paper&honey

직접 실험·검증한 가이드

작성 paper&honey 운영자 게시 수정

동영상에서 소리만 추출하기 — MP3가 늘 정답은 아니다

강의나 회의, 인터뷰를 영상으로 녹화해 두고 소리만 필요할 때가 있습니다. 이동 중에 듣거나, 녹취를 정리하거나, 용량을 줄이려는 경우죠. 보통 "MP3로 추출"을 떠올리는데, 실은 그게 손해일 수 있습니다. 동영상 안의 소리는 대부분 이미 AAC라는 방식으로 압축돼 있습니다. 이걸 그대로 뽑으면 무손실·즉시인데, 굳이 MP3로 다시 압축하면 화질처럼 음질이 한 번 더 깎이고 용량은 오히려 커지기도 합니다. ffmpeg로 실측했습니다.

먼저 확인 — 동영상 속 오디오 코덱

추출하기 전에 원본 소리가 어떤 코덱인지 ffprobe로 보면 판단이 섭니다. 테스트 영상의 오디오는 이렇게 나왔습니다. 

$ ffprobe -select_streams a:0 -show_entries stream=codec_name ...
codec_name: aac

대부분의 스마트폰·화면 녹화·유튜브류 영상이 AAC를 씁니다. AAC라면 MP4·MOV 컨테이너에서 소리 트랙만 떼어 .m4a로 담을 수 있는데, 이때 재압축 없이 있는 그대로 복사(스트림 카피)됩니다.

스트림 복사와 MP3 재인코딩, 무엇이 다른가

방식 시간 용량 음질
스트림 복사 → .m4a0.03초126KB원본 그대로(무손실)
MP3 재인코딩 → .mp30.06초189KB한 번 더 압축(손실)

스트림 복사는 원본 AAC를 그대로 옮겨서 무손실인데, MP3로 바꾼 쪽은 음질이 한 단계 깎였는데도 용량은 오히려 더 컸습니다(126KB → 189KB). 이미 압축된 소리를 다른 방식으로 또 압축하느라 벌어지는 일입니다 — 사진을 JPG로 저장한 걸 다시 다른 포맷으로 저장한다고 좋아지지 않는 것과 같습니다. 그래서 "소리만 뽑기 = MP3"라는 공식은 늘 맞지 않습니다. 그냥 보관·청취용이면 원본 코덱 그대로(.m4a) 뽑는 게 무손실이고 빠릅니다.

그럼 MP3는 언제 쓰나

MP3가 필요한 경우는 음질이 아니라 호환성 때문입니다. 오래된 MP3 플레이어, 차량 오디오, 일부 업로드 시스템은 .m4a를 못 받고 MP3만 받습니다. 이럴 때만 재인코딩해서 MP3로 만들면 됩니다. 목적이 "어디서나 재생"이면 MP3, "원본 음질 보존·용량 절감"이면 스트림 복사(.m4a)로 나눠 생각하면 됩니다. 이 "컨테이너(상자)와 코덱(알맹이)은 다르다"는 구분은 M4A가 재생 안 되는 이유에서 자세히 다뤘습니다. 소리 추출도 결국 같은 원리입니다.

브라우저에서 하기

paper&honey의 M4A → MP3 변환 도구는 MP4·MOV 같은 동영상을 올리면 화면은 버리고 소리만 뽑아 MP3로 만들어 줍니다. MP3 형식이 꼭 필요한 상황(위의 호환성 케이스)에 맞는 도구입니다. 추출한 소리에서 필요한 구간만 잘라 쓰려면 MP3 자르기로 이어서 다듬으면 됩니다. 모든 처리는 브라우저 안에서 끝나 파일이 서버로 올라가지 않으니, 회의·강의 녹음처럼 밖으로 내보내기 꺼려지는 소리도 안심하고 다룰 수 있습니다.

이 수치의 전제

위에서 MP3(189KB)가 원본 스트림 복사본(126KB)보다 커진 건, 짧고 비트레이트가 낮은 테스트 클립이라 MP3 인코더의 하한 비트레이트·프레임 오버헤드가 상대적으로 크게 잡힌 탓입니다. 길고 비트레이트가 높은 실제 녹음에서는 절대 용량 차이가 이보다 작을 수 있습니다. 다만 절대 수치와 무관하게, "이미 압축된 AAC를 MP3로 다시 인코딩하면 음질이 한 번 더 깎이고 용량 이득은 없다"는 방향은 바뀌지 않습니다. 그래서 보관·청취용이면 스트림 복사, MP3가 꼭 필요할 때만 재인코딩이라는 결론은 그대로입니다.

코덱과 음질을 두고 묻는 것들

Q. 원본 영상 소리가 AAC가 아니면요? 드물게 다른 코덱일 수 있는데, 그때도 방식은 같습니다 — 그 코덱을 담을 수 있는 컨테이너로 스트림 복사하면 무손실, MP3가 필요하면 재인코딩입니다. ffprobe로 코덱을 먼저 확인하면 헛수고를 줄일 수 있습니다.

Q. 소리만 뽑으면 용량이 얼마나 줄어드나요? 영상에서 화면(영상 트랙)이 용량의 대부분이라, 소리만 남기면 대개 원본의 몇 십 분의 일로 줄어듭니다. 강의 한 시간짜리 영상이 오디오만 남기면 수십 MB 수준이 되는 식입니다.

Q. MP3로 바꿀 때 kbps는 어떻게 잡나요? 말소리 위주(강의·회의)면 128~192kbps로 충분하고, 음악이면 320kbps가 안전합니다. 다만 원본이 그보다 낮은 비트레이트라면 높게 잡아도 음질이 되살아나지 않고 용량만 커집니다. 원본 비트레이트 근처가 합리적입니다.