使用方法: 视频提取音频
- 拖入一个视频,或者想转换格式的音频文件。
- 选采样率:语音识别用 16 kHz 单声道最合适。
- 点“提取音频”,等解码完成。
- 下载 WAV。
视频文件本质上是个容器:一条 H.264 视频轨加一条 AAC 音频轨。提取音频就是把它重新编码成可用的格式,而最好用的选择几乎总是未压缩的 16 位 WAV——所有剪辑软件、转写工具、DAW 都认,也不会再损失一次有损压缩。
采样率怎么选
- 16 kHz 单声道 — 语音识别、口播稿、播客转写。体积小,且正是 Whisper 这类模型期望的输入。
- 44.1 kHz — 音乐,或保持 CD 级原始采样率。
- 48 kHz — 还要进入视频剪辑流程的素材。
立体声转单声道是把两个声道相加,对语音是正确做法。体积参考:44.1 kHz 立体声约每分钟 10 MB,16 kHz 单声道约每分钟 2 MB。
为什么不给 MP3
浏览器里做 MP3 编码要打包一个很大的 JS 编码器,而如果下一步是转写或剪辑,压缩只会白白丢细节。WAV 是更诚实的选择;真要小文件,导出后再转 MP3。
常见问题
长视频能处理吗?
解码在内存中进行,普通机器上几百 MB 是实际上限。很长的文件更适合用命令行 ffmpeg。
音质会变差吗?
输出是 WAV,除源文件本身的压缩损失外不再有额外损失;已经丢掉的信息当然补不回来。
为什么有些文件解码失败?
有些容器用了浏览器不支持的编码,比如 AC-3 或部分 HEVC。先把源文件转成 MP4/M4A。
会上传到服务器吗?
不会,用 Web Audio API 在本地解码。