MP4 থেকে MP3 কনভার্ট করার উপায়: বিটরেট, ট্রিম ও সব ডিভাইস

MP4 ফাইল একটি কনটেইনার, যা MPEG-4 Part 14 স্ট্যান্ডার্ড (ISO/IEC 14496-14) অনুযায়ী আলাদা আলাদা স্ট্রিমকে একটি প্যাকেজে রাখে। সাধারণ ফোন বা ক্যামেরার ভিডিওতে থাকে H.264 বা H.265 দিয়ে কমপ্রেস করা ভিডিও স্ট্রিম, AAC দিয়ে কমপ্রেস করা অডিও স্ট্রিম এবং রেকর্ডিংয়ের তারিখ ও ঘোরানোর মতো সামান্য মেটাডেটা। যখন কেউ MP4 থেকে MP3 করতে চান, তখন তিনি ছবি কনভার্ট করতে চান না। তিনি শুধু অডিও স্ট্রিমটি চান, এমন ফরম্যাটে যা সব মিউজিক প্লেয়ার, গাড়ির স্টেরিও ও পডকাস্ট অ্যাপ বিনা ঝামেলায় চালায়।

এখানে একটি সমস্যা আছে। MP4-এর ভেতরের অডিও AAC, MP3 নয়, আর দুটি কোডেকের নাম শুধু বদলে দেওয়া যায় না। আসল MP3 বানাতে কনভার্টারকে AAC ডিকোড করে কাঁচা স্যাম্পলে ফিরিয়ে আনতে হয়, তারপর MP3 এনকোডার দিয়ে সেগুলো আবার কমপ্রেস করতে হয়। দুটি ধাপই সাধারণ, একটি স্বাভাবিক ক্লিপে কয়েক সেকেন্ড লাগে, আর অনলাইন ও ডেস্কটপ প্রতিটি টুলই ভেতরে এটাই করে। ভিডিও স্ট্রিম কখনও ডিকোড হয় না, তাই সমান দৈর্ঘ্যের ভিডিওকে অন্য ভিডিও ফরম্যাটে কনভার্ট করার চেয়ে অডিও এক্সট্র্যাকশন অনেক দ্রুত।

AAC ও MP3 দুটিই লসি, তাই এটি প্রথমবারের কমপ্রেশনের ওপর দ্বিতীয়বার লসি কমপ্রেশন। শুনতে ভয়ের মনে হলেও বাস্তবে এটি কানে ধরা পড়ে কেবল তখনই, যখন দ্বিতীয় এনকোডে বিট কম পড়ে। MP3, আনুষ্ঠানিকভাবে MPEG-1 Audio Layer III, 1993 সালে ISO/IEC 11172-3 হিসেবে মানসম্মত হয়েছিল এবং এটি AAC-এর চেয়ে পুরোনো ও সামান্য কম দক্ষ, তাই উৎসের চেয়ে একটু বেশি বিটরেট দিন। ভিডিওর অডিও 128 kbps AAC হলে 160 বা 192 kbps MP3 সাধারণ হেডফোনে প্রায় সবার কাছে একই শোনাবে।

আরেকটি পথ আছে, যেখানে আবার এনকোড করতেই হয় না। M4A ফাইল আসলে MP4-এর মতোই MPEG-4 কনটেইনার, শুধু ভিডিও স্ট্রিম ছাড়া, তাই টুল AAC ট্র্যাকটি বিট বিট করে কপি করতে পারে। কিছু ডিকোড হয় না, আবার কমপ্রেসও হয় না, ফলাফল ভিডিওর মতোই শোনায়। অডিও যদি iPhone, Mac, Apple Music, GarageBand বা যেকোনো আধুনিক Android ফোনে যায়, তাহলে MP4 থেকে M4A এক্সট্র্যাক্ট করুন, কিছুই হারাবে না। কিছু ব্রাউজার ও ডেস্কটপ টুল সামঞ্জস্যের জন্য M4A আউটপুটও আবার এনকোড করে, তবে উপযুক্ত বিটরেটে মানের ক্ষতি MP3-এর মতোই সামান্য।

