將影片轉換成音訊的第一步，是選擇一個瀏覽器實際能夠解碼的本地影片檔，然後開啟一個基於瀏覽器的擷取工具，在影片播放時擷取其音軌。實際操作上，這代表要從你的裝置中選擇單一的 MP4、WebM、MOV、M4V 或 Ogg 檔案，並先確認其中包含音軌，然後才能按下任何轉換按鈕。這一步之所以排在最前面，是因為整個擷取流程都依賴瀏覽器能否播放該檔案：即使支援容器格式，但內部的編解碼器不支援，無論副檔名為何，檔案都會在解碼階段被拒絕。Lizely 的影片轉音訊轉換器也遵循相同的首要步驟模式，因為該工具會載入所選的本地檔案、依據大小與尺寸限制進行驗證，然後才開始即時擷取音軌並輸出為 Opus WebM 檔案。在未先確認檔案類型、是否存在音軌以及瀏覽器相容性之前，就直接按下轉換按鈕，是這類工具最常見的失敗原因，往往只會跳出一段令人困惑的錯誤訊息。因此，第一個動作就是在一個支援底層媒體 API 的瀏覽器中，謹慎地挑選一個相容的本地檔案。
第一步實際涉及哪些內容
關於「第一步」的問題，通常隱藏著第二個更有用的問題：在工具能執行任何動作之前，實際上需要你先提供什麼？對於像影片轉音訊轉換器這類本地瀏覽器擷取工具來說，必須同時滿足三個條件才能開始錄製。檔案必須存在於你的裝置上，而不是位於遠端 URL 或串流清單之後。瀏覽器必須能夠解碼容器內的音訊與影片軌道。而且該剪輯必須至少包含一個公開的音軌，因為沒有音軌的影片會明確失敗，而不是產生一個無聲的檔案。
這就是為什麼第一步是選擇檔案，而非挑選工具。在還不確定你的剪輯是否可被瀏覽器解碼之前就選工具，只是把同樣的相容性問題往後延。影片轉音訊轉換器會自動處理技術驗證，但前提是你必須先指向一個特定的本地檔案。請將第一步視為識別並確認輸入內容，而非按下「開始」按鈕。
開始之前：檔案與瀏覽器需求
該工具會在載入檔案當下進行檢查，因此預先了解相關需求可以避免挑到一個隨即失敗的檔案而白跑一趟。容器必須是 MP4、WebM、MOV、M4V 或 Ogg 其中之一，且檔案本身不得大於 500 MiB。解碼後的影片長度不得超過五分鐘，任一邊的像素不得超過 4096，總像素面積不得超過 3840 × 2160。這些上限是用來限制記憶體、播放時間與瀏覽器資源使用量，讓頁面在錄製過程中仍能保持流暢。
檔名或 MIME 類型只能用來辨識可能的容器格式；瀏覽器仍必須支援其內部的編解碼器。一個包裝了罕見影片編解碼器的 .mp4 檔，或是一個音軌受保護的 .mov 檔，即便副檔名列在支援清單中，仍可能失敗。如果你的剪輯使用了瀏覽器無法原生解碼的編解碼器，那麼沒有任何瀏覽器內的工具能夠救回它。Safari 以及部分其他瀏覽器並未開放 captureStream 或相容的 MediaRecorder 格式，當瀏覽器無法執行擷取流程時，該工具會以明確的訊息停止運作。MDN 上關於HTMLMediaElement captureStream的參考資料，列出了撰文當下有哪些瀏覽器開放了該 API。
如何從本地影片擷取音訊
- 在最新的 Chromium 核心瀏覽器或 Firefox 中開啟影片轉音訊轉換器，然後從你的裝置中選擇一個不超過 500 MiB 的 MP4、WebM、MOV、M4V 或 Ogg 單一檔案。該檔案會保留在目前的分頁中，永遠不會被上傳。
- 等待瀏覽器解碼該檔案，並確認至少公開了一個音軌。如果該剪輯沒有音軌，或容器內的編解碼器不受支援，工具會在開始錄製前以明確訊息停止運作。
- 選擇「Extract audio」（擷取音訊），並保持分頁開啟與頁面為焦點狀態。瀏覽器會從零開始播放影片，同時 MediaRecorder 只擷取公開的音軌。預覽在這一步會被靜音，但只要瀏覽器支援媒體元素擷取，擷取到的串流仍會包含影片的音訊。
- 觀察進度標籤，它會跟隨播放時間更新。一分鐘的影片通常需要約一分鐘來處理，因為擷取是即時進行的。如果需要中止，可以按下取消來停止目前的工作。
- 檢查工具所顯示的時長與檔案大小，然後透過該頁面所提供的可撤銷 Object URL 下載產生的 Opus WebM 音訊檔。
