Den Ton aus einem Video entfernen, ohne das Bild anzutasten

Der einzige Befehl dieser Familie, der nichts dekodiert

Die meisten Videowerkzeuge müssen das Bild öffnen, um ihre Arbeit zu tun: Drehen, Skalieren und Komprimieren verlangen alle, jedes Bild zu dekodieren, etwas damit zu machen und es neu zu kodieren. Eine Tonspur zu entfernen verlangt nichts davon. Der Container hält getrennte Ströme, und einen herauszunehmen heißt, den Index neu zu schreiben und den Rest zu kopieren. Genau das tut -c copy -an: jeden Strom kopieren, der die Auswahl übersteht, und Audio von den Überlebenden ausschließen.

Dass das Bild wirklich unangetastet bleibt, ist eine Behauptung, die man besser prüft als glaubt. Nimm einen Testclip, hol den rohen H.264-Strom heraus, führe den Befehl des Werkzeugs aus, hol den rohen Strom aus dem Ergebnis und vergleiche. Beide ergaben 391 608 Byte mit identischer Prüfsumme. Nicht ähnlich, nicht optisch ununterscheidbar — dieselben Byte. Was der Encoder an dem Tag über dein Material entschieden hat, steht immer noch genau so in der Datei, und nichts, was dieses Werkzeug tut, hätte es ändern können.

Stummschalten und Entfernen sind nicht dasselbe

Ein Video kann in drei Zuständen sein, und man benutzt für alle drei ein Wort. Im Player stumm: Die Datei ist unverändert, nur deine Lautsprecher sind aus. In der Datei stumm: Die Tonspur ist noch da, belegt weiter ihren Anteil an der Bitrate, aber jedes Sample ist null. Entfernt: Es gibt keine Tonspur, der Container listet einen Strom weniger, und kein Player findet etwas zum Abspielen. Dieses Werkzeug macht das Dritte.

Der Unterschied zählt an Stellen, die man nicht erwartet. Veröffentlichungsplattformen, die Uploads nach geschützter Musik durchsuchen, prüfen den Audiostrom; eine Datei ohne Audiostrom bietet nichts zu prüfen, während eine mit stummer Spur weiterhin eine Datei mit Audiospur ist und auch so behandelt werden kann. Auch Schnittprogramme verhalten sich anders: Der Import eines Clips ohne Ton ergibt ein reines Videoelement, eine stumme Spur dagegen eine Spur, um die man sich kümmern muss. Und eine stumme Spur kostet weiterhin Bits, manchmal überraschend viele, denn Encoder komprimieren Stille nicht immer auf nichts.

Die Ersparnis fällt kleiner aus, als fast alle erwarten

Ton fühlt sich wie die Hälfte eines Videos an, also fühlt es sich so an, als müsste sein Entfernen die Datei halbieren. Tut es nicht, denn beide haben nicht annähernd dieselbe Größe. Eine Stereospur mit 128 kbit/s trägt 16 Kilobyte pro Sekunde. Ein bescheidenes 1080p-Bild mit 2 Megabit pro Sekunde trägt 250. Der Ton macht sechs Prozent dieser Datei aus, und bei einem Clip eines modernen Telefons, das 4K mit 45 Megabit pro Sekunde aufnimmt, liegt er deutlich unter einem Prozent. Die Tabelle zeigt vier gängige Fälle mit ausgerechneter Arithmetik.

Das Muster läuft der Intuition entgegen: Je besser das Bild, desto weniger lohnt das Entfernen des Tons. Willst du stummschalten, um unter ein Upload-Limit zu kommen, ist dies das falsche Werkzeug — du gewinnst ein bis zwei Prozent und liegst weiter darüber. Komprimiere oder kürze stattdessen das Video und schalte nur aus dem Grund stumm, für den Stummschalten wirklich taugt: dass du den Ton nicht in der Datei haben willst.

Was die Kopie übersteht — und eines, das es still nicht tut

Weil -c copy Ströme verschiebt statt sie neu zu erzeugen, behält die Ausgabe vieles, was man verloren geglaubt hätte. Die globalen Metadaten des Containers kommen mit: das Aufnahmedatum, das aufzeichnende Gerät, ein etwaiger Titel oder Kommentar, die Encoder-Zeichenkette. Benennt eines davon den Ton — ein Titel, der ein Songtitel ist, ein Kommentar, der eine Aufnahme erwähnt —, steht es nach dem Verschwinden des Tons weiter in der Datei. Einen Audiostrom zu entfernen heißt nicht, jede Spur davon zu tilgen; ging es beim Stummschalten um Privatsphäre, prüfe die Metadaten gesondert.

Untertitel überstehen es ebenfalls, was meist erwünscht ist. Eine Untertitelspur ist kein Ton, also rührt -an sie nicht an und -c copy nimmt sie unverändert mit. Eine Feinheit sollte man kennen, und sie stammt aus ffmpegs Standardverhalten, nicht aus diesem Werkzeug: Ohne ausdrückliche Stromzuordnung wählt ffmpeg den besten einzelnen Strom jedes Typs. Eine Datei mit drei Untertitelspuren oder zwei Kameraperspektiven kommt daher mit je einer heraus. Hat deine Quelle mehrere Spuren irgendeiner Art, prüfe das Ergebnis, bevor du das Original wegwirfst.

