Разделить видео и звук: Как извлечь звук из видео?

Содержание

Разделяйте аудио онлайн, бесплатно — VEED.IO

Разделяйте аудио онлайн. Сохраняйте в необходимом аудиоформате

Выбрать аудио

Бесплатный онлайн аудио сплиттер

Если Вы ищете приложение для разделения аудиодорожек, то можете воспользоваться онлайн аудио разделителем VEED. Вы можете удалять части аудиофайла и разделять дорожку на разные части. VEED позволяет сделать это легко и быстро. Все, что Вам нужно сделать, — это загрузить аудиофайл, переместить ползунок на временной дорожке и использовать инструмент «Разделить». Затем Вы можете либо удалить фрагменты, либо изменить их порядок на временной дорожке. Сохраните отредактированный файл как новый аудиотрек!

Как разделить аудио:

Загрузите ваши аудиофайлы

Загрузите свое аудио в VEED; Вы можете перетащить их на временную дорожку.

Разделите

Чтобы разделить аудио, просто переместите ползунок в любое место на временной дорожке и выберите инструмент «Разделить». Далее Вы можете изменить порядок или удалить фрагменты.

Сохраните!

Нажмите «Экспорт» и сохраните новый аудиофайл на своем устройстве!

Разделяйте аудио онлайн за считанные минуты

VEED очень быстрый и простой в использовании. Вам не нужно тратить часы на разделение и обрезку аудиоклипов. Это занимает всего несколько минут по сравнению с другими приложениями для редактирования аудио. Вы можете вырезать аудио всего за несколько кликов. Переместите ползунок в любое место на временной дорожке и щелкните инструмент «Разделить»; Вы можете разделить аудиофайл необходимое количество раз.

Редактировать аудио онлайн

Вы также можете изменить порядок аудиоклипов после их разделения или обрезки и сохранить их как один аудиофайл. Просто перетащите клипы другу к другу. Вы также можете добавить другие аудиофайлы между ними, чтобы создать совершенно новый аудиотрек! Добавляйте фоновую музыку, звуковые эффекты, озвучку и многое другое.

Сохраните в необходимом аудиоформате

VEED позволяет сохранить аудиофайл в необходимом формате, будь то MP3, WAV или другие популярные типы аудиофайлов. Наш аудиоредактор также является аудио конвертером. Независимо от того, в каком формате Вы загружаете аудио, Вы можете сохранить его в выбранном вами формате. Просто выберите нужный формат из параметров экспорта.

Часто Задаваемые Вопросы

Открыть больше:

Pазделить FLAC
Pазделить MP3

Что говорят про VEED

Больше, чем аудио сплиттер

Никакое другое приложение для редактирования аудио и видео не даст Вам доступа к премиальным инструментам, которые есть у VEED! Это комплексный видео- и аудиоредактор, в котором есть все необходимые инструменты редактирования. Наше программное обеспечение бесплатное и работает онлайн, что делает его намного проще, чем офлайн-приложения. Вы можете получить доступ к своим проектам с любого устройства, если создадите учетную запись (по желанию). Конвертируйте аудиофайлы, сжимайте, редактируйте и очищайте аудиоклипы! Кроме того, если Вам нужно отредактировать видео, Вам не нужно искать другие приложения. Это все есть в VEED!

Выбрать аудио

Разделение звука в видеозаписях / Хабр

Кадр из видео Super Mario Theme (Trumpet & Euphonium) https://youtu.be/o3a6F070Xt0

Введение

Традиционно популярными и активно исследуемыми областями в Deep Learning являются задачи обработки изображений или текстов. Тем не менее, задачи, связанные с обработкой звуков и аудиодорожек, полезны и могут найти практические приложения во многих областях. Вот неполный перечень задач обработки звука, при решении которых используются подходы на основе глубокого обучения:

Классификация звуковых сигналов;
Speech3Text. Перевод речи в текстовое отображение;
Text2Speech. Обратная предыдущей задача. Генерация речи по заданному тексту;
Поиск похожих звуков;
Sound Separation. Разделение звуковой дорожки на составляющие звуки;
Beamforming. Разделение многоканальной звуковой дорожки на возможные составляющие с учетом пространственного расположения звукозаписывающих устройств.

В данной статье я расскажу о решении задачи Sound Separation, но с одним отличием — в качестве входных данных используются видеозаписи.

