Cómo extraer el audio de un vídeo: elección entre MP3, WAV y AAC

Necesitas sacar el audio de la grabación de una conferencia, extraer la canción de un videoclip, convertir una entrevista en un archivo de audio para transcribirla o pasar una clase a MP3 para escucharla en el móvil. Extraer el audio de un vídeo es técnicamente una operación sencilla, pero implica dos decisiones críticas que hay que tomar bien.

Qué hace realmente la operación

Un archivo de vídeo es un contenedor que mantiene juntas la pista de vídeo y la de audio. La extracción de audio separa la pista de audio de ese contenedor y la guarda como archivo independiente.

Aquí hay dos caminos distintos y la diferencia entre ellos afecta directamente a la calidad.

Copia directa (stream copy): los datos de audio se trasladan al archivo nuevo sin tocarlos. No hay ninguna recodificación ni ninguna pérdida de calidad. La operación lleva segundos.

Recodificación (transcodificación): el audio se decodifica y se codifica desde cero en el formato de destino. Al pasar entre formatos con pérdidas se añade una segunda pérdida.

Qué camino se use lo determina tu formato de destino.

Paso 1: Averigua cuál es la pista de audio del vídeo

Este paso es el que te permite decidir bien.

En la mayoría de vídeos, la pista de audio es una de estas:

| Origen del vídeo | Códec de audio típico | |---|---| | MP4 (móvil, cámara) | AAC | | MP4 (descargado de internet) | AAC | | MKV (película) | AC3, DTS, AAC o FLAC | | WEBM | Opus o Vorbis | | AVI (antiguo) | MP3 o AC3 | | MOV (Apple) | AAC o PCM |

Para ver la información puedes mirar la ventana de información de archivo de tu reproductor (en VLC, Herramientas > Información multimedia).

Por qué importa: si tu códec de origen y tu formato de destino coinciden, puedes hacer copia directa y no pierdes nada de calidad.

Paso 2: Elige el formato de destino

Según tu objetivo de uso:

AAC / M4A — si tu fuente ya es AAC (y en los vídeos MP4 normalmente lo es), esta es la mejor elección, porque se puede hacer copia directa y la calidad se conserva exactamente. Lo reproducen todos los dispositivos modernos.

MP3 — si necesitas compatibilidad. Los equipos de coche antiguos, los reproductores MP3 y algunos programas solo reconocen MP3. Pero si tu fuente es AAC, hará falta recodificar y se añadirá algo de pérdida.

WAV — si vas a editar el audio. Proporciona un espacio de trabajo sin pérdidas; durante operaciones como cortar, limpiar ruido o ajustar niveles no se añaden pérdidas. El archivo será muy grande (unos 10 MB por minuto), pero al terminar la edición codificas una sola vez al formato de destino.

FLAC — para archivar, si el audio de origen es sin pérdidas (algunos MKV llevan FLAC o PCM). Si la fuente es con pérdidas, pasarla a FLAC no tiene sentido; no gana calidad, solo agranda el archivo.

Paso 3: Acepta el techo de calidad

Este es el punto que más se malinterpreta.

El archivo de audio resultante es, en el mejor de los casos, una copia exacta de la pista de audio del vídeo. No es posible nada mejor.

Ejemplo concreto: si la pista de audio de tu vídeo es AAC a 128 kbps:

• Si la copias como M4A: obtienes AAC a 128 kbps. Perfecto, sin pérdida.
• Si haces un MP3 a 192 kbps: un archivo con calidad de AAC a 128 kbps y tamaño de 192 kbps. Hay pérdida (transcodificación) y tamaño de más.
• Si haces un MP3 a 320 kbps: de nuevo calidad de 128 kbps, con un archivo mucho mayor. La pérdida se reduce algo pero el techo es el mismo.
• Si haces un FLAC: calidad de 128 kbps en un archivo enorme. Ninguna ganancia.

Regla: subir el bitrate de destino por encima del de la fuente no gana calidad. Subir un escalón solo tiene sentido para limitar la pérdida por transcodificación al pasar de un formato con pérdidas a otro.

Paso 4: Determina el bitrate

Si vas a recodificar:

| Audio de origen | Destino MP3 recomendado | |---|---| | AAC a 96-128 kbps | 160-192 kbps | | AAC a 160-192 kbps | 192-256 kbps | | AAC de 256 kbps o más | 320 kbps | | AC3 / DTS (audio de película) | 192-256 kbps | | PCM / sin pérdidas | 256-320 kbps |

La lógica de subir un escalón: el AAC es más eficiente que el MP3 al mismo bitrate. Convertir un AAC de 128 kbps en un MP3 de 128 kbps produce un ablandamiento perceptible.

