影音轉音訊轉檔器會接收一個同時儲存動態影像與同步聲音的檔案，並產生一個只儲存聲音的新檔案，聲音會重新編碼為 Opus 編碼並封裝在 WebM 容器中，而不是從原始壓縮封包逐位元複製而來。視訊軌會被捨棄，輸出中不會保留任何畫面、任何動態資料，也沒有任何視覺資訊，而擷取到的音訊則會被解碼、通過瀏覽器播放，並錄製成全新的 Opus 串流，由 MediaRecorder 寫入 WebM 檔案。由於輸出是經過重新編碼而非串流複製，其位元速率、檔案大小以及確切的位元組排列，都不會與來源影片的音訊部分相同。容器也會改變：大多數來源影片使用 MP4 或 MOV 並搭配 AAC 音訊，而轉出的檔案則使用 WebM 並搭配 Opus 音訊。這些結構上的差異——軌被捨棄、編碼被替換、容器被重寫——正是「影音轉音訊」實際改變的核心。
影音檔案實際上包含什麼，與音訊檔案相比
影音檔案不是單一物件。它是一個容器，內含一個或多個獨立的串流，稱為軌，每個軌使用各自的編碼器編碼。從手機或相機錄製的典型 MP4 或 MOV 檔案，至少包含一個視訊軌（使用 H.264、HEVC 或 VP9 編碼）和一個音訊軌（使用 AAC、Opus，或偶爾使用 MP3 編碼）。容器也儲存諸如時間戳、尺寸和長度等元資料，但那些是協調資料，並非內容。音訊檔案是同一種物件，但少了一個軌：它是一個容器，內含單一音訊串流加上元資料。無論副檔名是 .mp3、.m4a、.opus 還是 .webm，檔案都只是包裝著一個或多個編碼軌的容器。
| 面向 | 影音檔案（典型來源） | 音訊檔案（轉檔器輸出） |
|---|---|---|
| 容器 | MP4、MOV、WebM、M4V、Ogg | WebM（僅音訊） |
| 軌 | 1 個視訊軌 + 1 個音訊軌（有時更多） | 僅 1 個音訊軌 |
| 視訊編碼 | H.264、HEVC、VP9、AV1 | 無——已捨棄 |
| 音訊編碼 | AAC、MP3、Opus（依來源而異） | Opus 128 kbps |
| 像素資料 | 存在（畫面） | 不存在 |
| 取樣資料 | 存在（音訊取樣） | 存在（重新編碼的音訊取樣） |
| 典型副檔名 | .mp4、.mov、.webm、.m4v、.ogg | .webm（內含 Opus） |
關鍵差異不在於「影片比較大」或「音訊比較小」——兩種檔案類型都是壓縮資料的容器，依編碼選擇和位元速率的不同，兩者皆可大可小。差異在於它們承載的內容。影音檔案隨時間承載兩個經協調的串流；音訊檔案則承載一個。
轉檔器保留、捨棄與重新編碼的內容
當您在瀏覽器中本地執行影音轉音訊時，資料會發生三件事。首先，視訊軌會被捨棄：每一個畫面、每一個動態向量、每一個像素都被丟棄，輸出檔案中一點也不剩。其次，音訊軌會被擷取並重新編碼：瀏覽器解碼來源音訊，通過媒體元素播放，然後將播放內容錄製為全新的 Opus 串流，位元速率為 128 kbps。第三，容器會從來源使用的格式（MP4、MOV、M4V、Ogg、WebM）重寫為 WebM 容器，包裝新的 Opus 音訊。
重新編碼這一步是多數使用者誤解的地方。由於音訊是被解碼後再次錄製，而非從來源串流複製，輸出檔案並非原始音訊的無損複製。它是一次全新的壓縮過程，有自己的位元速率、量化選擇與檔案大小。若來源音訊已經是 Opus 128 kbps，輸出聽起來會類似，但位元組不會完全相同。若來源是 AAC 256 kbps，重新編碼為 Opus 128 kbps 通常會更小，但可能會喪失細節。
為何輸出使用 WebM 內含 Opus，而非 MP3 或 WAV
格式選擇並非偏好——而是瀏覽器環境的限制。在完全不 上傳來源檔案的情況下，於分頁內執行的瀏覽器型轉檔器無法呼叫任意編碼器。它依賴瀏覽器內建的 MediaRecorder API，該 API 只能寫入瀏覽器原生支援的格式。此工具會以 MediaRecorder 支援的第一個 Opus WebM MIME 類型進行錄製，從而產生內含 Opus 音訊的 WebM。MP3 編碼需要額外的編碼相依性，而 WAV 未壓縮且檔案過大。