Для начала разберемся: что такое звук? Звук — это механические колебания, передающиеся в среде. Звуковые колебания характеризуются амплитудой и частотой. В среднем обычный человек может услышать звуки частотой 20Гц – 20000Гц. Для представления аудиоданных в цифровом формате микрофон с определенной частотой регистрирует амплитуду механических колебаний среды, затем полученные замеры преобразуются в цифровой формат. Таким образом, звук в вычислительных устройствах представляется как временной ряд. При этом, чем более высокая частота дискретизации, тем более высокие частоты получается сохранить.

Возможно представление аудио сигнала в виде трехмерной диаграммы, где на оси абсцисс изображено время, на оси ординат – частота звука. Третье измерение с указанием амплитуды на определенной частоте в конкретный момент времени представлено интенсивностью или цветом каждой точки изображения.

Такое представление называется спектрограммой. Для получения спектрограммы из исходного аудио сигнала необходимо выполнить оконное преобразование Фурье.

Пример спектрограммы

Такое представление позволяет применять двумерные сверточные нейронные сети в задачах обработки звука. Следует помнить, что в таком подходе не учитывается положение на изображении, хотя в случае спектрограмм это может быть важно. Например, в задаче классификации изображений совершенно неважно, находится объект внизу или вверху, при этом положение «внизу» и «вверху» на спектрограмме отвечает разным частотам, а значит разным звукам.

Задача разделения звуков заключается в получении аудиодорожек отдельных источников звука по одной аудиозаписи с несколькими источниками.

— исходная аудиодорожка, «смесь» отдельных звуков
– i-тая компонента звука
— число компонент звука

Разделение звука

Задача локализации — поиск источников звука в кадре и отделение от общей аудиодорожки.

Локализация звуков

Подобрать метрику, которая идеально оценивала качество модели, не так просто. Это связано со сложностью самих звуковых данных, а так же с тем, что восприятие результата может быть субъективно. Несколько человек могут по-разному оценить качество разделения в зависимости от их музыкального слуха и других факторов. Зачастую, в задачах разделения звука используют метрику SDR, дополнительно можно вычислять SIR и SAR.

SDR — source to distortion ratio, общая оценка того, насколько хорошо источник звучит
SIR – source to interference ratio, оценка того, насколько хорошо звук отделен от остальных источников
SAR – source to artifact ratio, оценка того, насколько хорошо звук изолирован от нежелательных артефактов

Теперь, определившись с задачей и метриками, можно посмотреть как решать такую задачу.

Модель

Расскажу про подход, предложенный в статье Sound-of-Pixels. Модель состоит из нескольких частей: визуальная, аудио и синтезатор. Для начала определимся, что передается на вход в модели. Исходными данными для модели являются видеозаписи с источниками звука. Видеозапись можно представить как последовательность кадров и аудиодорожка. Аудиодорожку из одномерного представления можно перевести в спектрограмму. Таким образом, на вход модели будем подавать несколько кадров из видео и спектрограмму аудиодорожки.

Архитектура модели

Для вычисления признаков из кадров видео используется ResNet, для генерации аудио признаков из спектрограммы применяется U-Net подобная архитектура. После вычисления видео и аудио признаков они комбинируются с некоторыми обучаемыми весами и на выходе модели получаются сетка из масок. Маска — это одноканальное изображение с таким же размером, как и у входной спектрограммы, каждый пиксель маски принимает значения от 0 до 1. Впрочем, маска может быть бинарной, тогда значения — это 0 или 1. При поэлементном умножении маски на исходную спектрограмму смеси получается спектрограмма изолированного источника звука, а по спектрограмме можно восстановить аудиодорожку изолированного звука.

При вычисления визуальных признаков пространственные размерности уменьшаются в 16 раз. При использовании кадров размером 224х224 выходная пространственная размерность получается 14х14. И в каждой пространственной точке получается визуальный размер признаков размерности K (гиперпараметр, подбирается в зависимости от датасета). Сеть синтезатор для каждой пространственной точки совмещает визуальные признаки и аудио признаки и предсказывает маску для спектрограммы. Получается маска для звуков, источники которых находятся в соответствующем участке исходных кадров.

Выход модели

Обучить такую модель напрямую проблематично, поэтому авторы предлагают несколько трюков. Обучение проводится по видео с отдельными источниками звука. Если рассматривать музыкальный домен, то подойдут видео с соло исполнениями на музыкальных инструментах. Дополнительной разметки при этом не требуется, но при обучении делается несколько допущений. Во-первых, во время обучения не предсказывается сетка масок, после визуальной сети берется макспулинг по пространственным размерностям и маска вычисляется одна на весь кадр. Во-вторых, звук аддитивен, а это значит, что при сложении двух аудиозаписей в соло исполнении получается запись исполнения в дуете.

