從影片中擷取音訊，指的是把影片檔案裡的聲音軌獨立出來，儲存成單獨的音訊檔案，畫面則不予保留。影片轉音訊工具（Video to Audio Converter）完全在你的瀏覽器分頁中完成這件事：它會解碼你選取的影片，在片段播放期間擷取它的音軌，再把擷取到的串流重新寫成一個你可以下載的 Opus WebM 音訊檔。整個過程不會有任何上傳，沒有伺服器會看到這個檔案，原始影片也永遠不會被修改。結果會得到一個音訊檔案，內容就是這支影片音軌所承載的任何內容——談話、旁白、音樂、背景聲音，或參考錄音——並封裝在一個廣泛相容的 WebM 容器裡。因為這個工具使用的是瀏覽器內建的媒體 API，而不是第三方編碼器，輸出格式就固定為瀏覽器原生能錄製的格式，而處理速度則與來源片段的播放速度綁在一起。
「從影片中擷取音訊」實際上代表什麼
在一個影片檔案裡，畫面與聲音通常是同一個容器內的兩條獨立軌道。擷取音訊，指的是把聲音軌剝離出來，寫成它自己的一個檔案，就像你會從一片 CD 上存下一首歌，而不是整支音樂錄影帶一樣。影片畫面會被捨棄；音訊則會被保留成一段連續的錄音，從影片的第一個畫格開始，到最後一個畫格結束。
這與把影片靜音不同，靜音只是在影片播放器裡把聲音關掉。擷取則會產生一個全新的音訊檔案，完全不含任何影片內容，因此你可以把它放進 Podcast 編輯軟體、投影片、音樂資料庫，或語音備忘錄應用程式裡。要注意的是，輸出結果是原始音訊的一次全新錄製，而不是來源封包的無損複本。重新編碼可能會同時改變檔案大小與品質，而輸出的容器格式，是由你使用的工具決定的，而不是由輸入檔案的容器決定的。
瀏覽器如何擷取音軌
影片轉音訊工具依賴三個網頁 API 協同運作。首先，瀏覽器載入所選取的檔案，並把它當成一般的媒體元素來解碼。一旦中繼資料可用，這個工具就會呼叫HTMLMediaElement.captureStream，從正在播放的影片取得一個即時的 MediaStream。這個串流會經過篩選，只保留音訊軌，畫面軌則被捨棄。最後，一個 MediaRecorder 會被附加到這個純音訊串流上，把擷取到的資料寫進一個帶有 Opus 音軌的 WebM 容器裡。
因為錄製與播放是綁在一起的，瀏覽器會從第零秒開始播放影片到結束，同時錄製器持續監聽。在處理期間，預覽畫面會被靜音，這樣使用者就不會把聲音聽兩遍，但只要瀏覽器支援媒體元素擷取，擷取到的串流仍然含有這支影片的音訊。進度會以跟隨播放時間的標籤顯示，取消則會停止目前的工作。因此，一支一分鐘的影片，大約需要一分鐘的時間才能處理完，而且沒有比即時播放更快的路徑，因為錄製器擷取的是即時串流，而不是原始的壓縮封包。
支援的輸入格式，以及你需要知道的硬性限制
在開啟檔案之前，先了解這個工具會接受什麼、會拒絕什麼會很有幫助。之所以存在這些限制，是因為瀏覽器必須把整支影片解碼進記憶體，並在錄製的同時播放它，因此非常大或非常長的檔案，會耗盡分頁的資源。下表整理了這個工具所強制執行的邊界。
| 項目 | 限制 |
|---|---|
| 容器格式 | MP4、WebM、MOV、M4V、Ogg |
| 最大檔案大小 | 500 MiB |
| 最大解碼長度 | 5 分鐘 |
| 最長邊上限 | 4096 像素 |
| 最大總面積 | 3840 × 2160 像素 |
| 輸出容器 | 帶有 Opus 音訊的 WebM，128 kbps |
