MP4 in MP3 umwandeln am Mac, nur der Ton, in Sekunden.

Manchmal wollen Sie nur den Ton. Eine zweistündige Vorlesung, ein Podcast, den Sie als Video mitgenommen haben, eine Besprechungsaufnahme, die in ein Transkriptionswerkzeug soll. Convertible holt den Ton aus jedem MP4 lokal auf Ihrem Mac heraus, kodiert ihn mit sinnvoller Bitrate als MP3 und schickt die Datei nirgendwohin.

Ziehen Sie das MP4 in Convertible, wählen Sie MP3, klicken Sie auf Convert. Die Tonspur wird herausgelöst und mit einer sinnvollen Standardbitrate als MP3 kodiert. Die Videodatei bleibt unangetastet. Die Dateien verlassen Ihren Mac nicht.

So funktioniert es, Schritt für Schritt

1. Ziehen Sie das MP4 (oder einen Stapel MP4s) in Convertible. Vorlesungsmitschnitte, Videofassungen von Podcasts, Zoom-Exporte, Bildschirmaufnahmen mit Ton. Alles mit einer Tonspur funktioniert.
2. Wählen Sie MP3 als Zielformat. Wenn Sie lieber AAC (kleiner bei gleicher Qualität, sehr breit unterstützt), WAV (unkomprimiert, für die Bearbeitung) oder M4A (Apples Container, auch verlustfrei möglich) hätten, liegen die im selben Menü einen Klick entfernt.
3. Optional: ein Qualitäts-Preset wählen. Voice (niedrigere Bitrate, ideal für Vorlesungen und Podcasts), Music (höhere Bitrate, volles Frequenzspektrum) oder Original (übernimmt die Bitrate der Quelle). Das Voice-Preset liefert bei überwiegend gesprochenem Inhalt spürbar kleinere Dateien.
4. Auf Convert klicken. Das MP3 landet neben dem Original. Eine zweistündige Vorlesung ist auf Apple Silicon in deutlich unter einer Minute fertig.

Warum das Extrahieren von Ton aus Video so umständlich ist

macOS bringt dafür kein eigenes Werkzeug mit. Der QuickTime Player kann zwar nur den Ton exportieren, aber ausschließlich als M4A-Datei (AAC) und nur über Ablage → Exportieren als → Nur Audio. Das funktioniert, liegt aber drei Menüebenen tief, kann keine Stapel verarbeiten, und heraus kommt AAC, selbst wenn Sie ausdrücklich MP3 wollten (und viele ältere Transkriptionswerkzeuge und Audioeditoren wollen weiterhin MP3).

Online-Konverter von MP4 zu MP3 funktionieren ebenfalls, aber dabei laden Sie eine oft große Videodatei hoch, mehrere hundert Megabyte bei einer Vorlesung, Gigabyte bei einer HD-Aufnahme, über eine langsame Leitung, nur um ein viel kleineres MP3 zurückzubekommen. Und wenn die Quelle heikel ist, etwa eine Besprechungsaufnahme, eine Vorlesung, für die Sie bezahlt haben, oder ein Interview mit einer Quelle, ist die Übergabe an einen fremden Server der schlechtere Handel, verglichen damit, die Konvertierung einfach lokal laufen zu lassen.

Wie Convertible das löst

Convertible setzt intern auf ffmpeg, das lokal mit der Hardware Ihres Macs aufgerufen wird. Für MP3 wird der Ton aus dem Codec dekodiert, den das MP4 verwendet hat (fast immer AAC), und dann mit der gewählten Bitrate neu als MP3 kodiert. Es gibt genau einen Dekodier- und einen Kodiervorgang, beide im Arbeitsspeicher, beide schnell auf Apple Silicon. Aus einem zweistündigen 1080p-MP4 entsteht je nach Bitrate und Mac in unter einer Minute ein MP3 von etwa 30 bis 60 MB.

