Retirar o som de um vídeo sem tocar na imagem

O único comando desta família que não descodifica nada

A maioria das ferramentas de vídeo tem de abrir a imagem para fazer o seu trabalho: rodar, redimensionar e comprimir exigem todos descodificar cada fotograma, fazer-lhe algo e voltar a codificá-lo. Retirar uma faixa de som não exige nada disso. O contentor guarda fluxos separados, e tirar um é uma questão de reescrever o índice e copiar o resto. É exatamente o que faz -c copy -an: copiar cada fluxo que sobrevive à seleção e excluir o áudio dos sobreviventes.

Que a imagem esteja mesmo intacta é do género de afirmação que convém testar em vez de acreditar. Pegue num clipe de teste, extraia-lhe o fluxo H.264 em bruto, corra o comando da ferramenta, extraia o fluxo em bruto do resultado e compare. Os dois dão 391 608 bytes com a mesma soma de verificação. Não parecidos, não visualmente indistinguíveis: os mesmos bytes. O que o codificador decidiu sobre as suas imagens no dia em que foram feitas continua a ser exatamente o que o ficheiro diz, e nada do que esta ferramenta faz o poderia ter mudado.

Silenciar e retirar não são a mesma coisa

Um vídeo pode estar em três estados, e usa-se uma só palavra para os três. Silenciado no leitor: o ficheiro não muda, só os seus altifalantes estão desligados. Em silêncio dentro do ficheiro: a faixa de áudio continua lá, continua a ocupar a sua parte do débito, mas todas as amostras valem zero. Removido: não há faixa de áudio, o contentor lista um fluxo a menos, e nenhum leitor encontra o que quer que seja para tocar. Esta ferramenta faz o terceiro.

A distinção conta em sítios que não adivinharia. As plataformas de publicação que analisam os envios à procura de música protegida examinam o fluxo de áudio; um ficheiro sem fluxo de áudio não oferece nada a analisar, ao passo que um com faixa silenciosa continua a ser um ficheiro com faixa de áudio e pode continuar a ser tratado como tal. Os programas de edição também se comportam de outra forma: importar um clipe sem áudio dá um elemento só de vídeo, enquanto uma faixa silenciosa dá uma faixa de que é preciso tratar. E uma faixa silenciosa continua a custar bits, por vezes surpreendentemente muitos, porque os codificadores nem sempre comprimem o silêncio até ao nada.

A poupança é menor do que quase toda a gente espera

O som parece metade de um vídeo, pelo que dá a sensação de que retirá-lo devia partir o ficheiro ao meio. Não é assim, porque os dois não têm sequer de longe o mesmo tamanho. Uma faixa estéreo a 128 kbit/s transporta 16 kilobytes por segundo. Uma imagem 1080p modesta a 2 megabits por segundo transporta 250. O áudio é seis por cento desse ficheiro, e num clipe de um telemóvel moderno a filmar em 4K a 45 megabits por segundo está bem abaixo de um por cento. A tabela dá quatro casos comuns com a aritmética feita.

O padrão vai ao contrário da intuição: quanto melhor a imagem, menos vale a pena retirar o som. Se a sua razão para silenciar é passar abaixo de um limite de envio, não é esta a ferramenta — vai libertar um ou dois por cento e continuar acima. Comprima ou corte o vídeo em vez disso, e silencie só pela razão que realmente o justifica: não quer aquele som no ficheiro.

O que sobrevive à cópia, e uma coisa que discretamente não sobrevive

Como -c copy desloca fluxos em vez de os recriar, a saída conserva bastante do que se julgaria perdido. Os metadados globais do contentor passam: a data de criação, o equipamento que gravou, qualquer título ou comentário, a cadeia do codificador. Se algum deles nomeia o áudio — um título que é um título de canção, um comentário a mencionar uma gravação — continua no ficheiro depois de o som ter saído. Retirar um fluxo de áudio não equivale a apagar todo o rasto dele, e se o objetivo de silenciar era a privacidade, verifique os metadados à parte.

As legendas também sobrevivem, o que costuma ser o desejado. Uma faixa de legendas não é áudio, portanto -an não lhe toca e -c copy transporta-a intacta. Há uma subtileza que convém conhecer, e vem do comportamento por omissão do ffmpeg e não desta ferramenta: sem um mapa de fluxos explícito, o ffmpeg seleciona o melhor fluxo único de cada tipo. Um ficheiro com três faixas de legendas ou dois ângulos de câmara sai, portanto, com um de cada. Se a sua origem tem várias faixas de seja o que for, verifique o resultado antes de deitar fora o original.