Для обучения из выборки семплируется пара видеозаписей, т.е. объект для обучения — это две видеозаписи. Аудиодорожки складываются и получается дорожка с несколькими источниками звука. В аудио часть модели подается смесь, а по кадрам первого и второго видео вычисляются соответствующие вектора визуальных признаков. Теперь можно применить синтезатор к аудио признакам и видео признакам от первого и второго видео и получить на выходе маску для извлечения исходных аудиодорожек из смеси. Исходные аудиодорожки нам известны, можно посчитать функцию потерь между предсказанными дорожками и исходными и обновить веса модели.

Обучение модели

Остается вопрос — где взять данные для обучения? Для обучения на музыкальных инструментах использовался датасет MUSIC, для обобщения модели на общий звуковой домен использовался датасет VGGSound. Данные собраны из видео на youtube, но сами датасеты — это . csv файлы с id видео. Сбор, загрузку и предобработку записей нужно выполнять своими руками. MUSIC содержит ~600 видеозаписей с соло исполнением на 11 (есть часть с 21) музыкальных инструментах, а также видео с исполнениями в дуете. Все исполнения любительские, произведены в повседневной обстановке без использования профессионального оборудования. VGGSound намного больше, датасет содержит более 200 тысяч видеозаписей, а также разметку на 310 классов звуков (указывается временной отрезок в видео и метка звука, который звучит в этом отрезке)

Результаты

Давайте теперь посмотрим на результаты обученной модели. Сначала я покажу, как работает модель на музыкальных инструментах, затем на общих звуках из VGGSound.

Разберем разделение на этапе валидации на примере двух видео. Возьмем два видео с соло исполнениями, сложим их аудиодорожки и разделим обратно.

Разделение гитары и скрипки

По полученным спектрограммам можно восстановить звук и получить финальный результат

Модель работала в режиме валидации, который приближен к обучению. Визуальные признаки в этом случае считались по всему кадру, разбиения на регионы не было. Теперь можно посмотреть на результаты модели, которая не только разделяет источники, но и ищет их в кадре.

Локализация источников звука

Теперь, если взять полученную модель и обученный детектор объектов в кадре, то можно усреднять маски в предсказанных boundary box детектора и получать звуки, издаваемые объектами в кадре.

Приведу метрики, которые я получал в результате наиболее удачных экспериментов. За baseline я взял метрики, которые авторы указали в своей статье. В приведенных экспериментах я использовал размерность признаков K=16. В других экспериментах пробовал различные значения, но они дают худший результат. В статье же авторы указывают, что по их экспериментам размерность K=32 работает лучше.

	SDR	SIR	SAR
baseline	8.87	15.02	12.28
BCE loss, бинарная маска	10. 56	21.24	13.96
BCE loss, регуляризация сценами с тишиной	8.27	17.69	12.07
L2 loss, непрерывная маска	5.87	15.41	15.03

Перейдем к датасету VGGSound. Приведу пример разделения детского плача и шума от работы погрузчика.

Разделение общих звуков

По вычисленным спектрограммам можно собрать аудиодорожки.

Локализация работает, но не идеально. Например, в кадре с вертолетом в небе у модели получается выделить звук в центре кадра.

Локализация источника звука (вертолета)

Есть и неудачные примеры.

Локализация источника звука (человек)

Модель определяет источник звука в центре, но по краям кадра также дает ненулевые маски. В целом же, модель, обученная таким способом на звуках из общего домена, работает.

Наилучшая модель на валидации получилась со следующими метриками:

	SDR	SIR	SAR
K=32, BCE loss	3. 62	9.43	11.78

Сравнивать напрямую метрики на MUSIC и VGGSound, как я считаю, не очень корректно, т.к. датасеты совсем разные, VGGSound гораздо больше и вариативнее. Из-за этого оптимальным значением для размерности вектора признаков оказалось 32.

Трудности

В процессе воспроизведения статьи я столкнулся с рядом трудностей, о которых хотел бы упомянуть.

