從影片中擷取音訊的意思，是將影片檔案的音軌與影像分離，並儲存為獨立的音訊檔案。來源容器中包含一個影像軌與一或多個音軌以多工方式組合在一起；擷取作業會將音軌解開並寫入新檔案，如此一來，即使沒有原始影像，也能播放、編輯、轉錄或重複使用聲音。產出結果通常是一個壓縮的音訊容器，例如 WebM 內含 Opus、MP3、WAV 或 AAC，視使用的工具或編解碼器而定。取與將影片轉換為另一種影片格式不同，也與從喇叭或螢幕錄製音訊不同——它是將既有的音軌從影片容器中複製出來。這個詞涵蓋任何將該音軌抽取出來的方法：桌面編輯器、像 FFmpeg 這類命令列工具、桌面應用程式、行動應用程式，或是在本機解碼影片的瀏覽器工具。了解這個差異很重要，因為輸出格式、檔案大小與品質都取決於你使用的工具，以及作業是在你的裝置上還是遠端伺服器上進行。
這個詞實際上描述的是什麼
「從影片中擷取音訊」這個詞描述的是一個單一的概念性操作：將音訊串流從影片檔案中抽出來，使其能獨立存在。影片檔案是一個容器——通常是 MP4、MOV、MKV、WebM 或其他格式——將不同的軌道捆綁在一起。其中一軌承載動態影像，另一軌承載聲音，第三軌可能承載字幕或章節標記。容器的工作是讓這些軌道在共享的時間軸上保持同步；音軌本身則以 AAC、MP3、Opus 或 Vorbis 等編解碼器進行編碼。
當工具取音訊時，會解碼原始音軌並將其寫入一個全新的純音訊檔案。新的檔案中會捨棄影像軌。輸出檔案可能使用與原始音訊相同的編解碼器，也可能重新編碼為不同的編解碼器。這個選擇決定了輸出是符合來源的音訊品質，還是經過全新的壓縮。
這就是為什麼這個詞會與「rip audio」、「demux」或「audio extraction」等相關詞彙並列出現。每個詞指涉的概念相同，但語感略有不同：ripping 暗示從光碟複製，demux 是從容器中分離軌道這個動作的技術性說法，而 extraction 是一般日常軟體最廣泛使用的標籤。每條路徑最終都到達同一個地方：一個曾經藏在影片中的音訊檔案。
為何擷取與錄製或轉換不同
有 3 種操作常與擷取混淆，但每一種都會產生不同的結果。
- 擷取是將既有的音軌從影片容器複製到純音訊檔案中。來源音訊已經存在，工具只是將其抽出。
- 錄製則是在聲音播放的同時，透過麥克風或系統音訊裝置擷取聲音。來源音訊是在過程中產生的，而非從檔案中抽出。
- 轉換是將一個檔案從一種編碼重新編寫為另一種編碼。影片對影片的轉換會保留影像；影片對音訊的轉換則是一種包含擷取步驟的特殊轉換。
在這 3 種操作中，只有擷取是從已嵌入影片中的音軌開始。錄製則取決於麥克風聽到的任何聲音，這代表室內噪音、裝置電流聲以及任何播放上的怪異狀況，都會被一起烤進檔案中。轉換可以套用於任何內容，但只有針對音訊輸出的變體才會包含 demux 步驟。
如果你有一段錄音品質乾淨的影片剪輯——例如簡報錄影、音樂演出或播客風格的片段——那麼「擷取」就是正確的用詞，因為你想要的音訊已經在檔案裡了。如果你想擷取正透過喇叭播放的聲音，則需要改用錄製工具。
如何從本機影片檔案中擷取音訊
對於儲存在電腦上的單一短剪輯來說，瀏覽器工具是不必安裝軟體的最快途徑。Video to Audio Converter 完全在當前的分頁中執行，並在整個作業過程中將來源檔案保留在你的裝置上。
- 在相容的瀏覽器中開啟 Video to Audio Converter，並點擊檔案選擇器。選擇一個包含音軌的本機影片——MP4、WebM、MOV、M4V 或 Ogg，檔案大小上限為 500 MiB。
- 點擊 Extract audio，並在工具處理檔案時保持分頁開啟。解碼與錄製會即時進行，因此頁面會從頭到尾播放影片，同時擷取音軌。
- 觀察進度標籤，它會跟隨播放時間。擷取期間預覽為靜音，但錄製的串流仍包含來源剪輯中的音訊。
- 當工具回報作業完成時，檢查所列出的時長與檔案大小，確認與來源剪輯相符。
- 下載 Opus WebM 音訊檔案。輸出是一個內含 Opus 音軌的 WebM 容器——不是 MP3、WAV、AAC 或 FLAC。
對於較長的工作流程，或任何你需要無損輸出的情況，另一套工具組會更為合適。瀏器路徑的目標是廣泛支援的 Opus WebM 組合；若是為了製作工作、多聲道音訊或特定的交付編解碼器，則應選擇具備可設定匯出功能的桌面音訊編輯器。
決定擷取作業能否開始的輸入限制
在任何擷取開始之前，工具會根據一組限制來檢查檔案。若任何一項限制未通過，作業會以可見的訊息停止，而不會產生損壞的檔案。硬性限制如下：
