動画から音声を抽出する方法：mp4 mp3 変換の無料6つの手段

動画から音声を抽出するには、音声トラックだけを残して音声ファイルとして保存する変換ツールで動画を開きます。ブラウザで使える動画→音声変換ツール、無料のVLCプレーヤー、FFmpegのコマンド1行のどれを使っても、MP4やMOVを1〜2分でMP3にできます（mp4 mp3 変換）。話し声なら128 kbpsのMP3で十分です。音楽なら192 kbps以上にするか、元のトラックをM4Aファイルにコピーして再エンコードを避けましょう。

以下では、最も手軽な方法から最も柔軟な方法まで無料の6つの方法を紹介し、続いてMP3・M4A・WAVの選び方の表、ビットレートの目安、そして本当に必要なのが話された言葉である場合の方法を説明します。

最も手軽な方法：ブラウザの動画→音声変換ツール

たまに使うだけなら、ブラウザの変換ツールが一番手間がかかりません。Audiotextaの動画→MP3変換ツールと専用のMP4→MP3変換ツールは、ブラウザのタブの中だけで動きます。ファイルは自分のパソコン上でデコード・エンコードされ、サーバーにはアップロードされません。これは非公開の録音を扱うときに重要です。

1. ChromeかEdgeで変換ツールを開きます。
2. 動画ファイルをページにドロップします。
3. MP3（話し声なら128 kbpsが適切）かWAVを選びます。
4. 変換してダウンロードします。映像は破棄され、音声だけが残ります。

知っておきたい制限が2つあります。デコードにはブラウザ自体のコーデックを使うため、MP4やWebMを含め最も多くの形式に対応しているのはChromeとEdgeで、SafariやFirefoxでは受け付けないファイルもあります。また、おおよそ500 MBまたは2時間を超えるような非常に大きなファイルは、ブラウザのメモリが足りなくなることがあります。その場合は、下で紹介するVLCかFFmpegを使ってください。

ファイルのアップロードを求めるほかの「無料オンライン変換サイト」には注意が必要です。問題なく使えるものも多いのですが、動画が他人のサーバーに置かれることになり、待ち時間、サイズの上限、透かしが付くものもあります。

VLCで動画から音声を抽出する（Windows・Mac・Linux）

VLCは多くの人がすでに持っている無料のメディアプレーヤーで、「変換 / 保存」の画面は動画→音声変換ツールとしても使えます。WindowsとLinuxでは次の手順です。

1. VLCを開き、メディア > 変換 / 保存を選びます（Ctrl+Rでも開けます）。
2. 追加をクリックして動画を選び、変換 / 保存ボタン自体をクリックします（横の小さな矢印ではありません）。
3. プロファイルでAudio - MP3を選びます。すぐに見つからない場合はリストをスクロールしてください。
4. 任意：プロファイルの横のスパナのアイコンをクリックし、音声コーデック（Audio codec）タブでビットレートを、たとえば192 kbpsに設定します。
5. 参照をクリックしてフォルダーを選び、.mp3で終わるファイル名を入力します。
6. 開始をクリックします。タイムラインの進行バーが変換の進み具合を示し、最後まで進むとMP3の完成です。

Macでは同じ機能がファイル > 変換 / ストリーム（File > Convert / Stream）にあり、音声のプロファイルを選んでファイルとして保存（Save as File）をクリックします。メニューの表記はVLCのバージョンによって少し異なりますが、プロファイルの一覧と「Audio - MP3」の選択肢は長年変わっていません。

VLCはほぼあらゆる形式を、ブラウザが受け付けないファイルも含めてデコードできるため、MOVからMP3への変換にも向いています。欠点は、リストに複数追加しない限り1ファイルずつしか変換できないことと、画面の操作にあまり融通が利かないことです。出力したファイルが再生できない原因として最も多いのは、保存先の名前に拡張子が付いていないことです。

FFmpeg：MP4からMP3への変換と、再エンコードなしのコピー

FFmpegは、VLCを含む多くの変換ツールの土台になっている無料のコマンドラインツールです。一括変換、非常に大きなファイル、細かく制御したい人に最適です。インストールしたら、動画のあるフォルダーでターミナルを開きます。

MP4をMP3に変換するには次のようにします。

ffmpeg -i input.mp4 -vn -acodec libmp3lame -q:a 2 output.mp3

-vnは映像ストリームを捨て、libmp3lameはMP3エンコーダー、-q:a 2は高音質の可変ビットレートを指定するもので、おおよそ170〜210 kbpsになります。話し声で小さなファイルにしたいなら-q:a 4、固定ビットレートが必要なら-b:a 128kを使います。MOVからMP3への変換も、入力ファイル名を変えるだけで同じコマンドが使えます。

元の音声を一切劣化させずに残したい場合は、再エンコードせずにトラックをコピーします。

ffmpeg -i input.mp4 -vn -acodec copy output.m4a

何もデコードしないので、長い動画でも数秒で終わります。動画の中の音声がAACである場合に使える方法で、ほとんどのMP4ファイルとiPhoneのMOVファイルの多くがこれにあたります。FFmpegがエラーを出したら、ffprobe input.mp4でコーデックを確認してください。生のAACファイルとして-acodec copy output.aacと書き出すこともできます。

編集用のWAVファイルにするには-acodec pcm_s16le output.wavを使います。macOSやLinuxでフォルダー内のすべてのMP4を変換するには次のようにします。

for f in *.mp4; do ffmpeg -i "$f" -vn -acodec libmp3lame -q:a 2 "${f%.mp4}.mp3"; done