Сбор данных — довольно трудоемкий процесс. Даже несмотря на то, что есть размеченные датасеты, загрузка данных из источников требует времени и аккуратности. Каждая видеозапись требует времени на скачивание, времени на обработку, а также объем на диске. Уместить весь VGGSound локально я не смог, поэтому после скачивания сразу вырезал из видео нужный участок, раскладывал его на кадры и аудиодорожку, приводил картинки к меньшему размеру и понижал частоту дискретизации аудио дорожки. Стоит также сказать, что youtube не дает открыто массово скачивать контент с ресурса, поэтому пришлось применить некоторые трюки. Помимо этого, нет никаких гарантий, что указанные в датасете видео будут доступны на видеохостинге всегда, и, конечно же, это не так. Некоторые видеозаписи из датасета скрыты, удалены, заблокированы.

Авторы оригинальной работы опубликовали код, но он оказался неполным и немного устаревшим. Потребовалось обновить код для совместимости с современной версией PyTorch, исправить несколько неочевидных нюансов, а также дописать код для выполнения локализации и демо (локализация + детектор)

Архитектура модели довольно сложная, из-за чего появляется много гиперпараметров и похожих решений, которые можно попробовать и улучшить результат. Основной гиперпараметр — размерность вектора признаков K. Это значение крайне желательно подбирать. Сама модель состоит из нескольких, каждая из архитектур обладает своими особенностями и потенциалом для улучшения. Понятно, что посмотреть на все комбинации улучшений для каждой из модели очень трудоемко и можно смотреть на каждую модель по очереди.

Обучение модели занимает довольно много времени. На личном компьютере (Nvidia RTX 2070 Super) обучение на MUSIC занимает 4 суток, на VGGSound 6 суток. Из-за этого каждый эксперимент занимал много времени, по этой причине пункт выше становится еще более актуальным.

Заключение

В статье я рассказал о том, как можно научить модель находить источники звука в видеозаписи без явной разметки. Это отличается от большинства существующих решений, требующих для обучения смесь звуков и разделенные звуки. Такие датасеты есть, но их немного и, что более важно, они небольшие и основаны на музыкальных композициях (MusDB, например). В рассмотренном подходе удалось научить модель разделять звуки из общего домена.

На практике такую модель можно применять, например, для удаления посторонних шумов в кадре, выделения речи людей и другие подобные задачи.

Полезные ссылки

https://github.com/MaximKsh/Sound-of-Pixels — репозиторий с кодом. Форк оригинального репозитория с изменениями и дополнениями
https://arxiv. org/abs/1804.03160 — оригинальная статья
https://github.com/hangzhaomit/Sound-of-Pixels — оригинальный репозиторий
https://github.com/roudimit/MUSIC_dataset — датасет MUSIC
https://github.com/hche11/VGGSound — датасет VGGSound
https://source-separation.github.io/tutorial/landing.html — хороший туториал по разделению звука.

Аудио экстрактор | Легко удалить аудио из видео

Простое в использовании онлайн-извлечение аудио из видео. Просто добавьте свои видео и нажмите несколько кнопок, чтобы извлечь аудио.

Извлечение аудио

Если у вас есть видео со звуком, которое вам нравится, и вы хотите сохранить его отдельно от видео, Flixier — ваш инструмент. Наш онлайн-экстрактор аудио очень прост в использовании, и вам не нужно устанавливать какое-либо программное обеспечение, чтобы воспользоваться им. Более того, вы можете получать видео из большого количества источников, просто скопировав и вставив ссылку, включая YouTube и TikTok.

Простота

Извлечение аудио из любого видео

Во Flixier мы стремимся облегчить вам извлечение аудио из видео, поэтому мы поддерживаем очень большое разнообразие видеофайлов и типов. Все, от MP4, MOV или AVI до WMV, MPEG и многих других. Это означает, что вам не нужно конвертировать файлы или выполнять другие ненужные действия.

Извлечение звука из видео онлайн

Flixier также очень удобен, потому что вы можете извлекать звук из видео онлайн, вам не нужно загружать или устанавливать какое-либо программное обеспечение, просто откройте браузер, и все готово. Это означает, что вы экономите время и не потребляете ресурсы вашего компьютера.

Извлечение музыки из видео на YouTube или TikTok

Наша прямая интеграция с YouTube или TikTok упрощает извлечение музыки из видео, опубликованных на этих платформах. Просто скопируйте и вставьте ссылку на видео из этих видео в наш редактор, а затем сохраните аудио. Тем не менее, вам нужно быть очень осторожным с музыкой, которую вы загружаете, знать и соблюдать законы об авторском праве.

