Cách chuyển MP4 sang MP3: bitrate, cắt đoạn và mọi thiết bị

File MP4 là một container, được định nghĩa bởi tiêu chuẩn MPEG-4 Part 14 (ISO/IEC 14496-14), gói các luồng riêng biệt vào một tệp. Một video quay bằng điện thoại hoặc máy ảnh thông thường gồm luồng video nén bằng H.264 hoặc H.265, luồng âm thanh nén bằng AAC, và một ít siêu dữ liệu như ngày quay và hướng xoay. Khi nói muốn chuyển MP4 sang MP3, người dùng hoàn toàn không cần chuyển phần hình ảnh. Họ chỉ muốn lấy riêng luồng âm thanh, ở định dạng mà mọi trình phát nhạc, dàn âm thanh ô tô và ứng dụng podcast đều mở được mà không gặp trở ngại.

Điểm cần lưu ý là âm thanh trong MP4 là AAC chứ không phải MP3, và hai codec này không thể chỉ đổi tên đuôi. Để tạo ra MP3 thật, bộ chuyển đổi phải giải mã AAC về mẫu thô rồi nén lại bằng bộ mã hóa MP3. Cả hai bước đều đơn giản, mất vài giây với một clip thông thường, và là việc mọi công cụ trực tuyến lẫn máy tính đều làm ở bên trong. Luồng video không bao giờ bị giải mã, nên trích xuất âm thanh nhanh hơn nhiều so với chuyển video sang một định dạng video khác có cùng thời lượng.

Vì AAC và MP3 đều là nén có mất dữ liệu, đây là lần nén mất dữ liệu thứ hai chồng lên lần đầu. Nghe có vẻ đáng ngại, nhưng thực tế chỉ nghe ra khác biệt khi lần mã hóa thứ hai bị thiếu bitrate. MP3, tên chính thức là MPEG-1 Audio Layer III, được chuẩn hóa thành ISO/IEC 11172-3 năm 1993, cũ hơn và kém hiệu quả hơn AAC một chút, nên hãy cho nó bitrate cao hơn nguồn một chút. Nếu âm thanh của video là AAC 128 kbps, MP3 ở 160 hoặc 192 kbps sẽ nghe giống hệt với hầu hết mọi người khi dùng tai nghe thông thường.

Còn một cách thứ hai bỏ qua hoàn toàn việc mã hóa lại. File M4A là cùng container MPEG-4 với MP4, chỉ không có luồng video, nên công cụ có thể sao chép rãnh AAC sang từng bit. Không giải mã gì, không nén lại gì, và kết quả nghe y như trong video. Nếu âm thanh dành cho iPhone, Mac, Apple Music, GarageBand hoặc bất kỳ điện thoại Android đời mới nào, hãy trích xuất MP4 sang M4A và bạn không mất gì cả. Một số công cụ trên trình duyệt và máy tính vẫn mã hóa lại đầu ra M4A để đồng nhất, nhưng ở bitrate hợp lý thì mức hao hụt chất lượng cũng nhỏ như với MP3.

MP3 có chỗ đứng nhờ khả năng tương thích. Các bằng sáng chế cuối cùng của nó hết hạn năm 2017, khi Fraunhofer IIS chấm dứt chương trình cấp phép, và hàng chục năm phần cứng đã được xây dựng xoay quanh nó: dàn âm thanh ô tô đời cũ đọc USB, máy nghe nhạc MP3 giá rẻ, một số phần mềm DJ, cổng thu âm giọng đọc và nhiều biểu mẫu web chỉ nhận .mp3. Nếu file sẽ rời khỏi thiết bị của bạn, hoặc bạn không biết thiết bị nào sẽ phát nó, MP3 là định dạng không bị hỏi lại. Với các lựa chọn không nén và lossless, hướng dẫn về MP3, WAV, FLAC và AAC của chúng tôi so sánh cả bốn định dạng cạnh nhau.