El tipo de contenido también influye:

• Voz, clases, pódcast: 96-128 kbps es de sobra suficiente. Plantéate también usar mono: en una conversación de una sola persona el estéreo es innecesario y reduce el archivo a la mitad.
• Música: 192 kbps o más.
• Audio de película (multicanal): se reduce a estéreo; 192-256 kbps basta.

Paso 5: Haz la extracción

Abre la herramienta de extracción de audio de vídeo, sube tu vídeo y elige el formato de destino. El proceso se ejecuta en tu navegador; tu vídeo no viaja al servidor.

En vídeos largos (como la grabación de una conferencia de una hora) la operación puede tardar. Si se hace copia directa es muy rápida; la recodificación lleva más tiempo.

Paso 6: Comprueba el resultado

¿La duración es correcta? La duración del archivo resultante debe ser la misma que la del vídeo. Si es distinta, hay algún problema.

¿Hay sonido de principio a fin? Sobre todo en grabaciones largas, escucha en varios puntos del medio y del final.

¿La configuración de canales es correcta? En el audio de las películas, los 5.1 canales se mezclan a estéreo. Eso suele salir bien, pero en algunas mezclas los diálogos pueden quedar en segundo plano, algo que ocurre cuando el canal central no se mezcla correctamente.

¿El nivel es normal? Si sale muy bajo o muy alto, puede haber un problema en la fuente.

Etiquetas. Datos como el nombre de la canción o el artista no vienen del vídeo; tendrás que añadirlos a mano.

Varias pistas de audio

Las películas en MKV y algunas grabaciones profesionales llevan varias pistas de audio: idioma original, doblaje, comentarios del director, audiodescripción.

Las herramientas de extracción suelen tomar la primera pista, que casi siempre es la del idioma original. Si quieres una pista concreta:

• Comprueba si la herramienta ofrece selección de pista.
• Si no lo hace, puede que tengas que dejar antes el vídeo con una sola pista.
• Algunos reproductores (como VLC) permiten guardar las pistas por separado.

Problemas de sincronía y duración

Si el audio extraído sale más corto o desfasado respecto al del vídeo, las causas probables son:

Velocidad de fotogramas variable (VFR). Las grabaciones de pantalla y algunos vídeos de móvil usan VFR, y eso rompe los cálculos de marcas de tiempo. Solución: convertir antes el vídeo a velocidad de fotogramas constante.

Marcas de tiempo de inicio distintas. En algunas grabaciones, la pista de audio empieza unos cientos de milisegundos antes o después que el vídeo. En el contenedor eso se compensa con un valor de desplazamiento, pero puede perderse en la extracción.

Archivo corrupto o incompleto. Si la descarga se quedó a medias, falta la última parte.

Escenarios de uso frecuentes

Escuchar la grabación de una conferencia o clase. Si no hace falta ver el vídeo, quedarse solo con el audio reduce el archivo a la décima parte. 96-128 kbps en mono es de sobra suficiente y alivia el almacenamiento del móvil.

Preparar audio para transcribir. Las herramientas de conversión a texto piden un archivo de audio. WAV o un MP3 de bitrate alto dan mejor precisión de reconocimiento.

Sacar la canción de un videoclip. El techo de calidad es la pista de audio del vídeo, normalmente AAC a 128-192 kbps. La versión de la canción en un servicio de música suele tener mejor calidad.

Archivar entrevistas. Guardar el audio como FLAC o MP3 de bitrate alto ocupa muchísimo menos que conservar el vídeo.

Producción de pódcast. Extrae a WAV la pista de audio de una grabación de vídeo para editarla y, tras el montaje, codifícala a MP3.

En resumen

Extraer el audio de un vídeo consiste en separar la pista de audio del contenedor y se puede hacer de dos formas: copia directa (sin pérdidas, rápida, pero exige que el formato de destino sea compatible con el origen) o recodificación (sirve para cualquier formato pero añade pérdida). Si tu fuente es AAC y quieres M4A, la copia directa es la mejor opción. El techo de calidad lo marca la pista de audio del vídeo: por mucho que subas el bitrate, ese techo no se supera. Para contenido hablado bastan 96-128 kbps en mono; para música, 192 kbps o más. Y tras la extracción, no olvides comprobar la duración, la presencia del sonido y la configuración de canales.