| 限制 | 數值 | 存在的原因 |
|---|---|---|
| 容器格式 | MP4、WebM、MOV、M4V、Ogg | 瀏器通常能解碼的容器 |
| 檔案大小 | 上限 500 MiB | 限制解碼期間的記憶體使用量 |
| 時長 | 不超過 5 分鐘 | 限制播放時間與資源使用量 |
| 最長邊 | 不大於 4096 像素 | 避免解碼後的畫面過大 |
| 總解析度 | 不大於 3840 × 2160 | 將總像素面積維持在合理範圍內 |
檔名或 MIME 類型只能用來識別可能的容器；瀏覽器仍須支援容器內的編解碼器。這就是為什麼副檔名被辨識的檔案仍然可能失敗——該容器內封裝的編解碼器可能無法解碼。沒有音軌的影片會明確失敗，而不會產生一個無聲檔案。
輸出檔案的樣貌
擷取會產生一個全新的音訊檔案，而不是原始壓縮音訊封包的逐位元組複製。工具會錄製瀏覽器解碼後的音訊串流，並以 128 kbps 的 Opus 編解碼器將其寫入 WebM 容器。音訊時長會被修補進 WebM 的 Segment Info 元素中，以便相容的播放器回報有限的時間軸，而不是未知的長度。其底層機制採用瀏覽器的 HTMLMediaElement captureStream 與 MediaRecorder 管線，兩者在 MDN 上皆有文件記載（HTMLMediaElement captureStream 與 MediaRecorder）。
由於檔案會經過重新編碼，輸出的大小與品質取決於 Opus 編碼器，而非來源的原始音訊編解碼器。以高位元率 AAC 軌道編碼的來源，在 128 kbps 下不會產生品質完全相同的 Opus 檔案；Opus 雖然效率很高，但它是一種不同的編解碼器，具有自己的壓縮特性。如果你需要原始音訊的無損複製，這個方法就不是合適的工具——應使用支援 remux 或無損匯出的桌面編輯器來擷取。
格式的選擇是刻意的。WebM 搭配 Opus 是瀏覽器內建 MediaRecorder 無需額外編解碼器相依性就能產生的格式之一，這有助於保持工具的輕量化。MP3 編碼則需要另外捆綁一個編碼器；該工具為了避免這點，便以 Opus WebM 作為輸出格式。如果你需要 MP3、AAC、WAV 或 FLAC，請使用其他工具將產生的 Opus WebM 進行轉檔。
本機瀏覽器擷取 vs 上傳式服務
擷取工具主要分為兩大類。兩者的差異在於處理過程中檔案的去處。
| 面向 | 本機瀏器擷取 | 上傳式服務 |
|---|---|---|
| 檔案處理位置 | 在你當前的瀏器分頁中 | 在該服務的遠端伺服器上 |
| 作業期間是否需要網路 | 無需上傳；檔案保留在裝置上 | 需要，檔案會離開裝置 |
| 常見提供的輸出格式 | 瀏器能編碼的任何格式（通常為 Opus WebM） | MP3、WAV、AAC、FLAC、M4A、OGG 等等 |
| 檔案大小與時長限制 | 受限於瀏覽器記憶體與解碼器 | 通常由服務方案決定 |
| 帳號或註冊 | 通常不需要 | 處理較大檔案時通常需要 |
| 隱私立場 | 來源從不離開裝置 | 來源會送到第三方伺服器 |
當檔案較短、輸出格式可接受，且優先考量是讓來源保留在自己裝置上時，本機瀏覽器擷取是最合適的選擇。當你需要特定編解碼器、非常大的檔案，或是瀏覽器無法在單一分頁中處理的批次作業時，上傳式服務就能發揮其價值。
覽器取何時是合適的選擇
瀏覽器取適用於一組明確的任務：
- 從簡報錄影中抽出演講或旁白，用於逐字稿或語音備忘錄。
- 從可接受 Opus WebM 格式的短個人剪輯中，擷取音樂演出或環境聲音。
- 從螢幕錄影或教學剪輯中分離出參考音軌。
- 產生一個小型音訊檔案，用於嵌入投影片、文件或個人封存。
當你需要無損品質、多聲道保留、精確剪輯點的修剪，或是瀏覽器無法直接產生的交付編解碼器時，它就不是合適的選擇。長時長錄音、母帶級製作工作，以及任何需要編輯音訊而不只是分離音訊的任務，都應交由專用的音訊編輯器處理。
若想更深入了解本機方法的操作步驟，請參閱關於如何在不上傳的情況下從本機影片抽出音訊的指南。
僅對你擁有或有權重複使用的內容使用任何擷取工具。擷取並無法繞過 DRM、平台存取控制、受保護的串流、僅限遠端存取的 URL 或版權限制。將音軌從容器中抽出的這個技術步驟，與使用產生音訊的法律權利是兩回事。
如果你正在權衡各種選項，無需軟體在筆記型電腦上從影片擷取音訊對此有詳細說明。