実用ガイド
動画から音声を取り出す：形式選びと「音が出ない」の切り分け
MP3・WAV・AACの選択、コンテナとコーデックの違い、抽出できない場合の確認順を解説します。
執筆・管理：GlowPunch
公開： ／ 更新：
動画を音声メモとして持ち歩くのか、編集素材として使うのかで、保存形式の選び方が変わります。また「MP4だから必ず読める」とは限りません。動画の拡張子は入れ物の形式を示し、中の音声の圧縮方式まで決めるものではないからです。
音声の入れ物と圧縮方式を分けて考える
MP4やWebMは映像・音声などを格納するコンテナです。中の音声はAAC、Opusなどのコーデックで符号化されています。ブラウザ側がその組み合わせを読めなければ、ファイルは選べても抽出はできません。MDNのコンテナ解説でも、この区別を確認できます。
GlowPunchは手元のファイルを扱います。動画サイトのURLからの取得や、保護されたストリーミングの解除には対応していません。権利や利用許可を確認した素材で使ってください。
出力形式の選択
| 形式 | 向いている作業 | 確認点 |
|---|---|---|
| MP3 | 音声の共有・持ち歩き | ブラウザに対応エンコーダーがない場合は出力できない |
| WAV | 編集用素材・変換失敗時の切り分け | 無圧縮PCMではサイズが大きい |
| AAC | AAC対応の再生・編集環境へ渡す | GlowPunchの出力はADTS形式。M4Aと同じ入れ物ではない |
GlowPunchの音声抽出は48kHz・2チャンネルでの書き出し設定です。元ファイルからビット列をそのまま取り出す「無変換コピー」とは異なります。MP3やAACへの再圧縮では品質が変化し得ますし、WAVにしても元音声にない細部が戻るわけではありません。
容量の目安を計算する
無圧縮の16bit・48kHz・2チャンネル音声なら、1秒のデータ量は 48,000 × 2 × 2 = 192,000バイト。10分では約115MB（10進表記）です。ヘッダー等は別ですが、長い会議録画をWAVにすると容量が増える理由が分かります。
192kbpsで10分なら、単純計算は 192,000 × 600 ÷ 8 = 14,400,000バイト、約14.4MBです。実際のサイズは形式やエンコーダーによって変わります。この計算は容量の目安であり、音質の良さを判定するものではありません。
「音が出ない」を確認する順番
- 元動画を端末で再生し、本当に音声があるか確認する。音声トラック自体がない動画は抽出できない。
- 短い別の動画で試す。1本だけ失敗するのか、環境全体で失敗するのかを分ける。
- MP3・AACの出力で失敗する場合はWAVを試す。入力の読み取りと出力の符号化を切り分けられる。
- 保存結果を別のプレーヤーでも開く。再生側の未対応と、ファイル生成の失敗を区別する。
- 解決しない場合は、対応形式が明示されたデスクトップソフトで変換する。
エラーを繰り返す前に、元ファイルを残してください。ブラウザやOSが変わると利用できるコーデックも変わるため、同僚のPCで動いた形式が自分のPCでも動くとは限りません。
GlowPunchでの操作と保存後の確認
音声抽出ツールに動画を読み込み、出力形式と設定を選んで処理します。保存後は先頭・中間・末尾を試聴し、長さ、音切れ、左右の音、聞き取れる音量かを確認してください。機密性のある会議では、保存後のファイルの共有範囲も確認します。
音量を変えたい場合は、形式変換だけで解決しようとせず、ラウドネスの確認方法も参照してください。