Kiedy potrzebujesz tylko dźwięku
Plik wideo niesie dwie rzeczy: obraz, który zajmuje niemal całe miejsce, i ścieżkę dźwiękową, która zwykle stanowi kilka procent całości. Jeśli zależy Ci tylko na tym, co zostało powiedziane lub zagrane, obraz jest zbędnym balastem. Typowe przypadki:
- Nagrany wykład, webinar lub spotkanie, którego chcesz posłuchać na spacerze lub w samochodzie.
- Występ muzyczny lub próba nagrane telefonem, które chcesz mieć w bibliotece muzycznej.
- Wywiad, który zamierzasz edytować w programie do obróbki dźwięku albo wysłać komuś do transkrypcji.
- Lektor lub efekt dźwiękowy, którego chcesz użyć ponownie w innym projekcie.
Różnica w rozmiarze jest ogromna. Dziesięciominutowy klip 1080p z telefonu to często 1–1,5 GB, a te same 10 minut jako MP3 w 192 kbps to około 14 MB.
Co konwerter robi z plikiem
Strumień wideo jest całkowicie odrzucany, a dźwięk jest kodowany ponownie do MP3 koderem LAME ze stałą przepływnością, którą wybierzesz. Domyślnie dzieje się to w przeglądarce dzięki FFmpeg skompilowanemu do WebAssembly, więc plik jest odczytywany z dysku, a MP3 zapisywany z powrotem bez opuszczania urządzenia.
Kilka szczegółów, które warto znać:
- Jedna ścieżka audio. Jeśli wideo ma ich kilka (na przykład w dwóch językach), FFmpeg wybiera jedną automatycznie, zwykle tę z największą liczbą kanałów. Pozostałe ścieżki są ignorowane.
- Dźwięk przestrzenny staje się stereo. MP3 obsługuje tylko mono i stereo, więc ścieżka 5.1 z filmu jest miksowana do dwóch kanałów.
- Częstotliwość próbkowania jest zachowywana. Filmy z telefonu zwykle mają dźwięk 48 kHz i MP3 również pozostaje w 48 kHz.
- Brak dźwięku, brak pliku. Nagranie ekranu wykonane bez dźwięku albo wyciszony klip nie mają czego wyodrębnić i konwersja kończy się błędem.
Akceptowane formaty wejściowe to MP4, MOV i WebM, do 2 GB na plik w przeglądarce. Możesz przeciągnąć kilka plików, a zostaną przekonwertowane jeden po drugim z tą samą przepływnością.
Wybór przepływności
Przepływność (bitrate) określa, ile bitów przypada na każdą sekundę dźwięku, a rozmiar pliku wynika z niej bezpośrednio: kbps podzielone przez 8 daje kilobajty na sekundę.
- 128 kbps to około 0,96 MB na minutę. W zupełności wystarcza do mowy: wykładów, rozmów, podcastów, notatek głosowych.
- 192 kbps to około 1,44 MB na minutę. Ustawienie domyślne i bezpieczny wybór dla treści mieszanych i większości muzyki.
- 256 kbps to około 1,9 MB na minutę. Warto przy muzyce, której będziesz słuchać na dobrych słuchawkach.
- 320 kbps to około 2,4 MB na minutę, najwyższa przepływność, na jaką pozwala MP3.
Trzeba pamiętać o jednym pułapie: dźwięk wewnątrz wideo jest już skompresowany, zwykle jako AAC w 96–256 kbps. Konwersja ścieżki AAC 128 kbps do MP3 320 kbps nie przywróci niczego, co usunął pierwszy koder; jedynie powiększy plik. Przy wideo z przewagą mowy 128 kbps naprawdę wystarcza. Przy nagraniu koncertu 192 lub 256 kbps sprawia, że nowe MP3 nie dodaje słyszalnych artefaktów do już istniejących.
Godzinny wykład to około 58 MB przy 128 kbps i 86 MB przy 192 kbps.
Duże pliki i wolne urządzenia
Ścieżka przeglądarkowa ma ograniczenia: cały plik musi zmieścić się w pamięci karty, a telefon dekoduje znacznie wolniej niż komputer stacjonarny. Konwersja nagrania o wadze 1,5 GB na starszym telefonie może trwać bardzo długo albo nie udać się z braku pamięci.
Na takie przypadki strona oferuje przetwarzanie na serwerze. To samo polecenie FFmpeg działa natywnie na naszej maszynie. Bez konta przysługuje jedno uruchomienie na serwerze dziennie dla pliku do 500 MB; Premium znosi dzienny limit i przyjmuje pliki do 4 GB. Pliki na serwerze są usuwane automatycznie w ciągu mniej więcej godziny.
Po konwersji
Kilka typowych kolejnych kroków:
- Przed udostępnieniem wytnij wstęp, zakończenie lub ciszę narzędziem przytnij MP3.
- Potrzebujesz tekstu zamiast dźwięku? Wyślij MP3 do transkrypcji. Wgranie pliku audio o wadze 14 MB zamiast wideo o wadze 1 GB jest znacznie szybsze i daje ten sam wynik.
- Jeśli MP3 jest wciąż za duży na komunikator, zakoduj go ponownie z niższą przepływnością albo przełącz mowę na mono.
Znaczniki tekstowe ze źródła, takie jak tytuł, są zwykle przenoszone, ale wszystko, co jest zapisane jako strumień obrazu, na przykład osadzona miniatura, znika razem z wideo.