Como converter MP4 em MP3: bitrate, cortes e cada aparelho

Um arquivo MP4 é um contêiner, definido pelo padrão MPEG-4 Parte 14 (ISO/IEC 14496-14), que reúne fluxos separados em um único pacote. Um vídeo típico de celular ou câmera tem um fluxo de vídeo comprimido com H.264 ou H.265, um fluxo de áudio comprimido com AAC e alguns metadados, como a data da gravação e a rotação. Quando alguém diz que quer converter MP4 em MP3, não quer converter a imagem. Quer só o fluxo de áudio, em um formato que qualquer player de música, som de carro e app de podcast aceita sem reclamar.

Aí está o detalhe. O áudio dentro do MP4 é AAC, não MP3, e os dois codecs não podem simplesmente trocar de rótulo. Para gerar um MP3 de verdade, o conversor precisa decodificar o AAC até as amostras brutas e depois comprimir essas amostras de novo com um codificador MP3. As duas etapas são rotineiras, levam poucos segundos em um clipe comum e são o que toda ferramenta online ou de computador faz por baixo dos panos. O fluxo de vídeo nunca é decodificado, e por isso extrair o áudio é muito mais rápido do que converter um vídeo para outro formato de vídeo com a mesma duração.

Como AAC e MP3 têm perdas, essa é uma segunda rodada de compressão com perdas sobre a primeira. Parece alarmante, mas na prática só se torna audível quando a segunda codificação fica com poucos bits. O MP3, formalmente MPEG-1 Audio Layer III, foi padronizado como ISO/IEC 11172-3 em 1993 e é mais antigo e um pouco menos eficiente que o AAC, então dê a ele um pouco mais de bitrate do que a fonte usava. Se o áudio do vídeo era AAC a 128 kbps, um MP3 a 160 ou 192 kbps vai soar igual para quase todo mundo, com fones comuns.

Existe um segundo caminho que dispensa a recodificação. Um arquivo M4A é o mesmo contêiner MPEG-4 de um MP4, só que sem o fluxo de vídeo, então uma ferramenta pode copiar a faixa AAC bit a bit. Nada é decodificado, nada é comprimido de novo e o resultado soa exatamente como o vídeo. Se o áudio vai para um iPhone, um Mac, o Apple Music, o GarageBand ou qualquer celular Android atual, extraia o MP4 para M4A e você não perde nada. Algumas ferramentas de navegador e de computador ainda recodificam a saída M4A por uniformidade, mas a perda de qualidade em um bitrate sensato é tão pequena quanto a do MP3.

O MP3 se justifica pela compatibilidade. Suas últimas patentes expiraram em 2017, quando o Fraunhofer IIS encerrou seu programa de licenciamento, e décadas de aparelhos foram construídas em torno dele: som de carro antigo que lê pen drive, MP3 players baratos, alguns programas de DJ, portais de locução e muitos formulários web que aceitam .mp3 e nada mais. Se o arquivo vai sair dos seus dispositivos, ou você não sabe o que vai tocá-lo, o MP3 é o formato que não volta com uma dúvida de suporte. Para as opções sem compressão e sem perdas, nosso guia sobre MP3, WAV, FLAC e AAC compara os quatro lado a lado.

O bitrate é o número de quilobits gastos em cada segundo de som, e só ele define o tamanho do MP3. Resolução, taxa de quadros e tamanho do vídeo original não influenciam, porque a imagem some. Multiplique o bitrate pela duração e divida por 8 para obter o tamanho: um minuto a 128 kbps dá cerca de 0,96 MB, a 192 kbps cerca de 1,44 MB e a 320 kbps cerca de 2,4 MB. Uma aula de uma hora a 128 kbps fica perto de 58 MB, enquanto uma música de quatro minutos a 320 kbps fica abaixo de 10 MB.

O que se ouve em cada nível é bastante previsível. A 128 kbps a voz soa natural e a música soa bem em alto-falantes de celular e fones de ouvido simples, mas pratos, aplausos e a cauda de reverberação podem ficar levemente chiados em bons fones. A 192 kbps a maioria das pessoas não distingue o MP3 do áudio do próprio vídeo em uma comparação às cegas, e por isso é o padrão do conversor de MP4 para MP3 e de muitos programas de computador. A 320 kbps, o maior bitrate que o padrão MP3 permite, o arquivo fica cerca de dois terços maior, por uma diferença que poucos ouvintes percebem.

A regra que evita mais decepções é que um bitrate maior não recupera o que o vídeo nunca teve. Gravações de celular costumam ter AAC de 96 a 256 kbps, e gravações de tela ou vídeos de aplicativos de mensagem muitas vezes têm menos ainda. Codificar uma fonte de 96 kbps a 320 kbps gera um arquivo três vezes maior que soa exatamente como o original de 96 kbps, com os mesmos artefatos. Na dúvida, veja o bitrate da fonte em um painel de informações de mídia e escolha o degrau seguinte, não o topo da lista.

