抽音轨 → 剪片段 → 调音量 → 转格式：让视频里的声音变成可用的音频文件
视频抽音频不是单步——抽出来要剪要调要转格式，每一步都要选对工具和参数。这条 pipeline 把”视频 → 可用音频”拆成 4 步，给出顺序的理由、平台规格、踩坑。
核心方法：先抽轨（尽量流复制不重编码）→ 再剪辑（消除非内容部分）→ 调音量（做平台要走 LUFS）→ 最后转格式（适配目标设备）。
本地处理：所有工具都用 ffmpeg.wasm 在浏览器跑——视频/音频字节不离开设备。1 小时视频抽 M4A 音轨通常 < 5 秒（流复制）；剪辑、调音量、转格式视长度可能数十秒到几分钟。
把视频里的音轨整段抽出来。指定时间段（如 12:30–18:45）只取需要的片段，输出 **MP3 / WAV / AAC**——日常听用 MP3 128–192kbps；要二次剪辑用 WAV 无损；iOS 设备/苹果生态用 AAC/M4A。
💡 若视频原音轨已经是 AAC（90% MP4 视频都是），输出 AAC/M4A **不会再编码一次**（流复制 stream copy），毫秒级完成、零质量损失。要 MP3 / WAV 就一定要重编码。详见 [视频抽音频的容器与编码](/tutorials/video-extract-audio-codec-vs-container-and-reencode/)。
抽出来的音频还要精剪（如开头噪音、结尾环境音、嘉宾打喷嚏要剪掉）——用 [音频剪辑](/tools/audio-trim/) 拖时间轴精确到毫秒切片。
💡 切割点选在**静音/弱声段**，不要切在响亮的辅音或元音中——切口会有 click 杂音。剪辑工具有"切口淡入淡出 5ms"选项默认开启，能消除大部分 click。
调整最终响度。做铃声 → 把高峰拉到 -3dB 防爆；做播客素材 → LUFS 标准化到 -16 LUFS（Apple Podcasts / Spotify 推荐）；日常听 → 保留原响度，不动。
💡 用 LUFS 标准化（不是 Peak / RMS）才能匹配平台要求。详见 [Peak/RMS/LUFS 区别](/tutorials/audio-volume-peak-rms-lufs-and-platforms/)。
如果中间用了 WAV 处理，最后转回 MP3 / AAC 减体积。或 MP3 转 M4A（iOS 铃声专用格式）。
💡 做 iOS 铃声必须输出 M4A 且时长 ≤ 30 秒，文件改后缀 .m4r 才能识别。AAC 192kbps 对铃声/人声足够好。
绝大多数 MP4 视频内部音轨已经是 AAC（H.264 + AAC 是 MP4 标准组合）。直接选输出 AAC/M4A 走 ffmpeg 的 stream copy（流复制），不重编码、不损质量、瞬间完成。如果选 MP3 输出，必须重编码（AAC → PCM → MP3），有一次有损过程。追求质量用 M4A；追求兼容用 MP3（所有设备/平台都能放）；做后期素材用 WAV。
视频里常含开头片头 BGM、结尾推广、嘉宾打断、技术故障——直接抽出来当播客素材听感很糟。正确流程：先抽全段 → 再用 音频剪辑 切到只剩核心内容 → 最后调音量。如果同一视频要分多段输出（如把 1 小时讲座切成 5 个主题），用 音频分割 按时间点一次输出 ZIP。
iPhone 铃声格式 = M4A + ≤ 30 秒 + 文件后缀 .m4r。三个条件缺一不可：(1) 必须 M4A 容器（不能是 MP3、不能是 WAV）——用 音频格式转换 转 M4A；(2) 时长严格 ≤ 30 秒（Apple 限制）；(3) 文件下载后把扩展名从 .m4a 改 .m4r（M4A audio → M4A ringtone）。然后通过 Finder（macOS Catalina 后）拖到 iPhone 的"铃声"区即可。
直接发抽出来的"原响度音频"到 Apple Podcasts / Spotify，播放时听感时大时小——因为不同设备会按各自标准做响度匹配，源文件响度不一致就会被算法调亮调暗。专业做法：音量调整 选 LUFS 标准化目标 -16 LUFS（Apple/Spotify 播客推荐），输出后所有平台听感统一。普通分享给朋友/微信不需要这步——但要发公开平台必走。
抽音轨几乎是瞬时（GB 级视频 stream copy 也就 1–2 秒），剪辑/调音量/转格式都需要重编码会花更长时间。性能预期：1 小时课程视频抽 AAC 音轨 < 5 秒；同样长度的音频剪辑成 5 段，每段重编码可能 30–60 秒。先抽再剪是正确顺序——不要让视频 → 音频 → 剪辑 都走视频解码（用 视频压缩 直接做这条链路会慢 10 倍以上）。
默认选 M4A / AAC——视频里 90% 已经是 AAC，输出 M4A 走流复制零损耗、秒完成。只在这些情况换：(1) 接收方设备老（如老款 Android、车载、MP3 播放器），换 MP3 192kbps；(2) 后续要二次剪辑/混音，换 WAV 无损（最大兼容剪辑软件）；(3) 喂给 AI 做转录（Whisper、PaddleSpeech），WAV / FLAC 准确率最高。
有些视频音轨是单声道（路演、单麦讲座），抽出来就只有一边声道——播放时左/右耳一只无声。解法：用 音频格式转换 选"输出立体声"，工具会把单声道复制到两个声道，听感和原始一致但不会单耳无声。不要追求"立体声化"——单声道转立体声只是复制，没有真的空间感，那需要专门的立体声扩展滤镜。
几乎不会发生。除非你指定了时间段截取——这时输出的就是片段时长。如果你抽全段但时长对不上，常见原因：(1) 视频末尾有几秒黑屏/静音没被识别（差 < 2 秒可忽略）；(2) 视频是 VFR（可变帧率）+ 音频是 CFR（恒定帧率），ffmpeg 处理可能略有差异。实操：差 < 1 秒不用管；差 > 5 秒检查是不是时间段输错了。
多音轨 MP4（电影、配音版视频、多语言会议录像）抽音频默认抽第一个音轨（通常是主语言/中文）。本站工具暂不支持选择音轨——如果你要的不是第一轨，先用 VLC 或剪映打开看哪个轨道是要的、用 mkvtoolnix 调整顺序后再抽。临时变通：抽不同时间段（如果不同时间用不同语言），或用桌面 ffmpeg -map 0:a:1 指定轨道。