Бесплатный аудио экстрактор

Поскольку мы хотели сделать Flixier максимально доступным, мы также сделали его бесплатным для использования. Вам не нужно ничего платить, чтобы получить его, и вам даже не нужно создавать учетную запись. Просто нажмите кнопку «Начать» или «Выбрать видео» в верхней части страницы, и все готово.

Как извлечь аудио из видео

Добавить видео во Flixier

Первый шаг, который вам нужно сделать, это загрузить видео во Flixier. Вы можете загрузить их со своего компьютера или импортировать напрямую с Google Диска, Dropbox, Zoom или Twitch. Вы даже можете вставить ссылку с YouTube или TikTok, и видео будет импортировано в вашу библиотеку.

Извлечение аудио из видео

С вашими видео на Flixier вам нужно всего лишь перетащить их на временную шкалу и нажать кнопку «Экспорт» в правом верхнем углу экрана.

Скачать аудио

Теперь все, что вам нужно сделать, это выбрать «Только аудио» в раскрывающемся меню и нажать кнопку «Экспорт и загрузка», это автоматически обработает аудио из видео и загрузит его на ваш компьютер.

Зачем использовать Flixier для извлечения звука из видео

Учетная запись не требуется

Если вы хотите извлечь музыку из видео с помощью Flixier, вам даже не нужна учетная запись, вы получаете мгновенный доступ к нашей платформе, и мы не дадим вам от спама или маркетинговых писем. Конечно, у учетной записи есть некоторые привилегии, такие как резервное копирование проекта и синхронизация в облаке, но вам решать, нужно ли вам это.

Преобразование аудио в текст

Если копирование аудио из видео не совсем подходит и вам также нужна текстовая версия, вы будете рады узнать, что во Flixier вы можете конвертировать аудио в текст одним нажатием кнопки. Наш генератор текста на основе искусственного интеллекта извлечет текст из аудио и применит его в качестве субтитров к вашему видео, но при необходимости вы можете загрузить его отдельно.

Добавление эффектов плавного появления или затухания

Существует множество настроек, которые можно внести в звук после извлечения его из видео. Один из них добавляет эффект Fade In and Out. Это облегчит прослушивание вашего аудио и позволит начать и закончить его плавно, никого не заставая врасплох.

Повысьте качество звука

Помимо Fade, вы можете внести множество других изменений в свой звук. Увеличивайте громкость, настраивайте разные частоты с помощью нашего эквалайзера или применяйте различные эффекты для более качественного звука. Все это делается в нашем редакторе всего несколькими нажатиями кнопок.

Я годами искал такое решение, как Flixier. Теперь, когда я и моя виртуальная команда можем вместе редактировать проекты в облаке с помощью Flixier, производительность моей компании увеличилась втрое! Супер простой в использовании и невероятно быстрый экспорт.

Стив Мастроянни — RockstarMind.com

Моим главным критерием для редактора был знакомый интерфейс и, самое главное, чтобы рендеринг выполнялся в облаке и был очень быстрым. Гибкость больше, чем в обоих случаях. Теперь я использую его ежедневно для редактирования видео в Facebook для моей страницы подписчиков 1M.

Евгений Коган

Я так рад, что нашел Flixier. У меня есть канал на YouTube с более чем 700 тысячами подписчиков, и Flixier позволяет мне беспрепятственно сотрудничать с моей командой, они могут работать с любого устройства в любое время, плюс рендеры выполняются в облаке и очень быстро работают на любом компьютере.

Аня Винтер, владелец, LearnGermanWithAnja

Часто задаваемые вопросы.

Часто задаваемые вопросы

Если у вас есть дополнительные вопросы, свяжитесь с нашей дружной командой

Могу ли я извлечь звук из видеофайла?

Да, просто перейдите во Flixier и добавьте свой видеофайл, затем перетащите его на временную шкалу и нажмите кнопку «Экспорт» в правом верхнем углу экрана. На этом этапе выберите «Только аудио» в качестве формата экспорта и нажмите кнопку «Экспорт и загрузка». Это обработает аудио через несколько минут и автоматически загрузит его на ваш компьютер, когда будет готово.

Как отделить звук от видео?

Вы можете отделить звук от видео во Flixier. Сначала импортируйте свои видео в наш онлайн-редактор видео, а затем перетащите их на временную шкалу. Теперь щелкните правой кнопкой мыши видео и выберите «Отсоединить звук», это удалит звук из видео и добавит его на отдельную дорожку. На этом этапе вы можете внести любые изменения в аудиофайл.

