上个月女儿幼儿园汇演，她和小朋友合唱了一首儿歌，我在台下录了三分多钟的视频。回家后想把这段歌声提取成音频，放进车里循环听，顺手发给外婆。做下来发现事情分两种：只是把视频里的声音整段存成 MP3，手机上几分钟就好；要是想只留人声、去掉伴奏和现场的嘈杂声，那是人声分离，工具和效果都不一样。先把这两件事分清楚，后面就不会白忙。
（官方说明）提词匠有 iPhone、安卓 App 和微信小程序三个入口，同一个微信账号登录，积分和会员三端互通。
歌声提取成音频之前，先想清楚要哪种结果
视频里的声音通常是一条混好的音轨：唱歌的人声、伴奏、观众鼓掌、旁边人说话，全在同一条里。所以「把歌声提取成音频」在实际操作里有两层意思：
- 整轨提取：视频里听到什么，存下来的 MP3 里就有什么。适合留念、通勤路上听、发给家人，原样保存也省事。
- 人声分离：用算法把人声和伴奏拆成两条，拿到「干声」或者「伴奏」。适合翻唱、做卡拉 OK 伴奏、剪辑时替换背景音乐。拆出来多少会带一点残留和失真，素材越嘈杂越明显。
我那段汇演视频只是想存个纪念，现场的掌声和老师报幕留着反而有味道，选整轨就够了。下面先讲整轨的做法，人声分离放在后面单独说。
手机上用提词匠把视频里的歌抽成 MP3
录像本来就在手机相册里，我就直接在手机上处理。提词匠有 iPhone App、安卓 App 和微信小程序三个入口，同一个微信账号登录，积分在三端通用。它的「视频转MP3」功能做的就是整轨提取，按次计费，1 积分一次。
第 1 步：在首页找到视频转MP3，选好视频
打开提词匠，首页「常用工具」往下翻，能看到视频转MP3，点进去选相册里那段视频。如果视频很长、只想要其中一首，建议先在手机相册里把首尾剪掉再选，后面会讲为什么。
第 2 步：等视频传完
转换在云端做，视频要先上传，所以得联网。上传时会弹出进度圈，显示百分比和速度，几十兆的视频在家里 Wi-Fi 下一般一会儿就传完了。视频越大等得越久，流量不够的时候尽量连 Wi-Fi 再传。
第 3 步：结果页先试听，再保存
传完就进入「转换结果」页，显示「音频提取成功」、文件名和一个试听条。我会先点播放听两句，确认歌声提取成音频后完整、没有截断，再保存。
保存这一步，小程序和 App 不一样，这里要看清楚：
- 微信小程序：点「保存到相册」时，会提示手机相册只能存视频，音频会变成一段黑色画面的视频存进去，声音还在，但它不是 MP3 文件。想拿到真正的 MP3，点「发送给好友」，发到「文件传输助手」，再从聊天里保存文件。
- App：按钮叫「保存到手机」，存的是 MP3 文件。安卓手机存到文件管理里的「音乐 › 提词匠」文件夹；iPhone 会弹出一个面板，点「发送」可以发微信好友、存进「文件」App 或者隔空投送。
我自己是在安卓 App 里存的，找到「提词匠」文件夹，直接拖进车载 U 盘。发给外婆那一份是在小程序里点「发送给好友」，她在微信里点开就能听。
只要其中一首：先剪视频，再做视频提取歌声
汇演视频前后往往有一大段报幕、等待和换场。整段抽出来再剪也行，但手机上剪音频没有剪视频顺手。我的习惯是先在相册里裁好视频，再拿去做视频提取歌声：
- iPhone：照片里打开视频，点「编辑」，拖动底部时间条两端的黄色把手，把要的那一段框出来，存成新剪辑，别覆盖原视频。
- 安卓：大多数手机的相册都有「编辑」或「剪辑」，同样拖两端裁剪，各家按钮名字略有差别。
- 裁好的新视频再交给提词匠转 MP3，出来的音频就只有那一首。
这样做还有个好处：文件小了，上传快，失败重传的概率也低。
电脑上用剪映专业版分离音频、导出 MP3
如果视频已经在电脑上，或者要顺便剪几刀，剪映专业版也能做整轨提取。我在 Windows 上的操作是这样的：
- 新建草稿，点「导入」把视频拖进素材区，再拖到下方时间线。
- 在时间线的视频片段上点右键，选分离音频，视频下面会多出一条蓝色的音频轨，这时候就能单独裁剪这段音频，比如把报幕删掉。
- 点右上角「导出」，在导出面板里把导出类型选成音频，格式选 mp3，设好保存位置，再点导出。
剪映的长处是剪辑和导出在一个软件里，能精确到帧去掐开头结尾。它的不少功能区分免费和会员，具体以官方为准。只是想把一段歌声存下来、不需要剪的话，用手机上的提词匠会少几步。
歌声发闷、有杂音，问题多半出在原视频
不少人做完歌声提取成音频，会觉得声音没有现场好听。转换本身只是把音轨原样取出来，再编码成 MP3，音质的上限是原视频决定的：
- 手机离舞台远：歌声小、混响大，听起来空，这个后期很难补回来。下次录的时候往前坐，或者让离得近的家长帮忙录。
- 录像时风噪和说话声：户外演出风一吹就是呼呼声，旁边人聊天也会被录进去。整轨提取会原样保留这些声音。
- 反复转码：视频从微信转发几次已经被压缩过，再抽音频就更差。尽量用手机里那份原始录像，别用聊天里转了好几手的。
- 音量偏小：可以在剪辑软件里把音频轨的音量调大一点再导出，但调太多会把底噪一起放大。
想要纯人声或者伴奏，就得上人声分离工具
前面讲的都是整轨。如果要的是把人声和伴奏拆开，需要专门的人声分离工具，比如装了 OpenVINO 人工智能插件的 Audacity，或者 Spleeter、Demucs 这类开源模型。它们的做法是先拿到音频，再用模型拆成人声和伴奏两条。所以完整流程是：先用上面的方法把歌声提取成音频，再把 MP3 交给分离工具。
说清楚一点：提词匠只做整轨抽 MP3，不做人声分离。现场录像里人声和伴奏、掌声混得很紧，分离出来的人声常带着「水声」一样的痕迹，拿来留念不如整轨自然。
版权这件事顺带说一句
自己拍的孩子演出、自己唱的视频，怎么存都没问题。别人发布的视频，或者里面是商业歌曲，提取出来自己听可以，拿去公开发布、做成作品配乐之前，先确认有没有授权。歌曲本身的词曲和录音都有版权，这和你用哪个工具提取没有关系。
几个常被问到的情况
视频转mp3要花多少积分？
在提词匠里按次算，1 积分转一个视频，和视频长短无关。一次只能处理一个文件，好几段视频要一个个传。
电脑上的微信能用吗？
可以在微信电脑版里打开提词匠小程序转换，但电脑上不能直接把 MP3 存到本地，要点「发送给好友」，发给「文件传输助手」后在电脑微信里另存。
抽出来的音频能做手机铃声吗？
能，前提是先剪到合适长度。iPhone 设铃声要走库乐队或者 iTunes 那套流程，安卓多数手机在设置里选本地音乐就行。
我现在的习惯是：留念用的歌声提取成音频，手机上交给提词匠抽整轨，几分钟搞定；要剪辑或者做伴奏，再到电脑上换工具。先分清整轨还是人声分离，再挑工具，基本不会走弯路。