MP3 তার জায়গা ধরে রেখেছে সামঞ্জস্যের জোরে। এর শেষ পেটেন্ট 2017 সালে শেষ হয়, যখন Fraunhofer IIS তাদের লাইসেন্সিং প্রোগ্রাম বন্ধ করে, আর কয়েক দশক ধরে হার্ডওয়্যার এটিকে ঘিরে তৈরি হয়েছে: USB পড়তে পারা পুরোনো গাড়ির স্টেরিও, সস্তা MP3 প্লেয়ার, কিছু ডিজে সফটওয়্যার, ভয়েস-ওভার পোর্টাল এবং শুধু .mp3 নেওয়া অনেক ওয়েব ফর্ম। ফাইলটি নিজের ডিভাইসের বাইরে গেলে বা কী দিয়ে চলবে জানা না থাকলে MP3-ই সেই ফরম্যাট, যা নিয়ে কেউ প্রশ্ন করবে না। আনকমপ্রেসড ও লসলেস বিকল্পের জন্য আমাদের MP3, WAV, FLAC ও AAC গাইডে চারটির তুলনা আছে।

বিটরেট হলো প্রতি সেকেন্ডের শব্দে খরচ হওয়া কিলোবিটের সংখ্যা, আর MP3-এর সাইজ একা এটিই ঠিক করে। ছবি যেহেতু নেই, তাই রেজোলিউশন, ফ্রেম রেট বা মূল ভিডিওর সাইজের কোনো প্রভাব পড়ে না। সাইজ পেতে বিটরেটকে সময় দিয়ে গুণ করে 8 দিয়ে ভাগ করুন: এক মিনিট 128 kbps-এ প্রায় 0.96 MB, 192 kbps-এ প্রায় 1.44 MB এবং 320 kbps-এ প্রায় 2.4 MB। তাই এক ঘণ্টার লেকচার 128 kbps-এ প্রায় 58 MB হয়, আর চার মিনিটের গান 320 kbps-এও 10 MB-এর নিচে থাকে।

প্রতিটি ধাপে কেমন শোনায়, তা মোটামুটি অনুমান করা যায়। 128 kbps-এ কণ্ঠ স্বাভাবিক শোনায়, ফোনের স্পিকার ও ইয়ারবাডে গানও ভালো লাগে, তবে ভালো হেডফোনে সিম্বল, হাততালি ও রিভার্বের শেষ অংশ একটু ঝাপসা শোনাতে পারে। 192 kbps-এ ব্লাইন্ড তুলনায় বেশিরভাগ মানুষ MP3 আর ভিডিওর নিজের অডিওর পার্থক্য ধরতে পারেন না, তাই MP4 থেকে MP3 কনভার্টার ও অনেক ডেস্কটপ অ্যাপে এটিই সাধারণ ডিফল্ট। MP3 স্ট্যান্ডার্ডের সর্বোচ্চ 320 kbps-এ ফাইল আরও প্রায় দুই-তৃতীয়াংশ বড় হয়, অথচ পার্থক্য খুব কম শ্রোতাই টের পান।

সবচেয়ে বেশি হতাশা এড়ায় এই নিয়মটি: ভিডিওতে যা ছিল না, বেশি বিটরেট তা ফিরিয়ে আনতে পারে না। ফোনের রেকর্ডিংয়ে সাধারণত 96 থেকে 256 kbps AAC থাকে, আর স্ক্রিন রেকর্ডিং বা মেসেজিং অ্যাপের ভিডিওতে প্রায়ই আরও কম। 96 kbps উৎসকে 320 kbps-এ এনকোড করলে ফাইল তিনগুণ বড় হয়, কিন্তু শব্দ থাকে 96 kbps মূলটির মতোই, খুঁতসহ। সন্দেহ হলে মিডিয়া ইনফো প্যানেলে উৎসের বিটরেট দেখুন এবং তার ঠিক পরের ধাপটি বেছে নিন, তালিকার সবচেয়ে উপরেরটি নয়।

