Jak przekonwertować MP4 na MP3: bitrate, przycinanie, urządzenia

Plik MP4 to kontener, zdefiniowany w standardzie MPEG-4 Part 14 (ISO/IEC 14496-14), który łączy osobne strumienie w jednym pakiecie. Typowy film z telefonu lub aparatu zawiera strumień wideo skompresowany kodekiem H.264 lub H.265, strumień dźwięku w formacie AAC oraz niewielką ilość metadanych, np. datę nagrania i obrót. Gdy ktoś chce skonwertować MP4 na MP3, wcale nie chodzi mu o konwersję obrazu. Chce samego strumienia dźwięku, w formacie, który przyjmie każdy odtwarzacz, radio samochodowe i aplikacja do podcastów bez zbędnych pytań.

Jest tu jednak haczyk. Dźwięk w MP4 to AAC, a nie MP3, i tych kodeków nie da się po prostu przemianować. Aby powstał prawdziwy plik MP3, konwerter musi zdekodować AAC do surowych próbek, a potem skompresować je ponownie enkoderem MP3. Oba kroki są rutynowe, dla typowego klipu trwają kilka sekund i tak działa każde narzędzie, online i na komputer. Strumień wideo nie jest w ogóle dekodowany, dlatego wyodrębnianie dźwięku jest znacznie szybsze niż konwersja filmu na inny format wideo o tej samej długości.

Ponieważ zarówno AAC, jak i MP3 są formatami stratnymi, jest to druga runda kompresji stratnej po pierwszej. Brzmi to niepokojąco, ale w praktyce słychać ją dopiero wtedy, gdy drugie kodowanie dostaje zbyt mało bitów. MP3, formalnie MPEG-1 Audio Layer III, został ustandaryzowany jako ISO/IEC 11172-3 w 1993 roku, jest starszy i nieco mniej wydajny niż AAC, więc daj mu trochę wyższą przepływność niż miało źródło. Jeśli dźwięk w filmie miał 128 kb/s AAC, MP3 przy 160 lub 192 kb/s zabrzmi tak samo dla niemal każdego na zwykłych słuchawkach.

Istnieje druga droga, która w ogóle pomija ponowne kodowanie. Plik M4A to ten sam kontener MPEG-4 co MP4, tyle że bez strumienia wideo, więc narzędzie może skopiować ścieżkę AAC bit po bicie. Nic nie jest dekodowane, nic nie jest ponownie kompresowane, a efekt brzmi dokładnie tak jak film. Jeśli dźwięk trafi na iPhone'a, Maca, do Apple Music, GarageBand lub na dowolny nowoczesny telefon z Androidem, wyodrębnij MP4 do M4A i nie stracisz nic. Niektóre narzędzia w przeglądarce i na komputer nadal kodują wynik M4A ponownie dla spójności, ale koszt jakości przy rozsądnej przepływności jest równie niewielki jak w MP3.

MP3 zawdzięcza swoją pozycję zgodności. Ostatnie patenty wygasły w 2017 roku, gdy Fraunhofer IIS zakończył program licencyjny, a wokół formatu zbudowano sprzęt z kilku dekad: starsze radia samochodowe czytające pendrive'y, tanie odtwarzacze MP3, część oprogramowania DJ-skiego, portale lektorskie i mnóstwo formularzy internetowych, które przyjmują .mp3 i nic więcej. Jeśli plik opuści Twoje urządzenia albo nie wiesz, na czym będzie odtwarzany, MP3 to format, który nie wróci z pytaniem do pomocy technicznej. Opcje nieskompresowane i bezstratne porównuje nasz przewodnik po MP3, WAV, FLAC i AAC, zestawiając wszystkie cztery obok siebie.