Bitrate là số kilobit dùng cho mỗi giây âm thanh, và chỉ riêng nó quyết định dung lượng của MP3. Độ phân giải, tốc độ khung hình và kích thước video gốc không ảnh hưởng gì, vì hình ảnh đã bị bỏ. Nhân bitrate với thời lượng rồi chia cho 8 để ra dung lượng: một phút ở 128 kbps khoảng 0,96 MB, ở 192 kbps khoảng 1,44 MB và ở 320 kbps khoảng 2,4 MB. Vì vậy một bài giảng dài một giờ ở 128 kbps nặng khoảng 58 MB, còn một bài hát bốn phút ở 320 kbps vẫn dưới 10 MB.

Chất lượng nghe được ở từng mức khá dễ đoán. Ở 128 kbps giọng nói nghe tự nhiên và nhạc ổn trên loa điện thoại và tai nghe nhét tai, nhưng tiếng chũm chọe, tiếng vỗ tay và đuôi vang có thể hơi xào xạc khi nghe bằng tai nghe tốt. Ở 192 kbps hầu hết mọi người không phân biệt được MP3 với âm thanh gốc của video khi nghe thử mù, nên đây là mức mặc định thông dụng trên công cụ chuyển MP4 sang MP3 và trong nhiều ứng dụng máy tính. Ở 320 kbps, bitrate cao nhất chuẩn MP3 cho phép, file lớn hơn thêm khoảng hai phần ba mà ít người nhận ra khác biệt.

Quy tắc giúp tránh thất vọng nhất là bitrate cao hơn không thể khôi phục những gì video vốn không có. Bản ghi từ điện thoại thường mang AAC 96 đến 256 kbps, còn video quay màn hình hoặc từ ứng dụng nhắn tin thường còn thấp hơn. Mã hóa nguồn 96 kbps ở 320 kbps sẽ cho file lớn gấp ba nhưng nghe y hệt bản gốc 96 kbps, kể cả các lỗi méo tiếng. Khi chưa chắc, hãy xem bitrate nguồn trong bảng thông tin media và chọn mức cao hơn một bậc, đừng chọn mức cao nhất trong danh sách.

Hầu hết mọi người không muốn lấy cả video làm âm thanh. Họ muốn một bài hát trong buổi hòa nhạc dài hai giờ, một câu trả lời năm phút trong buổi webinar, hoặc một hiệu ứng âm thanh từ đoạn quay game. Cắt đoạn ngay khi trích xuất nhanh và gọn hơn so với trích xuất toàn bộ rồi chỉnh sửa sau, vì bạn không phải xử lý những phần không cần. Trên công cụ trích xuất âm thanh từ video, mở Cài đặt nâng cao rồi điền Bắt đầu từ và Kết thúc tại bằng số giây như 95 hoặc phút và giây như 1:35. Để trống một ô nếu muốn giữ từ đầu hoặc đến cuối, và hãy xem video trước để ghi lại thời điểm chính xác.

Hai thói quen giúp đoạn âm thanh nghe hoàn chỉnh thay vì bị cắt cụt. Hãy bắt đầu sớm hơn từ đầu tiên hoặc nốt đầu tiên khoảng một giây, vì điểm cắt trùng đúng vào âm thanh thường làm mất phần khởi âm và nghe đột ngột. Và nếu bản ghi nhỏ tiếng, như video quay bài giảng từ hàng ghế cuối bằng điện thoại, hãy chọn Chuẩn hóa âm lượng, đưa độ lớn về −16 LUFS, mức mục tiêu phổ biến cho âm thanh lời nói, để đoạn phát ở mức tương đương các file khác của bạn. Nếu video có ngôn ngữ thứ hai hoặc bình luận, Rãnh âm thanh cho phép chọn rãnh nào trở thành MP3.

MP3 tạo từ video thường chỉ có tên file và gần như không có gì khác. Trình phát nhạc đọc tên bài, nghệ sĩ, album và ảnh bìa từ thẻ ID3 lưu trong file, và ID3v2 còn có thể nhúng cả ảnh bìa. Trên Windows, nhấp chuột phải vào MP3, mở Properties rồi Details để nhập tên bài, nghệ sĩ và album. Trên Mac, thêm file vào ứng dụng Music, chọn Get Info và dán ảnh bìa vào thẻ Artwork. Các trình chỉnh sửa thẻ miễn phí như Mp3tag làm được điều tương tự hàng loạt, rất đáng dùng khi bạn trích xuất cả loạt bài nói hoặc tập podcast cùng lúc.