বেশিরভাগ মানুষ পুরো ভিডিওটা অডিও হিসেবে চান না। তাঁরা চান দুই ঘণ্টার কনসার্ট রেকর্ডিং থেকে একটি গান, ওয়েবিনার থেকে পাঁচ মিনিটের একটি উত্তর, বা গেম ক্যাপচার থেকে একটি সাউন্ড ইফেক্ট। এক্সট্র্যাকশনের সময়ই ক্লিপ কেটে নেওয়া সব এক্সট্র্যাক্ট করে পরে এডিট করার চেয়ে দ্রুত ও পরিষ্কার, কারণ অপ্রয়োজনীয় অংশ আপনাকে ধরতেই হয় না। ভিডিও থেকে অডিও কনভার্টার-এ উন্নত সেটিংস খুলে শুরু ও শেষ ঘরে 95-এর মতো সেকেন্ড অথবা 1:35-এর মতো মিনিট ও সেকেন্ড লিখুন। শুরু বা শেষ রাখতে একটি ঘর খালি রাখুন, আর সঠিক সময় জানতে আগে ভিডিওটি চালিয়ে দেখে নিন।

দুটি অভ্যাসে ক্লিপ কাটা-ছেঁড়া নয়, সম্পূর্ণ শোনায়। প্রথম শব্দ বা সুরের এক সেকেন্ড মতো আগে শুরু করুন, কারণ ঠিক শব্দের ওপর কাটলে শুরুর অংশ কেটে গিয়ে হঠাৎ শোনায়। আর রেকর্ডিং আস্তে হলে, যেমন পেছনের সারি থেকে ফোনে তোলা লেকচারের ভিডিও সাধারণত হয়, ভলিউম সমান করুন টিক দিন। এটি জোরের মাত্রা −16 LUFS-এ আনে, যা কথার অডিওর একটি প্রচলিত লক্ষ্য, ফলে ক্লিপ আপনার অন্য ফাইলগুলোর কাছাকাছি মাত্রায় চলে। ভিডিওতে দ্বিতীয় ভাষা বা ধারাভাষ্য থাকলে অডিও ট্র্যাক বেছে দেয় কোনটি MP3 হবে।

ভিডিও থেকে বানানো MP3 সাধারণত শুধু একটি ফাইলের নাম নিয়ে আসে, আর কিছু নয়। মিউজিক প্লেয়ার শিরোনাম, শিল্পী, অ্যালবাম ও কভার ফাইলের ভেতরে থাকা ID3 ট্যাগ থেকে পড়ে, আর ID3v2 কভার ছবিও এমবেড করতে পারে। Windows-এ MP3-তে রাইট-ক্লিক করে Properties ও তারপর Details খুলে শিরোনাম, শিল্পী ও অ্যালবাম লিখুন। Mac-এ Music অ্যাপে যোগ করে Get Info বেছে Artwork ট্যাবে কভার পেস্ট করুন। Mp3tag-এর মতো ফ্রি ট্যাগ এডিটর একসঙ্গে অনেক ফাইলে এটি করে দেয়, যা একসাথে পুরো বক্তৃতা বা পর্বের সিরিজ এক্সট্র্যাক্ট করলে কাজে লাগে।

প্রতিটি প্ল্যাটফর্মেই ভিডিও থেকে অডিও বের করার কোনো না কোনো উপায় আছে, তবে খুব কম টুলই সরাসরি MP3 দেয়। Mac-এ QuickTime Player File → Export As → Audio Only দিয়ে শুধু শব্দ সেভ করতে পারে, কিন্তু ফলাফল হয় M4A, MP3 নয়। এরপর Settings → Files → Import Settings-এ MP3 Encoder বেছে নিয়ে File → Convert → Create MP3 Version দিলে Music অ্যাপ সেটিকে MP3 করে দিতে পারে। Windows-এ এর জন্য কোনো বিল্ট-ইন এক্সপোর্টার নেই, তাই প্রচলিত বিনামূল্যের উপায় হলো VLC, যার Media → Convert / Save ডায়ালগে Audio - MP3 প্রোফাইল আছে। Audacity-তে FFmpeg লাইব্রেরি ইনস্টল করা থাকলে সেটিও MP4 ফাইল খুলতে পারে এবং সেখান থেকে MP3 এক্সপোর্ট করা যায়।