A maioria das pessoas não quer o vídeo inteiro como áudio. Quer uma música de um show de duas horas, uma resposta de cinco minutos de um webinar ou um efeito sonoro de uma captura de jogo. Cortar o trecho durante a extração é mais rápido e limpo do que extrair tudo e editar depois, porque você nunca lida com as partes de que não precisa. No conversor de vídeo para áudio, abra Configurações avançadas e preencha Início e Fim com segundos, como 95, ou com minutos e segundos, como 1:35. Deixe um campo vazio para manter o começo ou o fim, e assista ao vídeo antes para anotar os tempos exatos.

Dois hábitos fazem o trecho soar acabado, e não picotado. Comece um segundo antes da primeira palavra ou nota, porque cortes que caem exatamente sobre o som tendem a cortar o ataque e soar bruscos. E se a gravação estiver baixa, como costumam ficar vídeos de celular de uma aula gravada do fundo da sala, marque Normalizar volume, que leva o volume a −16 LUFS, uma meta comum para áudio falado, para que o trecho toque em nível parecido com o dos seus outros arquivos. Se o vídeo tiver um segundo idioma ou comentários, Faixa de áudio escolhe qual deles vira o MP3.

Um MP3 feito a partir de um vídeo normalmente chega só com um nome de arquivo. Os players leem título, artista, álbum e capa de tags ID3 gravadas no arquivo, e o ID3v2 também pode embutir uma imagem de capa. No Windows, clique com o botão direito no MP3, abra Propriedades e depois Detalhes para digitar título, artista e álbum. No Mac, adicione-o ao app Música, escolha Obter Informações e cole a capa na aba Arte. Editores de tags gratuitos, como o Mp3tag, fazem o mesmo em lote, o que vale a pena quando você extrai uma série inteira de palestras ou episódios de uma vez.

Toda plataforma tem algum jeito de tirar o áudio de um vídeo, mas poucas geram um MP3 direto. No Mac, o QuickTime Player salva só o som com Arquivo → Exportar Como → Somente Áudio, mas o resultado é um M4A, não um MP3. O app Música pode então transformá-lo em MP3 depois que você definir Ajustes → Arquivos → Ajustes de Importação como Codificador MP3 e escolher Arquivo → Converter → Criar Versão MP3. No Windows não há exportador nativo para isso, então o caminho gratuito mais comum é o VLC, cuja janela Mídia → Converter / Salvar inclui o perfil Audio - MP3. O Audacity também abre arquivos MP4 depois de instalada a biblioteca FFmpeg, e exporta MP3 a partir dali.

Nos celulares as opções são mais limitadas. No iPhone, a ação Codificar Mídia do app Atalhos tem a opção Somente Áudio, que salva um M4A a partir de um vídeo da sua biblioteca; funciona, mas montar o atalho leva alguns minutos e a saída continua não sendo MP3. O Android não tem nada equivalente no sistema, e muitos apps extratores de áudio da Play Store têm muitos anúncios ou pedem permissões amplas de armazenamento. Se o trecho precisa virar texto, e não áudio, nosso passo a passo sobre transcrever áudio em texto continua de onde este termina.

O caminho pelo navegador é o mesmo em qualquer dispositivo: envie o vídeo, escolha o bitrate, clique em Extrair para MP3 e baixe o arquivo. O UltKit aceita vídeos de até 95 MB cada, não exige app nem conta e apaga o arquivo enviado e o MP3 dos servidores 30 minutos após o processamento. Gravações longas acima de 95 MB geralmente podem ser reduzidas antes, diminuindo a resolução, já que a qualidade da imagem deixa de importar quando você só quer o som. Os passos abaixo resumem o caminho mais rápido em cada plataforma, de programas de computador ao navegador do celular.

A maioria das extrações que falham se resume a uma de quatro causas, e a mensagem de erro raramente a indica. A mais comum é um vídeo que simplesmente não tem fluxo de áudio: alguns gravadores de tela capturam só a imagem, a menos que você ative o microfone ou o som do sistema, e alguns apps sociais removem o som de clipes salvos sem ele. A segunda é a proteção contra cópia. Filmes e episódios comprados ou alugados em lojas como a iTunes Store, e downloads salvos dentro de apps de streaming, são criptografados com DRM, e nenhum conversor comum consegue ler o áudio deles. Converta apenas vídeos que você mesmo fez ou que tem o direito de usar, já que os direitos autorais da trilha sonora valem em qualquer formato de arquivo.

As outras duas causas têm a ver com tempo, e não com acesso. Gravações de tela e algumas capturas de celular usam taxa de quadros variável, e algumas também têm lacunas ou saltos nos carimbos de tempo, então o áudio extraído pode ficar um ou dois segundos mais curto que o vídeo ou perder a sincronia quando você o alinha de novo em um editor. Salvar o vídeo de novo com uma Taxa de quadros constante, usando o conversor de vídeo, costuma resolver as duas coisas. Por fim, um arquivo de algumas centenas de kilobytes que toca em silêncio muitas vezes indica que foi escolhida a Faixa de áudio errada, o que é fácil de conferir extraindo dez segundos de cada faixa.