MP3, M4A oder WAV beim Extrahieren von Ton aus Video?

Sie wollen Ton aus einem Video gewinnen, und das Werkzeug fragt nach dem Format: MP3, M4A, WAV, AAC. Alle funktionieren, doch Ihre Wahl beeinflusst Qualität, Dateigröße und Verarbeitungsdauer zugleich. In diesem Beitrag sehen wir uns anhand realer Szenarien an, was wann richtig ist.

Zuerst die entscheidende Frage: Ist ein Kopieren möglich?

Sie ist wichtiger als alle anderen Vergleiche.

Die Tonspur im Video ist in einem bestimmten Codec gespeichert – in MP4-Videos meist AAC. Kann Ihr Zielformat diesen Codec aufnehmen, kann das Werkzeug die Audiodaten ohne jede Neukodierung übernehmen. Das nennt man Kopieren, und das Ergebnis ist exakt identisch: null Qualitätsverlust, ein Vorgang von Sekunden.

| Ton im Video | Ziel mit möglichem Kopieren | |---|---| | AAC (die meisten MP4) | M4A, AAC | | MP3 (manche AVI) | MP3 | | Opus (WEBM) | Opus, OGG | | Vorbis (WEBM/OGG) | OGG | | FLAC (manche MKV) | FLAC | | PCM (professionelle Aufnahme) | WAV | | AC3 / DTS (Film) | AC3, DTS |

Diese Tabelle ist die wichtigste Information für die Formatwahl: Ist die Quelle AAC, ist M4A zu wählen zugleich hochwertiger und schneller als MP3.

Der Vergleich der Formate

| Format | Typ | Chance aufs Kopieren | Kompatibilität | 1 Stunde Sprache | |---|---|---|---|---| | M4A (AAC) | Verlustbehaftet | Hoch (bei MP4-Quelle) | Sehr hoch | ca. 50 MB | | MP3 | Verlustbehaftet | Gering | Am höchsten | ca. 55 MB | | WAV | Verlustfrei, roh | Bei PCM-Quelle | Sehr hoch | ca. 600 MB | | FLAC | Verlustfrei, komprimiert | Bei FLAC-/PCM-Quelle | Mittel bis hoch | ca. 300 MB | | Opus | Verlustbehaftet | Bei WEBM-Quelle | Mittel | ca. 25 MB |

Szenario 1: Ich höre eine Vorlesung oder Konferenz auf dem Telefon

Eine lange Aufnahme, Sprachinhalt, begrenzter Telefonspeicher.

Sieger: M4A (sofern Kopieren möglich) oder MP3 mit 96–128 kbps in Mono.

Ist die Quelle ein MP4, wählen Sie M4A: Es wird kopiert, die Qualität bleibt exakt erhalten, und der Vorgang ist sofort abgeschlossen.

Ist ein Kopieren nicht möglich oder liest Ihr Gerät kein M4A, wechseln Sie zu MP3 und denken an zwei Einstellungen:

Bitrate: 96–128 kbps. Sprache benötigt weit weniger Daten als Musik. Eine einstündige Aufnahme belegt bei dieser Bitrate 40–55 MB.

Mono. Bei einer Aufnahme mit nur einer sprechenden Person tragen die Stereokanäle verschwindend wenig zusätzliche Information, und Mono halbiert die Datei.

Mit diesen beiden Einstellungen kommt eine einstündige Vorlesung auf etwa 30 MB. Wählen Sie Stereo mit 192 kbps, sind es 165 MB – fünffacher Unterschied bei null wahrnehmbarem Qualitätsunterschied.

Szenario 2: Ich schneide einen Podcast

Sie gewinnen den Ton aus einer Videoaufnahme und bearbeiten ihn.

Sieger: WAV.

Beim Bearbeiten wird die Datei vielfach geöffnet, geschnitten, entrauscht, im Pegel angepasst und gespeichert. Arbeiten Sie mit einem verlustbehafteten Format, findet bei jedem Speichern eine Neukodierung statt, und der Verlust summiert sich.

Die Vorteile von WAV:

• Es findet überhaupt keine Neukodierung statt.
• Bearbeitungsprogramme arbeiten mit diesem Format am schnellsten – Öffnen und Positionieren erfolgen unmittelbar.
• Jedes Programm unterstützt es.

Der Preis ist die Dateigröße: Eine Stunde Stereo-WAV umfasst rund 600 MB. Doch das sind vorübergehende Kosten; nach Abschluss der Arbeit kodieren Sie ein einziges Mal ins Zielformat.

Hinweis: Ist der Ton im Quellvideo bereits verlustbehaftet (etwa AAC mit 128 kbps), bringt die Extraktion nach WAV keine Qualität – Sie speichern diesen verlustbehafteten Ton nur verlustfrei. Der Nutzen besteht darin, dass während der Bearbeitung kein zusätzlicher Verlust entsteht.

Szenario 3: Ich will den Song aus einem Musikvideo

Sie wollen den Ton aus einer Konzertaufnahme oder einem Musikvideo.

Sieger: M4A (Kopieren) oder MP3 mit 256–320 kbps.

Musik benötigt weit mehr Daten als Sprache. Bei niedriger Bitrate gehen zuerst hohe Frequenzen und die Stereobreite verloren – Becken, hohe Instrumente und das Raumgefühl.

Vergessen Sie die Qualitätsobergrenze der Quelle nicht: Trägt das Video AAC-Ton mit 128 kbps, hebt ein MP3 mit 320 kbps die Qualität nicht über 128 kbps hinaus. Es begrenzt nur den Transkodierungsverlust.