Das Ergebnis lässt sich außerdem sauber an Transkriptionswerkzeuge übergeben. Kombinieren Sie Convertible mit MacWhisper (oder einem anderen lokalen Transkriptionsprogramm auf Whisper-Basis): Besprechungs-MP4 in Convertible ziehen, MP3 herausbekommen, in MacWhisper ablegen, Transkript erhalten. Die gesamte Schleife bleibt lokal, was bei genau den Aufnahmen zählt, die man überhaupt transkribieren möchte. MacWhisper kommt auch mit AAC zurecht, wenn Sie also direkt zur Transkription weitergehen, ist M4A bei gleicher Dateigröße etwas hochwertiger.

Der ehrliche Kompromiss: MP3 ist ein in die Jahre gekommener Codec. Er wird überall unterstützt, deshalb ist er unsere Voreinstellung, aber bei gleicher Bitrate klingt AAC etwas besser und Opus deutlich besser. Wenn Sie kontrollieren, womit die Datei abgespielt wird, sind AAC oder Opus technisch die richtige Wahl. Wenn die Datei in ein fremdes Werkzeug geht, über das Sie keine Kontrolle haben, ist MP3 die sicherste Bank.

Häufige Fragen

Kann ich nur einen Ausschnitt des Tons aus einem langen Video herausholen?

In Version 1 noch nicht, konvertiert wird immer die ganze Datei. Wenn Sie einen Ausschnitt aus einer längeren Aufnahme brauchen, ist derzeit der sauberste Weg, die komplette Datei in ein MP3 zu wandeln und das MP3 anschließend im QuickTime Player zu kürzen (der kürzt Audiodateien genauso einfach wie Videos). Ein Zuschnitt per Timecode steht auf der Roadmap, ausgeliefert wird aktuell aber die Konvertierung der ganzen Datei.

Welche Bitrate soll ich wählen?

Für Sprache, also Vorlesungen, Podcasts, Besprechungen und Interviews, sind 96 bis 128 kbit/s mehr als genug, das Voice-Preset nutzt 128 kbit/s. Für Musik oder alles, wo die Klangqualität zählt, liefern 192 bis 256 kbit/s ein Ergebnis, das für die meisten Ohren praktisch transparent ist, das Music-Preset nutzt 192 kbit/s. Über 256 kbit/s lohnt sich bei MP3 selten. Wenn Sie echte High-Fidelity wollen, sollten Sie ohnehin zu AAC oder einem verlustfreien Format greifen statt zu MP3.

MP3 oder AAC, was ist besser?

Technisch ist AAC besser. Bei gleicher Bitrate klingt es merklich sauberer, vor allem bei Musik und bei niedrigen Bitraten. Dass MP3 bei „schick mir mal den Ton“ trotzdem der Standard ist, liegt an der universellen Kompatibilität: Jedes Gerät, jede App, jeder Browser und jedes Betriebssystem der letzten zwanzig Jahre spielt MP3 ab, während AAC zwar breit, aber nicht ganz lückenlos unterstützt wird. Wenn Sie den Abspielweg kontrollieren, also für sich selbst hören oder ein bereits getestetes Werkzeug nutzen, nehmen Sie AAC. Wenn die Datei an jemand anderen geht, nehmen Sie MP3.

Ist der Ton für eine Transkription klar genug?

Ja. Transkription auf Whisper-Basis (MacWhisper, OpenAI Whisper, Aiko) braucht keine High-Fidelity-Aufnahme. Sie braucht verständliche Sprache, und dafür reicht ein MP3 mit 128 kbit/s locker aus, oft sogar weniger. Wenn Sie direkt zur Transkription weitergehen, können Sie das Voice-Preset nehmen oder sogar auf 64 kbit/s in Mono heruntergehen, die Qualität des Transkripts bleibt dieselbe. Der Flaschenhals ist die Aufnahme, nicht die Kodierung.

Und andere Videoformate wie MOV, MKV oder WebM?

Die funktionieren alle genauso. Convertible liest die Tonspur aus jedem unterstützten Videocontainer (MP4, MOV, MKV, WebM, AVI, M4V und weitere) und schreibt daraus ein MP3. Welcher Videocodec im Inneren steckt, spielt keine Rolle, angefasst wird nur die Tonspur.