Se o botão está cinzento e diz que não há som

Antes de carregar um codificador grande só para responder a uma pergunta pequena, a ferramenta pergunta ao navegador se o ficheiro tem sequer uma faixa de som. Fá-lo criando um elemento de vídeo escondido, arrancando-o em silêncio e lendo três propriedades que os diferentes motores de navegador expõem com nomes diferentes. Se as três voltarem vazias, conclui que não há áudio, mostra uma linha a dizê-lo, e desativa o botão com o argumento de que não há nada a fazer.

Essa verificação é o elo mais fraco da ferramenta, porque essas três propriedades não são igualmente fiáveis. Uma é própria de um só motor. Outra tem de ser ativada antes de reportar seja o que for no navegador mais usado. A terceira só deixa de ser zero depois de algum áudio ter sido efetivamente descodificado, o que pode não ter acontecido quando a verificação corre. Se a ferramenta lhe disser que um clipe não tem som e os seus ouvidos disserem o contrário, não conclua que o ficheiro é estranho: experimente o mesmo clipe noutro navegador, onde responde outra das três propriedades. O comando em si não está em causa — é o portão à frente dele que adivinhou mal.

Perguntas frequentes

A imagem muda alguma coisa?

Não, e este é um dos raros casos em que se pode afirmar como facto e não como intenção. O comando não contém filtro nem codificador de vídeo — -c copy desloca o fluxo de vídeo comprimido sem o descodificar. Extrair o fluxo em bruto de um clipe de teste e da sua cópia muda deu o mesmo número de bytes e a mesma soma de verificação. Resolução, taxa de fotogramas, débito, cor, posição dos fotogramas-chave: tudo idêntico, porque nada disso chegou a ser olhado.

Porque é que o meu ficheiro quase não encolheu?

Porque o som nunca foi a parte pesada. Uma faixa estéreo a 128 kbit/s ocupa cerca de um dezasseis avos do que ocupa uma imagem 1080p modesta, e cerca de um trezentos avos do que ocupa o modo 4K de um telemóvel. A linha de resultado sob a descarga diz-lhe o número exato de bytes que saíram no seu caso concreto. Se o número desilude, a ferramenta não fez nada de errado — retirou todo o áudio que havia, e o áudio era pequeno. Para tornar um vídeo apreciavelmente mais leve é preciso trabalhar a imagem, ou seja comprimi-la ou redimensioná-la, e ambas custam qualidade.

Posso recuperar o som depois?

Do ficheiro mudo não — não há nada a recuperar nele, porque a faixa foi excluída e não apagada. Pode, claro, guardar o seu original, e esse é o hábito seguro. Se sabe de antemão que quer o som num ficheiro à parte, passe o clipe pelo extrator de áudio antes de cortar: isso dá-lhe uma faixa autónoma ao lado do vídeo mudo, e poderá juntar as duas mais tarde em qualquer editor. A ferramenta di-lo numa linha acima do seu botão, e vale a pena lê-la antes de carregar.

Em que difere de simplesmente baixar o volume antes de partilhar?

Baixar o volume não muda nada no ficheiro: quem o receber continua a ter toda a faixa de som e pode reproduzi-la. Codificar uma faixa de silêncio muda o ficheiro mas deixa-lhe um fluxo de áudio, que continua a ocupar débito e continua visível para tudo o que inspecione o ficheiro. Retirar o fluxo muda o que o ficheiro é: já não declara áudio de todo. Escolha o terceiro quando o som não deve viajar com o vídeo — uma gravação com uma conversa ao fundo, imagens com música de que não tem licença, tudo o que preferiria não entregar a um desconhecido.

Retirar o som apaga também tudo o que o menciona?

Não. O fluxo de áudio sai, e as suas etiquetas de fluxo saem com ele, mas os metadados globais do contentor são copiados intactos — data de criação, equipamento, título, comentário, cadeia do codificador. Se algum deles descreve a gravação ou nomeia uma peça musical, continua lá. Uma faixa de legendas também sobrevive, já que legendas não são áudio. Se silencia por privacidade e não por comodidade, trate os metadados como um trabalho à parte e inspecione a saída antes de a enviar seja para onde for.