Przepływność to liczba kilobitów przypadających na każdą sekundę dźwięku i to ona sama decyduje o rozmiarze pliku MP3. Rozdzielczość, liczba klatek na sekundę i rozmiar oryginalnego filmu nie mają znaczenia, bo obrazu już nie ma. Pomnóż przepływność przez czas trwania i podziel przez 8, aby otrzymać rozmiar: minuta przy 128 kb/s to około 0,96 MB, przy 192 kb/s około 1,44 MB, a przy 320 kb/s około 2,4 MB. Godzinny wykład przy 128 kb/s zajmie więc około 58 MB, a czteromuzyczna piosenka przy 320 kb/s zmieści się poniżej 10 MB.

To, co słychać na każdym stopniu, jest dość przewidywalne. Przy 128 kb/s głos brzmi naturalnie, a muzyka dobrze na głośnikach telefonu i w słuchawkach dousznych, ale talerze, oklaski i pogłos mogą w dobrych słuchawkach brzmieć lekko szumiąco. Przy 192 kb/s większość osób nie odróżni w ślepym teście MP3 od dźwięku z filmu, dlatego to zwykła wartość domyślna w konwerterze MP4 na MP3 i w wielu aplikacjach na komputer. Przy 320 kb/s, czyli najwyższej przepływności dozwolonej przez standard MP3, plik jest o około dwie trzecie większy, a różnicę zauważy niewielu słuchaczy.

Zasada, która oszczędza najwięcej rozczarowań: wyższa przepływność nie przywróci tego, czego film nigdy nie miał. Nagrania z telefonów zwykle mają AAC o przepływności 96–256 kb/s, a nagrania ekranu lub filmy z komunikatorów często jeszcze niższą. Zakodowanie źródła 96 kb/s przy 320 kb/s da plik trzy razy większy, który brzmi dokładnie jak oryginał 96 kb/s, łącznie z artefaktami. W razie wątpliwości sprawdź przepływność źródła w panelu informacji o multimediach i wybierz kolejny stopień powyżej, a nie sam szczyt listy.

Większość osób nie chce całego filmu jako dźwięku. Chcą jednej piosenki z dwugodzinnego nagrania koncertu, pięciominutowej odpowiedzi z webinaru albo efektu dźwiękowego z nagrania gry. Wycięcie fragmentu podczas wyodrębniania jest szybsze i czystsze niż wyodrębnienie całości i edycja później, bo nie zajmujesz się niepotrzebnymi częściami. W konwerterze wideo na audio otwórz Ustawienia zaawansowane i wpisz Początek oraz Koniec w sekundach, np. 95, albo w minutach i sekundach, np. 1:35. Zostaw jedno pole puste, aby zachować początek lub koniec, a wcześniej odtwórz film, by zanotować dokładne czasy.

Dwa nawyki sprawiają, że fragmenty brzmią na dopracowane, a nie na uciete. Zacznij około sekundę przed pierwszym słowem lub dźwiękiem, bo cięcie dokładnie na dźwięku zwykle ucina atak i brzmi gwałtownie. A jeśli nagranie jest ciche, jak zwykle filmy z wykładu nagrane telefonem z ostatniego rzędu, zaznacz Normalizuj głośność, co ustawia głośność na −16 LUFS, czyli popularny poziom dla mowy, aby fragment grał na podobnym poziomie co inne pliki. Jeśli film ma drugi język lub komentarz, Ścieżka dźwiękowa wybiera, która z nich stanie się plikiem MP3.

MP3 zrobiony z filmu zwykle ma nazwę pliku i niewiele więcej. Odtwarzacze czytają tytuł, wykonawcę, album i okładkę z tagów ID3 zapisanych w pliku, a ID3v2 może osadzić także obraz okładki. W Windows kliknij MP3 prawym przyciskiem, otwórz Właściwości, a potem Szczegóły, by wpisać tytuł, wykonawcę i album. Na Macu dodaj plik do aplikacji Muzyka, wybierz Pobierz informacje i wklej okładkę na karcie Okładka. Darmowe edytory tagów, takie jak Mp3tag, robią to samo zbiorczo, co się opłaca, gdy wyodrębniasz całą serię wykładów lub odcinków naraz.