Является ли Flixier бесплатным средством для извлечения звука

Да, вы можете использовать Flixier в качестве бесплатного средства для извлечения звука. Просто нажмите кнопку «Начать» или «Выбрать видео» выше, и вы готовы извлекать аудио из видео.

Ваш браузер не поддерживает видео тег.
Ваш браузер не поддерживает видео тег.
Ваш браузер не поддерживает видео тег.
Другие
Audio Extractor
Инструменты
Статьи, инструменты и советы
Статьи, инструменты и советы
Разблокируйте потенциал вашего ПК
. чтобы расширить свою аудиторию и увеличить свои доходы!
4 способа, как отделить аудио от видео в высоком качестве
Если вам нужно отделить аудио от видео, не пропустите эту статью, которая покажет вам 4 простых способа, как отделить аудио от видео.
Попробуйте бесплатно Попробуйте бесплатно
Эльва обновлено 05.05.2022 10:50:39
Когда вы смотрите определенное музыкальное видео и хотите извлечь звуковую дорожку и сохранить ее в виде музыкального файла для записи на компакт-диск или воспроизведения в формате MP3, вам нужен отличный инструмент, который превосходно разделит видео и аудио. Кроме того, у вас может быть видео с плохой звуковой дорожкой, и вам нужно сохранить его в беззвучном формате или полностью заменить звуковую дорожку. Эта статья покажет вам 4 разных способа на
как отделить звук от видео .
Часть 1. Как отделить аудио от видео с помощью Filmora Video Editor
Часть 2. Как бесплатно разделить аудио из видео онлайн
Часть 3. Как разделить аудио из видео в iMovie
Часть 4. Как разделить аудио с видео с помощью VLC
Часть 1: Как отделить аудио от видео с помощью Filmora Video Editor
Filmora Video Editor позволяет редактировать видео в высоком качестве и добавлять специальные эффекты, редактировать звук и создавать продукцию, которую затем можно экспортировать на сайты для обмена видео в Интернете, такие как YouTube, записывать на DVD или отправлять на любое другое устройство, например Смартфон.

Бесплатная пробная версия Бесплатная пробная версия
Шаг 1: Скачайте и установите Filmora Video Editor
Нажмите кнопку «Бесплатная пробная версия» выше и загрузите программу на свой компьютер. После того, как вы установили его, запустите его, и вы готовы начать редактировать свои видео.
Шаг 2. Импортируйте видеофайлы
После запуска видеоредактора выберите соотношение сторон 4:3 или 16:9, в зависимости от типа редактируемого видео, и нажмите «Полнофункциональный режим». Далее нажмите «Импорт» и начните добавлять видео в редактор. Вы также можете перетаскивать видеофайлы в редактор.
Шаг 3. Отделите звук от видео.
Наведите курсор на видео, чтобы выделить его. Затем щелкните правой кнопкой мыши на видео и выберите «Отключить звук». Вы сразу же увидите, как звук видео перемещается на временную шкалу музыки, указывая на то, что теперь это отдельный файл. Теперь вы можете выбрать, редактировать ли звук или просто заменить его другим аудиофайлом.

Шаг 4: экспортируйте видео
После того, как вы отделили аудио от видео, теперь вы можете экспортировать видео во многие места назначения в зависимости от ваших предпочтений. Просто нажмите «Импорт», чтобы сохранить внесенные изменения. У вас есть широкий выбор видеоформатов, таких как AVI, MP4, FLV, MKV и многие другие. Вы можете отправить видео на YouTube или Facebook. Вы также можете записать видео на DVD, нажав на вкладку DVD.
Часть 2: Как бесплатно разделить аудио из видео онлайн
Часть 3: Как отделить аудио от видео в iMovie
Часть 4: Как разделить аудио с видео с помощью VLC
Люди также спрашивают
Что такое Wondershare ID?
Wondershare ID — это простой способ получить доступ к ресурсам Filmora, отслеживать статус активации вашего продукта и управлять своими покупками. Используйте свой идентификатор Wondershare для входа в Filmora и Filmstock. В будущем будет подключено больше продуктов и услуг. Если вы хотите узнать, как создать и активировать Wondershare ID, нажмите здесь >
Как получить доступ к Filmstock / Filmora’s Effects?
Filmstock — отличный источник ресурсов для эффектов, которые пользователи Filmora могут использовать в своих видео! Вы найдете анимированные заголовки, движущуюся графику, фильтры, заставки, наложения и многое другое.