檔名或 MIME 類型，只能告訴這個工具容器可能是什麼。真正重要的，是那個容器裡實際使用的編碼格式：如果你的瀏覽器無法解碼影片所使用的視訊編碼格式，或無法取得它的音訊軌，這項工作就會停止並顯示明確的訊息。解碼錯誤、不支援的錄製器、空白輸出、無效的長度、過大的尺寸，以及被取消的工作，全都會以同樣明確的方式失敗，而不會產生無聲失敗或不完整的檔案。若想更深入了解容器、編碼格式與尺寸限制之間如何相互影響，可參閱從影片擷取音訊的準確度、編碼格式與限制這篇指南。
三個步驟從影片中擷取音訊
- 選擇一支受支援、含有音訊軌的本機影片。檔案必須是 MP4、WebM、MOV、M4V 或 Ogg 容器，大小不超過 500 MiB，且解碼後的片段不得超過五分鐘，任何一邊都不能超過 4096 像素。
- 選取「擷取音訊」，並讓分頁保持開啟，讓影片以即時方式處理。瀏覽器會把片段從頭播到尾，錄製器同時擷取音訊軌；預覽畫面會被靜音，這樣你就不會把音訊聽兩遍。
- 檢查長度與檔案大小，然後下載 Opus WebM 音訊檔案。下載到的容器，會補上已知的媒體長度，讓相容的播放器能夠回報一段有限的時間軸。
不需要帳號、不需要上傳步驟，也沒有選擇其他輸出格式的選項。這項工作從頭到尾都在目前的分頁中執行，產生出來的音訊檔案，則透過一個可撤銷的物件網址提供，一旦下載完成，瀏覽器就會釋放它。
為什麼輸出是 Opus WebM 而不是 MP3
音訊格式是由瀏覽器的 MediaRecorder 決定的，而不是由使用者選擇的。現代瀏覽器通常都能原生把 Opus 錄製進 WebM 容器裡，因此這個工具會挑選第一個支援的 Opus WebM MIME 類型，並以 128 kbps 寫入。要產生 MP3、WAV、AAC 或 FLAC，就得額外綁入一套獨立的編碼器函式庫，這會增加一個龐大的依賴項，也會破壞一個輕量瀏覽器工具「不上傳、不安裝」的承諾。
Opus 是一種通用且廣受支援的編碼格式，在中等位元率下也能把語音與音樂處理得很好，而 WebM 則是大多數現代播放器都能直接開啟的輕量容器。如果你特別需要 MP3、WAV，或原始壓縮封包的無損複本，你會需要一套專用的桌面音訊編輯軟體。作為 Opus 輸出檔大小的粗略估算：128 kbps × 60 秒 = 7,680 kilobits，大約相當於每分鐘音訊 0.92 MB。把這個數字換算到一支五分鐘的片段：每分鐘 0.92 MB × 5 分鐘 = 4.6 MB，不過確切數字仍會依來源的靜音比例與複雜度而有所不同。
什麼時候該改用專用的音訊編輯軟體
這個瀏覽器工具刻意設計得很窄。它存在的目的，是應付「快速、在本機、且不必上傳任何東西」就能把一小段影片的音訊取出來的常見情境。它並不是一套完整音訊編輯軟體的替代品。當你需要無損保留原始音訊、多聲道或環繞音效、精確到毫秒的剪輯、對大量檔案做批次處理，或需要瀏覽器無法原生輸出的特定交付編碼格式時，請改用專用的軟體工具。對於較長的錄音、專業的後製工作，或像 WAV、FLAC 這類下游格式，請先安裝一套桌面編輯軟體，並在交付檔案之前驗證它的匯出設定。
你也應該先停下來，重新考慮來源本身。這個工具不會繞過 DRM、平台的存取控管、受保護的串流、遠端網址，或著作權限制，也不適用於你並不擁有或沒有取得擷取與重複使用授權的內容。只有在你確實擁有這麼做的權利時，才擷取音訊；當這項工作超出瀏覽器錄製方式所能負荷的範圍時，請改用專用的編輯軟體。
如果你正在權衡各種選項，影片裁切工具的準確度：像素、音訊、長度這篇文章有詳細說明。