Cómo extraer audio MP3 de un vídeo MP4 sin subirlo

Dos trabajos distintos reciben el nombre de «extraer audio»

El primero es el demuxing. Un archivo de vídeo es un contenedor que guarda pistas independientes, y la pista de audio que hay dentro ya es algo terminado y codificado, normalmente AAC. El demuxing saca esa pista y la coloca en su propio archivo, normalmente un .m4a. No se decodifica nada ni se vuelve a codificar nada, así que tarda alrededor de un segundo y no pierde nada en absoluto.

El segundo es decodificar y volver a codificar. La pista de audio se decodifica hasta volver a muestras en bruto, y esas muestras se pasan a un nuevo codificador que escribe un formato distinto. Necesitas esto cuando el destino pide un códec que el vídeo no usaba, y el MP3 es el motivo habitual.

Qué hace exactamente esta herramienta

Toma el archivo de vídeo completo, se lo entrega al decodificador de audio del navegador y pasa las muestras decodificadas a LAME, el codificador de MP3 que hay dentro de la mayoría de los programas de audio de escritorio. LAME se ejecuta en un worker en segundo plano para que la página siga respondiendo mientras trabaja, y escribe un MP3 estéreo a 192 kbps. Ese es el segundo trabajo del que hablábamos antes, así que lo que descargas es una codificación MP3 nueva de la banda sonora, no una copia del audio que llevaba el vídeo.

La primera vez que la usas, la página descarga el propio codificador, unos 150 KB. Después, el trabajo ocurre en tu propio procesador, varias veces más rápido de lo que tardaría en reproducirse el vídeo en la mayoría de los portátiles, y más despacio en un teléfono.

Lo que cuestan esos 192 kbps

Muy poco, para la mayoría de las escuchas. Un MP3 a 192 kbps ocupa alrededor de 1,4 MB por minuto, así que una clase de 45 minutos sale a unos 65 MB en lugar de los 450 MB que ocuparía como audio sin comprimir. Aun así, el MP3 tiene pérdida. El codificador descarta detalles que espera que no vayas a oír, y si la banda sonora del vídeo ya era AAC, el resultado es una segunda generación de codificación con pérdida. En unos auriculares normales eso casi nunca se nota. En audio que piensas editar y volver a exportar, se va acumulando.

También hay un coste de memoria. Se lee el archivo de vídeo completo, y el audio se decodifica entero y se guarda como muestras de coma flotante de 32 bits antes de que empiece la codificación, que es la razón por la que la herramienta limita los archivos a 100 MB. Un clip corto no es nada. Una grabación larga hecha con el teléfono es donde una pestaña del navegador empieza a fallar.

Cuándo el MP3 no es el objetivo adecuado

Si el audio va a ir a un editor, a un DAW o a un paso de reducción de ruido, lo correcto como entrada es el audio sin comprimir, y un MP3 solo obligaría a decodificarlo otra vez en cuanto llegue. Editar un archivo con pérdida y guardarlo de nuevo como archivo con pérdida gasta una generación de calidad sin ninguna ventaja. Para ese tipo de trabajo, conserva la pista original del vídeo con la copia de flujo de ffmpeg de más abajo y decodifícala en tu editor.

Con la transcripción pasa algo parecido. Whisper y las herramientas construidas sobre él quieren PCM sin comprimir y decodifican un MP3 antes de empezar, así que un MP3 solo ayuda cuando el archivo tiene que viajar a algún sitio primero.

Dónde se queda corta

• El navegador tiene que ser capaz de decodificar el archivo. Los MP4 normales con audio AAC no dan problemas. Los códecs poco habituales, los archivos protegidos y algunos contenedores MKV o AVI sí.
• Solo sale una pista de audio. Una película con varias pistas de idioma te da la que elija el decodificador, sin forma de escoger.
• No se recorta nada. Obtienes la grabación entera y la cortas después en un editor.
• El bitrate está fijado en 192 kbps. No hay ningún ajuste para un archivo más pequeño o uno de más calidad.
• Sin etiquetas, sin marcas de capítulo, sin carátula. Solo muestras, y nada más.

Cuándo usar ffmpeg en su lugar

Si quieres el audio original intacto, una copia de flujo es la respuesta honesta. Ejecutar ffmpeg -i video.mp4 -vn -c:a copy audio.m4a saca la pista AAC directamente del contenedor. Tarda alrededor de un segundo, el archivo es pequeño, y el audio es idéntico bit a bit al que llevaba el vídeo, porque no se decodificó nada y nada pudo degradarse.

Para un MP3 con más control, ffmpeg usa el mismo codificador LAME y te deja fijar la calidad: ffmpeg -i video.mp4 -vn -q:a 2 audio.mp3 escribe un archivo de bitrate variable que normalmente queda entre 170 y 210 kbps. Los dos comandos superan a una pestaña del navegador con un archivo largo, y los dos necesitan una instalación. Para un clip de cinco minutos que preferirías no entregar a un desconocido, el navegador es el camino más rápido.

El vídeo nunca sale de tu ordenador

No se sube nada, que es la idea. Las grabaciones de reuniones, las entrevistas, las consultas médicas y los vídeos familiares son justo los archivos que menos te gustaría dejar en la cola de procesamiento de otra persona, bajo una política de conservación que no puedes auditar. Abre la pestaña de red de las herramientas para desarrolladores de tu navegador y haz una extracción. La primera vez verás cómo se descarga la biblioteca del codificador de MP3. No verás ninguna petición que lleve tu vídeo, porque no se hace ninguna.