Eine realistische Erinnerung: Die Fassung desselben Titels bei einem Musikdienst ist meist hochwertiger als die Tonspur des Videos. Die Extraktion aus dem Video ist ein sinnvoller Weg, wenn Sie keinen Zugang zu dieser Fassung haben.

Szenario 4: Ich will den Ton eines Films

Sie wollen die Tonspur aus einem MKV-Film.

Sieger: kommt darauf an – doch achten Sie auf die Kanalmischung.

Filmton liegt meist in 5.1 oder 7.1 Kanälen vor und ist mit dem Codec AC3 oder DTS gespeichert.

Wollen Sie kopieren: Extrahieren Sie als AC3 oder DTS. Das ist verlustfrei, doch die Zahl der Geräte, die diese Dateien abspielen können, ist begrenzt.

Wollen Sie normal hören: Wandeln Sie nach Stereo-MP3 oder -M4A um. Dabei erfolgt ein Downmix – sechs Kanäle werden auf zwei reduziert.

Der Downmix hat ein bekanntes Problem: Im Filmton liegen die Dialoge im Centerkanal und die Effekte auf den Seitenkanälen. Stimmen die Mischungsverhältnisse nicht, verschwinden die Gespräche im Hintergrund, und die Effekte dominieren. Hören Sie nach dem Extrahieren eine Dialogszene ab und prüfen Sie das.

Manche Werkzeuge bieten Optionen, die den Centerkanal stärker beimischen; nutzen Sie sie, wenn vorhanden.

Szenario 5: Ich bereite Ton für eine Transkription vor

Sie geben ihn einem Werkzeug zur Umwandlung in Text.

Sieger: WAV oder MP3 mit hoher Bitrate.

Transkriptionssysteme machen bei minderwertigem Ton mehr Fehler. Insbesondere:

• Sind hohe Frequenzen abgeschnitten, werden Laute wie "s", "sch" und "f" verwechselt.
• Kompressionsartefakte verwischen die Wortgrenzen.
• Hintergrundgeräusche werden durch die Kompression zusätzlich verfälscht.

Geben Sie die beste Qualität, die die Quelle zulässt. Akzeptiert das Werkzeug WAV, verwenden Sie WAV; gibt es eine Größenbegrenzung, ist MP3 mit 192 kbps ein vernünftiger Kompromiss.

Senken Sie die Abtastrate nicht. Manche Systeme verlangen 16 kHz, doch überlassen Sie diese Umwandlung dem Werkzeug selbst – senken Sie sie, kehrt sie nicht zurück.

Szenario 6: Ich führe ein Interviewarchiv

Sie bewahren es langfristig auf, das Video wird nicht gebraucht.

Sieger: FLAC (bei verlustfreier Quelle) oder Kopieren nach M4A.

Ist die Tonspur des Quellvideos verlustfrei (PCM oder FLAC – bei professionellen Kameras anzutreffen), extrahieren Sie nach FLAC: Die Daten bleiben exakt erhalten, und die Datei ist halb so groß wie WAV.

Ist die Quelle verlustbehaftet (AAC, MP3), ergibt die Extraktion nach FLAC keinerlei Sinn. Sie speichern verlustbehafteten Ton verlustfrei; die Datei wird fünfmal größer, die Qualität bleibt gleich. In diesem Fall ist das Kopieren nach M4A die richtige Wahl – es bewahrt die Originaldaten unverändert und ändert die Größe nicht.

Die allgemeine Regel: Wählen Sie den verlustfreiesten Weg, der der Quelle am nächsten kommt. Bei einer verlustbehafteten Quelle bedeutet das Kopieren, bei einer verlustfreien FLAC.

Entscheidungen, die man vermeiden sollte

Von einer verlustbehafteten Quelle nach FLAC/WAV. Das bringt keine Qualität, sondern kostet nur Platz. Die einzige Ausnahme ist, dass Sie bearbeiten wollen.

Eine Bitrate weit über der Quelle. Ein AAC mit 128 kbps als MP3 mit 320 kbps zu speichern liefert eine große Datei in 128-kbps-Qualität.

Neukodieren, obwohl es nicht nötig ist. Ist die Quelle AAC und liest Ihr Gerät M4A, fügt die Wahl von MP3 einen unnötigen Verlust hinzu.

Stereo mit hoher Bitrate für Sprache. Eine unnötig fünffache Dateigröße.

Die Abtastrate ändern. 48 kHz auf 22 kHz zu senken schneidet hohe Frequenzen ab, und sie kehren nicht zurück.

Die Entscheidung im Überblick

Entscheiden Sie anhand von drei Fragen:

1. Wollen Sie den Ton bearbeiten? Ja → WAV.

2. Liest Ihr Gerät M4A und ist die Quelle AAC? Ja → M4A (Kopieren, null Verlust).

3. Ist Kompatibilität entscheidend? Ja → MP3, bei Sprache 96–128 kbps in Mono, bei Musik 192–320 kbps in Stereo.

Ist die Quelle verlustfrei (PCM/FLAC), ergänzen Sie fürs Archiv FLAC. Extrahieren Sie Filmton, prüfen Sie nach dem Downmix die Dialoge. Und in jedem Fall gilt: Überprüfen Sie die Dauer der entstandenen Datei und ob der Ton von Anfang bis Ende vorhanden ist.