オーディオ抽出ツール

動画ファイルは実際には2つの別々のストリーム——映像フレームと音声トラック——が多重化されたものであり、音声だけを取り出すには通常デスクトップソフトのインストールやサーバーへのファイルアップロードが必要です。このツールはすべてブラウザ内で完結します。動画をドロップし、MP3、WAV、AACのいずれかを選ぶと、WebAssemblyにコンパイルされたFFmpegメディアツールキットのフルビルドであるffmpeg.wasmを使って、お使いのデバイス上でローカルに音声トラックを抽出します。どこにもアップロードされません。

このツールとは？

音声抽出とは、映像を再エンコードすることなく、動画コンテナ(MP4、MOV、WebMなど)から音声ストリームを分離するプロセスです。技術的にはファイル全体の変換というより「音声のデマルチプレクスとトランスコード」操作です。映像と音声のストリームはコンテナ形式の中にすでに別々に格納されているため、音声トラックを直接取り出すことができます。

このツールは、市場のほとんどの動画・音声ソフトウェアの基盤となっているオープンソースのマルチメディアフレームワークFFmpegを使用しています。ffmpeg.wasmプロジェクトによってWebAssemblyにコンパイルされているため、サーバーやネイティブインストールを必要とせず、ブラウザ内でJavaScriptとして動作します。初回実行時にはブラウザが約30MBのFFmpegエンジンをダウンロードしますが、それ以降の抽出処理は自分のCPUを使ってすべてデバイス上で行われます。

アップロードのステップがないため、サーバー側のファイルサイズ制限もキューの待ち時間もなく、動画がどこに送られるかというプライバシーの懸念もありません——これは、このサイトの他のすべてのクライアントサイドツールと同じ特性です。

なぜこれを使うのか？

Zoomの会議を録画したMP4ファイルから、議事録作成用に音声だけを取り出して文字起こしサービスにかけたいとき、映像を含んだ数百MBのファイルを送らずに済みます。
TikTokやYouTubeからダウンロードしたお気に入りの動画のBGM部分だけを、着信音や作業用のループ音源として保存したいとき。
ゲーム実況の録画から自分のマイク音声だけを抜き出し、ポッドキャストのアーカイブ用にMP3としてまとめたいとき。
結婚式や卒業式のスピーチ動画から、あとで編集で使うために劣化のないWAV音声を確保しておきたいとき。
スマホで撮った短い動画のナレーション部分だけをLINEの音声メッセージ代わりに送りたいとき、動画編集アプリを入れずにその場で済ませられます。
プライベートな会話や社内会議が映った動画を扱う場合でも、処理がすべてブラウザ内で完結するため、映像ファイルを外部サーバーに預ける不安がありません。

使い方

ドロップゾーンをクリックする(またはドラッグ&ドロップする)ことで、デバイスから動画ファイルを選択します。
出力フォーマットを選びます: MP3(小さく、幅広く互換性あり)、WAV(非圧縮、さらなる編集に最適)、AAC/M4A(効率的で、Appleエコシステムに適合)。
「音声を抽出」をクリックします——初回実行時は約30MBの抽出エンジンをダウンロードし、その後の処理はローカルで行われます。
内蔵の音声プレーヤーで結果をプレビューし、「ダウンロード」をクリックしてファイルを保存します。

例

入力

ナレーション付きの5分間のMP4画面録画

出力

narration.mp3(音声のみ、同じ長さ、映像トラックなし)

抽出はトリミングや時間の調整を行わず、映像ストリームを取り除いて既存の音声を選択した形式にエンコードするだけなので、出力される音声の長さは常に元の動画とぴったり一致します。

MP3 vs. WAV vs. AAC——どれを選ぶべきか

適切な出力フォーマットは、その後音声をどう使うかによって決まります。

フォーマット	ファイルサイズ	最適な用途
MP3	最小	ポッドキャスト、ボイスメモ、共有、一般的な再生
WAV	最大(非圧縮)	さらなる音声編集、ミキシング、マスタリング——劣化が積み重ならない
AAC / M4A	小さく効率的	Appleデバイス/アプリ、小さいサイズで良好な品質