ফোনে সুযোগ আরও সীমিত। iPhone-এ Shortcuts অ্যাপের Encode Media অ্যাকশনে Audio Only সুইচ আছে, যা আপনার লাইব্রেরির ভিডিও থেকে M4A সেভ করে; এটি কাজ করে, কিন্তু শর্টকাট বানাতে কয়েক মিনিট লাগে এবং আউটপুট তবুও MP3 নয়। Android-এ সিস্টেমজুড়ে এমন কিছু নেই, আর Play Store-এর অনেক অডিও এক্সট্র্যাক্টর অ্যাপে প্রচুর বিজ্ঞাপন থাকে বা স্টোরেজের বিস্তৃত অনুমতি চায়। কোনো ক্লিপ অডিও নয়, লেখায় পরিণত করতে চাইলে অডিও থেকে লেখা ট্রান্সক্রাইব করার গাইডটি এই লেখার পর থেকেই শুরু হয়।

ব্রাউজারে পদ্ধতিটি সব ডিভাইসেই একই: ভিডিও আপলোড করুন, বিটরেট বেছে নিন, এক্সট্র্যাক্ট করুন চেপে MP3-এ নিন এবং ফাইল ডাউনলোড করুন। UltKit প্রতিটি ভিডিও সর্বোচ্চ 95 MB পর্যন্ত নেয়, কোনো অ্যাপ বা অ্যাকাউন্ট লাগে না, আর প্রসেসিংয়ের 30 মিনিট পর আপলোড ও MP3 দুটোই সার্ভার থেকে মুছে যায়। 95 MB-এর বেশি লম্বা রেকর্ডিং সাধারণত আগে রেজোলিউশন কমিয়ে ছোট করা যায়, কারণ শুধু শব্দ চাইলে ছবির মান আর গুরুত্বপূর্ণ নয়। নিচের ধাপগুলোতে ডেস্কটপ অ্যাপ থেকে ফোনের ব্রাউজার পর্যন্ত প্রতিটি প্ল্যাটফর্মের দ্রুততম উপায় সংক্ষেপে দেওয়া হলো।

এক্সট্র্যাকশন ব্যর্থ হওয়ার বেশিরভাগ ক্ষেত্রে চারটি কারণের একটি থাকে, আর এরর মেসেজে কারণটির নাম খুব কমই থাকে। সবচেয়ে সাধারণ কারণ হলো ভিডিওতে কোনো অডিও স্ট্রিম না থাকা: কিছু স্ক্রিন রেকর্ডার মাইক্রোফোন বা সিস্টেম সাউন্ড চালু না করলে শুধু ছবি ধরে, আর কিছু সোশ্যাল অ্যাপ শব্দ ছাড়া সেভ করা ক্লিপ থেকে শব্দ বাদ দেয়। দ্বিতীয়টি কপি সুরক্ষা। iTunes Store-এর মতো স্টোর থেকে কেনা বা ভাড়া নেওয়া ফিল্ম ও পর্ব এবং স্ট্রিমিং অ্যাপের ভেতরে সেভ করা ডাউনলোড DRM দিয়ে এনক্রিপ্ট করা থাকে, এবং কোনো সাধারণ কনভার্টার তার ভেতরের অডিও পড়তে পারে না। শুধু নিজের বানানো বা ব্যবহারের অধিকার আছে এমন ভিডিও কনভার্ট করুন, কারণ ফাইল ফরম্যাট যা-ই হোক, সাউন্ড ট্র্যাকের কপিরাইট প্রযোজ্য।

বাকি দুটি কারণ প্রবেশাধিকারের নয়, সময়ের সঙ্গে সম্পর্কিত। স্ক্রিন রেকর্ডিং ও কিছু ফোন ক্যাপচারে ভ্যারিয়েবল ফ্রেম রেট থাকে, এবং কয়েকটিতে টাইমস্ট্যাম্পে ফাঁক বা লাফও থাকে, ফলে এক্সট্র্যাক্ট করা অডিও ভিডিওর চেয়ে এক-দুই সেকেন্ড ছোট হতে পারে বা এডিটরে মেলালে সরে যেতে পারে। ভিডিও কনভার্টার দিয়ে আগে ভিডিওটি ধ্রুব ফ্রেম রেট-এ আবার সেভ করলে সাধারণত দুটোই ঠিক হয়ে যায়। সবশেষে, কয়েকশ কিলোবাইটের যে ফাইল চালালে নীরব শোনায়, সেখানে প্রায়ই ভুল অডিও ট্র্যাক বাছা হয়েছে; প্রতিটি ট্র্যাকের দশ সেকেন্ড করে এক্সট্র্যাক্ট করলেই সহজে যাচাই করা যায়।