Wenn der Knopf ausgegraut ist und „kein Ton“ meldet

Bevor sie einen großen Encoder für eine kleine Frage lädt, fragt das Werkzeug den Browser, ob die Datei überhaupt eine Tonspur hat. Dazu erzeugt es ein verstecktes Videoelement, startet es stumm und liest drei Eigenschaften, die verschiedene Browser-Engines unter verschiedenen Namen anbieten. Kommen alle drei leer zurück, schließt es auf fehlenden Ton, zeigt eine entsprechende Zeile und deaktiviert den Knopf mit der Begründung, es sei nichts zu tun.

Diese Prüfung ist das schwächste Glied des Werkzeugs, denn die drei Eigenschaften sind nicht gleich verlässlich. Eine gehört nur einer Engine. Eine zweite muss im meistgenutzten Browser erst eingeschaltet werden, bevor sie überhaupt etwas meldet. Die dritte wird erst ungleich null, wenn tatsächlich Ton dekodiert wurde — was zum Zeitpunkt der Prüfung vielleicht noch nicht geschehen ist. Sagt dir das Werkzeug, ein Clip habe keinen Ton, während deine Ohren etwas anderes sagen, schließe nicht auf eine seltsame Datei: Probier denselben Clip in einem anderen Browser, wo eine andere der drei Eigenschaften antwortet. Der Befehl selbst ist nicht betroffen — die Schranke davor hat falsch geraten.

Häufige Fragen

Ändert sich das Bild überhaupt?

Nein, und dies ist einer der seltenen Fälle, in denen sich das als Tatsache und nicht als Absicht sagen lässt. Der Befehl enthält weder Filter noch Video-Encoder — -c copy schiebt den komprimierten Videostrom hinüber, ohne ihn zu dekodieren. Den rohen Strom aus einem Testclip und aus seiner stummen Kopie zu holen ergab dieselbe Bytezahl und dieselbe Prüfsumme. Auflösung, Bildrate, Bitrate, Farbe, Keyframe-Positionen: alles gleich, weil nichts davon je angesehen wurde.

Warum ist meine Datei kaum kleiner geworden?

Weil der Ton nie der schwere Teil war. Eine Stereospur mit 128 kbit/s belegt etwa ein Sechzehntel dessen, was ein bescheidenes 1080p-Bild belegt, und etwa ein Dreihundertstel dessen, was der 4K-Modus eines Telefons belegt. Die Ergebniszeile unter dem Download nennt die genaue Zahl der Byte, die in deinem Fall verschwunden sind. Enttäuscht die Zahl, hat das Werkzeug nichts falsch gemacht — es hat allen vorhandenen Ton entfernt, und der Ton war klein. Um ein Video spürbar kleiner zu machen, musst du am Bild arbeiten, also komprimieren oder verkleinern, und beides kostet Qualität.

Kann ich den Ton danach zurückholen?

Aus der stummen Datei nicht — dort ist nichts wiederzuholen, denn die Spur wurde ausgeschlossen und nicht geleert. Du kannst natürlich dein Original behalten, und das ist die sichere Gewohnheit. Weißt du vorher, dass du den Ton als eigene Datei willst, schick den Clip vor dem Stummschalten durch den Audio-Extraktor: Das gibt dir eine eigenständige Spur neben dem stummen Video, und du kannst beides später in jedem Schnittprogramm wieder zusammenfügen. Das Werkzeug sagt das in einer Zeile über seinem Knopf, und die lohnt sich vor dem Klick.

Worin unterscheidet sich das davon, vor dem Teilen einfach die Lautstärke herunterzudrehen?

Die Lautstärke herunterzudrehen ändert nichts an der Datei: Wer sie erhält, hat weiterhin die volle Tonspur und kann sie abspielen. Eine Spur aus Stille zu kodieren ändert die Datei, lässt aber einen Audiostrom darin, der weiter Bitrate belegt und für alles sichtbar bleibt, was die Datei untersucht. Den Strom zu entfernen ändert, was die Datei ist: Sie deklariert überhaupt keinen Ton mehr. Wähle das Dritte, wenn der Ton nicht mit dem Video reisen darf — eine Aufnahme mit einem Gespräch im Hintergrund, Material mit Musik ohne Lizenz, alles, was du einem Fremden lieber nicht in die Hand gibst.

Entfernt das Entfernen des Tons auch alles, was ihn erwähnt?

Nein. Der Audiostrom geht, und seine stromeigenen Tags gehen mit, aber die globalen Metadaten des Containers werden unverändert übernommen — Aufnahmedatum, Gerät, Titel, Kommentar, Encoder-Zeichenkette. Beschreibt eines davon die Aufnahme oder nennt ein Musikstück, steht es weiterhin drin. Auch eine Untertitelspur überlebt, denn Untertitel sind kein Ton. Schaltest du aus Datenschutzgründen stumm und nicht aus Bequemlichkeit, behandle die Metadaten als eigene Aufgabe und prüfe die Ausgabe, bevor du sie irgendwohin schickst.