決定擷取是否成功的限制
這些限制會互相影響，所以一段剪輯可能通過其中一項檢查，卻在另一項失敗。一段低於五分鐘且小於 500 MiB 的 4K 影片，只要任一邊超過 4096 像素，或解碼後的總面積超過 3840 × 2160，仍會被拒絕。一段超過 500 MiB 的短片，則無論解析度為何，都會因為檔案大小而遭拒。下表列出該工具強制執行的確切上限。
| 限制條件 | 數值 | 控制項目 |
|---|---|---|
| 容器格式 | MP4、WebM、MOV、M4V、Ogg | 瀏覽器嘗試載入的目標 |
| 檔案大小 | 最大 500 MiB | 記憶體與無需上傳的處理 |
| 解碼後時長 | 最長 5 分鐘 | 播放與錄製時間 |
| 最長邊 | 最多 4096 像素 | 解碼後的畫面尺寸 |
| 總像素面積 | 最高 3840 × 2160 | 每幀的資源預算 |
| 音軌 | 至少需要一個 | 擷取是否能產生輸出 |
| 錄製位元率 | 128 kbps Opus | 輸出音訊的大小與品質 |
為何輸出是 WebM 音訊而非 MP3
該工具使用瀏覽器內建的 MediaRecorder，這代表輸出會採用瀏覽器優先宣告的 Opus WebM MIME 類型。MP3 編碼則需要額外附帶一個編解碼器相依項目，這與打造一個輕量、僅限瀏覽器使用之工具的目標相違背。因此輸出會是內含 Opus 軌道、位元率為 128 kbps 的 WebM 音訊，而非 MP3、WAV、AAC 或 FLAC。長度為 L 秒的剪輯，其輸出檔案大小約為 128 × L ÷ 8 KB，所以一段 60 秒的擷取在加上任何容器負擔之前約為 960 KB，而 5 分鐘的擷取則約為 4.8 MB。由於重新編碼可能會改變品質與檔案大小，相較於來源影片內部的原始壓縮音訊封包，請將輸出結果視為一個全新的 Opus 檔，而非來源音軌的逐位元複製。
產生的 WebM 容器會透過已知的媒體時長進行修補，讓下載的檔案在相容的播放器中能回報有限的時間軸。如果你用不認得這個修補過的 Segment Info 的播放器開啟下載的檔案，剪輯仍可能顯示為未知時長，不過播放本身仍然可以正常進行。MDN 的MediaRecorder 參考資料說明了不同版本瀏覽器對 Opus WebM 錄製支援程度的差異。
何時瀏覽器路線並非正確選擇
這個本地瀏覽器擷取工具是為 Opus WebM 為合適輸出格式的快速、單一剪輯任務而設計。在許多情況下，使用其他工作流程會是更明智的選擇；在開始之前先辨識這些情況，可以避免在一個並非為該任務設計的工具上浪費時間。下表比較了瀏覽器路線與適合使用專用桌面音訊編輯器的情境。如需更完整的清單，列出在規劃此類轉換時應避免的錯誤，請參閱轉換影片為音訊時應避免的這些錯誤。
| 情境 | 瀏覽器擷取工具適用 | 改用桌面音訊編輯器 |
|---|---|---|
| 剪輯長度 | 最長約五分鐘 | 較長的錄音、完整節目、長達數小時的講座 |
| 輸出格式 | Opus WebM 即可 | 特定的交付編解碼器，例如 WAV、FLAC 或 AAC |
| 編輯需求 | 純粹擷取，不需剪輯 | 精確剪輯、淡入淡出、位準調整、多聲道保留 |
| 品質目標 | 方便的對話或參考音訊 | 無損的製作工作或來源音軌的封存複製 |
| 來源 | 你擁有或有權處理的本地檔案 | 受 DRM 保護的串流、遠端 URL 或平台存取限制 |
該工具無法繞過 DRM、平台存取限制、受保護的串流、遠端 URL 或著作權限制；Lizely 也不會上傳來源影片、不會將其內容傳送至任何 API，也不會保留輸出結果。請僅在你擁有內容或已獲得擷取與再利用授權時，才使用輸出的音訊。凡是超出「短小的本地剪輯、Opus WebM 即可」的甜蜜範圍，使用具備合適匯出設定的專用桌面音訊編輯器，將能為你帶來更可預期的成果。
相關閱讀：轉換影片為音訊時可以預期的結果。