Każda platforma ma jakiś sposób na wydobycie dźwięku z filmu, choć niewiele z nich tworzy od razu MP3. Na Macu QuickTime Player może zapisać sam dźwięk przez Plik → Eksportuj jako → Tylko audio, ale wynikiem jest M4A, a nie MP3. Aplikacja Muzyka może potem zamienić go na MP3, gdy w Ustawienia → Pliki → Ustawienia importu wybierzesz Enkoder MP3 i użyjesz Plik → Konwertuj → Utwórz wersję MP3. W Windows nie ma wbudowanego eksportera, więc popularną darmową drogą jest VLC, którego okno Media → Konwertuj / Zapisz zawiera profil Audio - MP3. Audacity również otwiera pliki MP4, gdy zainstalujesz bibliotekę FFmpeg, i stamtąd eksportuje MP3.

Telefony są bardziej ograniczone. Na iPhonie akcja Koduj multimedia w aplikacji Skróty ma przełącznik Tylko audio, który zapisuje M4A z filmu w Twojej bibliotece; działa to, ale zbudowanie skrótu zajmuje kilka minut, a wynik nadal nie jest MP3. Android nie ma systemowego odpowiednika, a wiele aplikacji do wyodrębniania dźwięku w Sklepie Play jest pełnych reklam lub prosi o szerokie uprawnienia do pamięci. Jeśli fragment ma stać się tekstem, a nie dźwiękiem, nasz poradnik o transkrypcji audio na tekst zaczyna się tam, gdzie ten się kończy.

Droga przez przeglądarkę jest taka sama na każdym urządzeniu: prześlij film, wybierz przepływność, naciśnij Wyodrębnij na MP3 i pobierz plik. UltKit przyjmuje filmy do 95 MB każdy, nie wymaga aplikacji ani konta i usuwa ze swoich serwerów zarówno przesłany plik, jak i MP3 po 30 minutach od przetworzenia. Długie nagrania powyżej 95 MB zwykle można najpierw zmniejszyć, obniżając rozdzielczość, bo jakość obrazu przestaje mieć znaczenie, gdy chcesz tylko dźwięk. Poniższe kroki podsumowują najszybszą drogę na każdej platformie, od aplikacji na komputer po przeglądarkę w telefonie.

Większość nieudanych wyodrębnień wynika z jednej z czterech przyczyn, a komunikat o błędzie rzadko ją wskazuje. Najczęstsza to film, który po prostu nie ma strumienia dźwięku: niektóre programy do nagrywania ekranu rejestrują tylko obraz, dopóki nie włączysz mikrofonu lub dźwięku systemowego, a niektóre aplikacje społecznościowe usuwają dźwięk z klipów zapisanych bez niego. Druga to zabezpieczenie przed kopiowaniem. Filmy i odcinki kupione lub wypożyczone w sklepach takich jak iTunes Store oraz pobrania zapisane w aplikacjach streamingowych są szyfrowane DRM i żaden zwykły konwerter nie odczyta zawartego w nich dźwięku. Konwertuj tylko filmy, które sam nagrałeś lub do których masz prawa, bo prawa autorskie do ścieżki dźwiękowej obowiązują niezależnie od formatu pliku.

Pozostałe dwie przyczyny dotyczą czasu, a nie dostępu. Nagrania ekranu i niektóre nagrania z telefonów mają zmienną liczbę klatek, a część zawiera też luki lub skoki w znacznikach czasu, więc wyodrębniony dźwięk może być o sekundę lub dwie krótszy od filmu albo się rozjeżdżać po ułożeniu w edytorze. Ponowne zapisanie filmu najpierw ze stałą wartością Liczba klatek na sekundę w konwerterze wideo zwykle naprawia oba problemy. Wreszcie plik o rozmiarze kilkuset kilobajtów, który odtwarza ciszę, często oznacza wybranie złej Ścieżki dźwiękowej, co łatwo sprawdzić, wyodrębniając po dziesięć sekund z każdej ścieżki.