Nền tảng nào cũng có cách lấy âm thanh từ video, dù ít cách cho ra MP3 trực tiếp. Trên Mac, QuickTime Player có thể lưu riêng âm thanh bằng File → Export As → Audio Only, nhưng kết quả là M4A chứ không phải MP3. Sau đó ứng dụng Music có thể chuyển sang MP3 khi bạn đặt Settings → Files → Import Settings thành MP3 Encoder và chọn File → Convert → Create MP3 Version. Trên Windows không có công cụ xuất tích hợp cho việc này, nên cách miễn phí phổ biến là VLC, với hộp thoại Media → Convert / Save có sẵn hồ sơ Audio - MP3. Audacity cũng mở được file MP4 sau khi cài thư viện FFmpeg, và xuất MP3 từ đó.

Điện thoại hạn chế hơn. Trên iPhone, thao tác Encode Media của ứng dụng Phím tắt (Shortcuts) có công tắc Audio Only, lưu M4A từ video trong thư viện; cách này dùng được, nhưng tạo phím tắt mất vài phút và đầu ra vẫn không phải MP3. Android không có công cụ chung cho toàn hệ thống, và nhiều ứng dụng trích xuất âm thanh trên Play Store có nhiều quảng cáo hoặc đòi quyền truy cập bộ nhớ rộng. Nếu clip cần thành văn bản thay vì âm thanh, bài hướng dẫn chuyển âm thanh thành văn bản của chúng tôi tiếp nối từ chỗ bài này dừng lại.

Cách dùng trình duyệt giống nhau trên mọi thiết bị: tải video lên, chọn bitrate, nhấn Trích xuất sang MP3 rồi tải file về. UltKit nhận video tối đa 95 MB mỗi file, không cần cài ứng dụng hay tạo tài khoản, và xóa cả file tải lên lẫn MP3 khỏi máy chủ sau 30 phút kể từ khi xử lý. Bản ghi dài trên 95 MB thường có thể thu nhỏ trước bằng cách giảm độ phân giải, vì chất lượng hình ảnh không còn quan trọng khi bạn chỉ cần âm thanh. Các bước dưới đây tóm tắt cách nhanh nhất trên từng nền tảng, từ ứng dụng máy tính đến trình duyệt điện thoại.

Hầu hết trường hợp trích xuất thất bại đều do một trong bốn nguyên nhân, và thông báo lỗi hiếm khi nói rõ. Phổ biến nhất là video hoàn toàn không có luồng âm thanh: một số trình quay màn hình chỉ ghi hình trừ khi bạn bật micro hoặc âm thanh hệ thống, và một số ứng dụng mạng xã hội loại bỏ âm thanh khỏi clip lưu về. Nguyên nhân thứ hai là bảo vệ bản quyền. Phim và tập phim mua hoặc thuê từ các cửa hàng như iTunes Store, cùng nội dung tải trong ứng dụng streaming, được mã hóa bằng DRM, và không công cụ chuyển đổi thông thường nào đọc được âm thanh bên trong. Chỉ chuyển đổi video do bạn tự làm hoặc bạn có quyền sử dụng, vì bản quyền của rãnh âm thanh vẫn áp dụng bất kể định dạng file.

Hai nguyên nhân còn lại liên quan đến thời gian chứ không phải quyền truy cập. Video quay màn hình và một số video quay bằng điện thoại dùng tốc độ khung hình biến thiên, và một vài video còn có khoảng trống hoặc bước nhảy trong mốc thời gian, nên âm thanh trích xuất có thể ngắn hơn video một hai giây hoặc lệch khi bạn ghép lại trong trình chỉnh sửa. Lưu lại video với Tốc độ khung hình cố định trước, bằng công cụ chuyển đổi video, thường khắc phục được cả hai. Cuối cùng, file chỉ vài trăm kilobyte và phát ra im lặng thường nghĩa là đã chọn sai Rãnh âm thanh, rất dễ kiểm tra bằng cách trích xuất mười giây từ mỗi rãnh.