這就是為何 影音轉音訊轉檔器 產出的是內含 Opus 音訊的 .webm 檔案，而非 .mp3、.wav、.aac 或 .flac。輸出容器看起來類似視訊 WebM 檔案，但檢查後會發現只有單一音訊軌而沒有視訊串流——結構與一般音訊檔案相同，WebM 容器則由錄製步驟產生。
如何從本地影片擷取音訊軌
使用影音轉音訊轉檔器工具的完整程序很簡短，全程在目前分頁內進行。
- 開啟工具並選擇一個支援的本地影片檔——MP4、WebM、MOV、M4V 或 Ogg——最大 500 MiB。該檔案必須包含音訊軌。
- 選擇擷取音訊。在瀏覽器即時處理檔案時，請保持分頁開啟。處理以播放速度進行，因此一分鐘的影片約耗時一分鐘。
- 觀察進度標籤隨播放時間更新。錄製期間預覽為靜音，但當瀏覽器支援媒體元素擷取時，所擷取的 MediaStream 仍包含來源音訊。
- 錄製完成時，檢查結果旁顯示的測量長度與檔案大小。
- 下載 Opus WebM 音訊檔。來源影片永遠不會被上傳，輸出也不會被保留；僅有結果 Object URL 可從頁面撤銷。
若瀏覽器無法解碼來源編碼——例如缺少 captureStream 或相容 MediaRecorder MIME 類型的 Safari 版本——工具會顯示可見訊息並停止，而不會產生損壞的檔案。當來源沒有音訊軌、任一邊的尺寸超過 4096 像素或總面積超過 3840 × 2160 像素、解碼後的影片超過五分鐘、或檔案超過 500 MiB 時，也會出現同樣明確的失敗。
會改變輸出樣貌的限制
影音與音訊之間的結構差異是一回事，您實際收到的檔案在實務上的差異則受工具的硬性限制所影響。來源必須是瀏覽器能夠解碼的檔案，而不僅僅是具有熟悉副檔名的檔案。檔案名稱或 MIME 類型只能識別容器；其中的編碼仍須受目前瀏覽器支援。音訊軌必須實際存在——沒有音訊的影片會明確失敗，而非產生無聲檔案。解碼錯誤、不支援的錄製器、空輸出、無效長度、過大的尺寸以及取消的工作都會以可見訊息停止。
解碼器強制大小與尺寸上限，以限制記憶體與播放時間：檔案最大 500 MiB，影片長度不超過五分鐘，任一邊不超過 4096 像素，總面積不超過 3840 × 2160 像素。這些上限使擷取與錄製循環保持在一般瀏覽器分頁能承受而不當機的範圍內。長錄製、多聲道音訊或需要原始音訊封包無損複製的工作，皆不符合這些限制，應使用具備明確匯出設定的桌面編輯器。
錄製以即時方式進行，因為 MediaRecorder 在播放期間擷取媒體元素。瀏覽器從時間零開始播放解碼後的串流直到結束，錄製器沿途收集非空區塊。在不更動底層 API 的前提下，沒有更快的路徑。檔案寫入後，WebM 容器會以測得的媒體長度進行修補，使下載的檔案在相容播放器中回報有限的時間軸——若不修補，部分播放器會將音訊顯示為無限長或零長度。
轉檔不適合用於哪些情境
從片段中取出音訊在您想要語音、音樂、環境音或參考曲目，且能接受 WebM 內含 Opus 作為格式時很有用。在以下情況則不適合使用：需要特定編碼（MP3、AAC、FLAC）、需要原始音訊封包的無損保存、錄製超過五分鐘、需要保留多聲道或環繞音訊、或需要畫面精度的精確剪輯。針對這些情況，請使用專用的桌面音訊編輯器，並在投入工作流程前確認其匯出設定。
此轉檔器也不會繞過 DRM、平台存取控制、受保護的串流、遠端 URL 或著作權限制。它從您磁碟上已有的本地檔案擷取音訊；無法觸及串流 URL，也無法移除內容保護機制。僅從您擁有或獲准重複使用的影片擷取音訊。
如需更深入了解編碼選擇如何影響擷取音訊的準確度，關注編碼與限制的音訊擷取指南詳細說明了相同的重新編碼取捨。本文所述的 MediaRecorder 與 captureStream 行為記載於 MDN MediaRecorder 參考文件。
延伸閱讀：影片剪輯方案比較：本地端 vs 雲端。