音訊串流疊加到錄製上。初學者有時會把靜音的預覽誤認為 bug，但在瀏覽器能透過 captureStream 外露音訊的情況下，擷取到的串流仍然包含原始音訊。這篇關於轉檔時影片是否會被上傳的指南 說明同一條本地擷取路徑，並解釋為什麼檔案會留在分頁內。
Safari 和部分其他瀏覽器並未提供 captureStream 或相容的 MediaRecorder 格式。使用這些瀏覽器的初學者會看到工具以一則「不支援的錄影器」相關的可見訊息停止運作。務實的解決方法是改用當代 Chromium 核心的瀏覽器或當代 Firefox。
如何使用 Video to Audio Converter
事前檢查的事實釐清之後，實際操作其實很短。打開工具、選對檔案，然後讓分頁保持開啟直到處理結束。在一個安靜的分頁中以可預測、短暫的方式進行最為理想，因為分節流 (tab throttling) 會拖慢即時擷取的速度。
- 打開 Video to Audio Converter，選擇一個包含音軌的支援本地影片檔。
- 選擇「Extract audio」(抽取音訊)，瀏覽器即時播放影片並錄製其音訊，期間請保持分頁開啟。
- 觀察進度標籤跟著播放時間走，然後在擷取完成時確認工具回報的長度與檔案大小。
- 從同一個分頁下載產生的 Opus WebM 音訊檔。
關於每個步驟有兩點補充。檔案選擇器只接受本地檔案，因此使用 URL 或遠端串流不會產生結果。下載控制項只有在錄影器產生了非空串流時才會出現，所以沒有音軌的影片會以明確的錯誤訊息停止，而不是存成無聲檔。解碼錯誤、不支援的錄影器、空輸出、無效的長度、過大的尺寸，以及使用者取消作業，也都會以可見訊息停止，而不是產出佔位用的空檔。這篇關於初學者常見錯誤的姊妹篇 列出最容易觸發這些停止狀況的情境。
輸出是什麼、不是什麼
輸出是 128 kbps、搭載 Opus 音軌的 WebM 音訊。不是 MP3。不是 WAV。不是 AAC。不是 FLAC。也不是原始壓縮封包的無損拷貝。特別搜尋「MP3」或「WAV」的初學者請注意，這不是符合那種需求的工具;任何聲稱能產生不同結果的服務，做的是完全不同的工作。
128 kbps 的 Opus 是處理人聲、配音、環境音以及大多數音樂參考曲目的合理預設值。它不是多聲道保留、專業母帶處理，或要求特定檔案格式的交付合約所適合的編解碼器。WebM 容器會被修補上實際測得的媒體長度，以便相容的播放器回報一個有限的時間軸，而不是「未知長度」。
一個快速的容量估算有助於規劃。128 kbps 的 Opus 每分鐘來源素材大約產生 1 MB 的音訊。計算方式為 128 kbps 乘以 60 秒再除以每個位元組 8 位元:128,000 乘以 60 除以 8 等於 960,000 位元組，約 0.92 MB。同樣位元率下，一段 5 分鐘的影片會產生 128,000 乘以 300 除以 8 等於 4,800,000 位元組，約 4.6 MB。重新編碼後的輸出大小會依音訊內容而比這些數字大或小，因此請把這個估算當作合理性檢查，而非保證值。
當瀏覽器工具不是正確的選擇
有些工作超出適用範圍，初學者應該一開始就辨識出來。首先是長度。任何超過五分鐘的內容都會被直接拒絕，因此冗長的講座、完整的會議紀錄或片長完整的紀錄片都不適合。其次是格式。如果交付物必須是 MP3、WAV、AAC、FLAC 或特定的廣播格式，這個工具將無法產生。第三是保真度。透過瀏覽器播放路徑重新編碼並非無損操作，而且該工具明確聲明輸出不是原始壓縮封包的逐位元複製。
第四是權利。該工具不會繞過 DRM、平台存取控制、受保護的串流、遠端 URL 或版權限制。它適用於使用者擁有或擁有擷取與再利用權限的本機檔案。從串流服務擷取音樂或影片的初學者應該了解，沒有任何瀏覽器工具能夠合法地完成這項工作。
針對這些情況，配備明確匯出設定的專用桌面音訊編輯器才是正確的解答。當輸入內容簡短、輸出格式具有彈性，且使用者了解重新編碼的取捨時，瀏覽器工具便是最佳選擇。