抽出前に知っておきたい実務的なポイント

動画に音声トラックが含まれていない(無音の画面録画など)場合、抽出処理はエラーになるか、ほぼ無音のファイルが出力されます――事前にプレビューで音があるか確認しておくと安心です。
スマートフォンのブラウザでも動作しますが、数百MB級の長時間動画は端末のメモリを多く使うため、可能であればWi-Fi環境かつバッテリーに余裕がある状態で実行することをおすすめします。
同じ動画から複数フォーマットが欲しい場合(MP3で共有用、WAVで編集用など)、フォーマットを切り替えてそれぞれ「音声を抽出」をクリックし直す必要があります――一度の処理で複数形式が同時に出力されるわけではありません。
FFmpegエンジンのダウンロードはブラウザのタブを閉じるとメモリから消えるため、同じセッション内でまとめて複数の動画を処理すると、2回目以降の抽出が体感的に速くなります。

よくある質問

動画ファイルの変換と同じことですか?

厳密には違います。動画から音声への「変換」はすべてを再エンコードすることを意味する場合が多いですが、このツールは動画コンテナから既存の音声ストリームを特にデマルチプレクス(分離)し、その音声ストリームだけを選択した形式にエンコードします。映像フレームには一切触れず、再レンダリングもしません。

なぜ最初の抽出は次回よりも時間がかかるのですか?

このツールは、ブラウザセッションで初めて使用する際にFFmpegのWebAssemblyエンジン(約30MB)をダウンロードする必要があります。その初回読み込みの後はエンジンがメモリ上に残るため、以降の抽出はすぐに開始されます。

MP3、WAV、AACのどれを選べばいいですか?

MP3は最もファイルサイズが小さく、どこでも動作するため、ポッドキャストやクリップなどほとんどの場合に適しています。WAVは非圧縮でロスレスなので、音質の劣化が積み重なると困るようなさらなる編集に音声を使う場合に重要です。AAC/M4Aはバイトあたりの品質が高く、特にAppleエコシステムでよく使われる良いバランスの選択肢です。

入力としてどの動画フォーマットを使えますか?

ブラウザがメタデータを読み取れ、かつFFmpegがサポートしている形式であれば何でも構いません。これは事実上すべての一般的な形式——MP4、MOV、WebM、MKV、AVIなど——をカバーしています。特定のファイルで失敗する場合は、代わりに標準的なMP4またはWebMのエクスポートを試してください。

自分の動画はサーバーにアップロードされますか?

いいえ。動画ファイルはデバイスから一切離れません——ブラウザのメモリに直接読み込まれ、WebAssemblyを使ってすべてクライアントサイドで処理されます。CDNから取得されるのは一度きりのFFmpegエンジンのダウンロードだけであり、実際の動画や抽出された音声が送信されることは決してありません。

抽出した音声の音量や音質を調整することもできますか?

いいえ、このツールは音声トラックの抽出専用で、音量正規化やノイズ除去、イコライジングなどの編集機能は含まれていません。抽出後にそうした調整が必要な場合は、抽出したWAVやMP3を別の音声編集ソフトに読み込んでください。

動画に音声トラックが複数ある場合はどうなりますか?

多くの動画は音声トラックを1本しか持ちませんが、複数言語の吹き替えなど複数トラックを含むファイルの場合、このツールは通常デフォルトとしてマークされた最初のトラックを抽出します。特定の言語トラックだけを選んで抽出する機能は現在サポートされていません。

スマートフォンで撮影した動画でも問題なく使えますか?

はい。iPhoneのMOVファイルやAndroidのMP4ファイルなど、スマートフォンで一般的に使われる形式はどちらもFFmpegがサポートしているため、パソコンからでもスマートフォンのブラウザからでも同じように処理できます。

抽出にかかる時間は動画の長さに比例しますか?

音声のデマルチプレクスは映像の再エンコードを伴わないため、動画を最初から作り直すような処理より大幅に高速です。それでも動画ファイル自体が大きいほど読み込みと処理に時間がかかるため、長時間の動画では体感的な待ち時間が長くなります。