AudacityとQuickTime：すでに持っているかもしれないデスクトップアプリ

Audacity

Audacityは、保存する前に音声をトリミングしたり、雑音の多い部分を削ったり、音量を揃えたりしたいときに便利です。MP4やMOVなどの動画ファイルを開くには、オプションのFFmpegライブラリが必要です。これは特許上の理由でAudacity自体には同梱できません。AudacityのサポートサイトにWindowsとmacOS用のインストーラーへのリンクがあり、Linuxではパッケージマネージャーからffmpegをインストールします。Audacityが検出しない場合は、Preferences > Libraries（環境設定 > ライブラリ）でライブラリの場所を指定します。

FFmpegをインストールしたら、動画を開くか読み込み、必要に応じて編集し、File > Export Audio（ファイル > 音声の書き出し）でMP3、WAVなどの形式を選んで保存します。表記はAudacityのバージョンによって少し異なります。

MacのQuickTime Player

何もインストールせずに、QuickTime Playerで動画を開き、ファイル > 書き出す > オーディオのみを選びます。AppleのQuickTimeユーザガイドによると、結果はMPEG-4オーディオファイル、つまりAACトラックを含むM4Aになります。これはほぼどこでも再生できますが、どうしてもMP3が必要な場合は、あとでM4Aを変換してください。

iPhoneとAndroidで動画を音声にする

iPhoneとiPad

iOSの「写真」アプリには「音声として保存」のボタンはありませんが、標準のショートカットアプリで同じことができます。共有シートから動画を受け取り、メディアをエンコードアクションを追加してオーディオのみをオンにし、最後に保存先を尋ねる設定のファイルを保存を置いたショートカットを作ります。動画の共有シートから実行すると、「ファイル」アプリにM4Aファイルができます。同じことをする既製のショートカットもいくつかありますが、ダウンロードしたショートカットは実行前に中身を確認してください。

Android

Androidには標準の内蔵ツールがありません。メーカーによってはギャラリーや動画編集アプリから音声を書き出せるので、まずスマートフォンの編集機能を確認してください。それ以外では、小さなファイルならChromeでブラウザの変換ツールが使え、Playストアにも「動画 MP3 変換」アプリがたくさんあります。評価の良いものを選び、連絡先など関係のない権限を求めるアプリは避け、多くのアプリがファイルをアップロードしたり広告を表示したりすることを知っておきましょう。

スマートフォンで撮った長い動画は、ファイルをパソコンに移してVLCかFFmpegを使うのが一番簡単なことがよくあります。

形式の選び方：MP3・M4A・WAVの比較

適切な形式は、音声を次に何に使うかによって決まります。以下のサイズは、ステレオ音声1時間あたりの目安です。

ビットレートと音質：使うべき設定

• 音質を足すことはできません。 抽出した音声が、動画の中の音声トラックより良くなることはありません。128 kbpsのAACトラックを320 kbpsのMP3に変換しても、ファイルが大きくなるだけです。
• 不要な再エンコードを避けます。 非可逆の変換を行うたびに、細かな情報が少しずつ失われます。元がAACならM4Aへのコピーは劣化なしですが、AACからMP3への変換は2回目の圧縮になります。
• 話し声なら、 96〜128 kbpsのMP3で十分です。モノラルにすればサイズは半分になり、話し手が1人なら実質的なデメリットはありません。
• 音楽なら、 192 kbps以上か、FFmpegの-q:a 2のような可変ビットレートを使います。
• 編集するなら、 WAVで書き出して編集し、圧縮は最後に1回だけにします。

MP3、M4A、WAV、OGG、FLACについては、ファイルサイズの上限も含めて文字起こしに使う音声形式のガイドで詳しく解説しています。

著作権についての注意

音声を抽出するのは、自分で作った動画か、使用する権利のある動画だけにしてください。自分の録画、保存が認められている会議、ライセンスを受けた素材、所有者が許可したコンテンツなどです。映画、ミュージックビデオ、他人がアップロードした動画から音声を抜き出して共有すると、著作権の侵害になることがあり、多くのプラットフォームの規約ではコンテンツのダウンロード自体が禁止されています。日本の著作権法には私的使用のための複製を認める規定がありますが、違法にアップロードされたものと知りながらダウンロードする場合などは対象外で、抽出した音声を共有することも私的使用にはあたりません。ファイルを変換しても、誰が権利を持っているかは変わりません。

次のステップ：音声を文字起こしする

多くの人が音声を抽出するのは、本当にほしいのが言葉だからです。インタビューの引用、講義のメモ、クリップの字幕などです。その場合、変換は省略できることがよくあります。ほとんどの文字起こしサービスは動画をそのまま受け付けます。Audiotextaの動画文字起こしツールなら、MP4やMOVをそのままアップロードするかリンクを貼り付けるだけで、話者ラベルとタイムスタンプ付きの文字起こしが得られます。無料プランはアカウント不要で、30分までのファイルを月120分まで処理でき、TXT、SRT、VTTで書き出せます。DOCXでの書き出しはProプランの機能です。

それでも、先に音声を抽出すると役立つ場面が2つあります。動画が数GBあり、同じ録音のMP3ならその何分の一かのサイズで済む場合と、文字起こしの前に無音や雑音をトリミングしたい場合です。128 kbpsのMP3やコピーしたM4Aには、音声認識モデルに必要な情報がすべて含まれています。WAVに変換しても文字起こしの精度は上がらず、アップロードが遅くなるだけです。

録音の準備から結果の仕上げまでの全体の流れは、音声を文字起こしする方法と動画を文字起こしする方法のガイドをご覧ください。