从视频里提音频这件事，大部分人卡的不是「提」，而是「存」。提取完成，导出框弹出来：MP3、WAV、AAC，后面跟着一串码率，128k、192k、320k。随手选一个存下，事情就开始失控------拿去剪辑的发现越剪越糊，拷进车载 U 盘的发现读不出来，存成 WAV 的发现一小时录音吃掉 600MB，微信都发不出去。
这里有个普遍误解：存成 WAV 这种「无损格式」，音质就更好，一律存 WAV 最保险。其实不是。格式只是一个容器加一套编码规则，它决定的是「信息怎么被记下来」，不能凭空增加信息。视频里的音轨绝大多数本来就是有损编码------MP4 里通常是 AAC，老一点的片子可能是 MP3 或 AC3------提取出来的是一段已经丢过信息的信号。把它存成 WAV，丢掉的细节不会回来；把它存成低码率 MP3，却会在已有损失上再砍一刀。选格式的本质，是决定「剩下的信息还要不要再损失、损失多少」。
先分清容器和编码，损失只发生在编码层
要理解后面的判断依据，先分清两层概念：容器（Container）和编码（Codec）。WAV、MP4、MKV 是容器，相当于文件柜；PCM、AAC、MP3 是编码，相当于柜子里记录声音的那套字母表。PCM（脉冲编码调制）是最原始的记法：按固定采样率（比如 48kHz，每秒采样 48000 次）和位深（比如 16bit，每个采样点 65536 个刻度）把声波原样数字化，不丢信息，代价是体积------48kHz/16bit 立体声每分钟约 11MB。MP3、AAC 这类有损编码走另一条路：利用心理声学模型（Psychoacoustic Model），把人耳听不到的高频和被强音掩蔽的弱音直接删掉，体积缩到原来的十分之一，代价是信息永久丢失。
关键性质是：有损编码的删除不可逆，而且每重新编码一次就再删一轮------这就是转码代际损失（Generation Loss）。用 ffmpeg 提取音轨时有两条完全不同的路径：
ffmpeg -i input.mp4 -vn -c:a copy output.aac # 流拷贝：原样倒出，零新损失
ffmpeg -i input.mp4 -vn -c:a libmp3lame -b:a 192k output.mp3 # 重编码：解码成 PCM 再压一轮
第一条不动一个字节的音频数据，第二条把 AAC 解码回 PCM 再压成 MP3。三个判断，本质上就是在回答「这次保存走哪条路、丢不丢、丢多少」。
判断一：这条音频还要不要再加工
是什么：用途分两类------「终点」和「中转」。直接发给人听、上传平台的是终点；还要进剪辑软件做降噪、混音、对轨的是中转。
为什么：每多一次有损重编码就多一轮代际损失。中转环节存 MP3，后期做完导出时再压一遍，等于同样的信号被心理声学模型砍了两刀，第二刀砍的还是第一刀剩下的东西。
怎么应对 ：中转一律存 WAV（PCM），用体积换安全；到终点再压有损。如果手上只有 MP3 而又需要 WAV 做中间格式，网页端的音频转码工具可以直接互转，不必为此装本地软件------但要清楚，这只是换容器，不会把已丢的信息变回来。
判断二：内容是语音还是音乐
是什么：语音（访谈、课程、字幕素材）的信息集中在 300Hz 到 3.4kHz 这一段；音乐铺满 20Hz 到 20kHz，还带有立体声的空间信息。
为什么：码率该花在哪，取决于内容本身的信息分布。语音用单声道 64-96kbps 就足够清晰，再往上加码率人耳几乎分不出差别；音乐则必须保留立体声，192kbps 以上才算安全线，压成单声道空间感直接消失。
怎么应对：语音选 MP3 96kbps 单声道，体积小一半，清晰度不受影响；音乐选 MP3 320kbps 或 AAC 256kbps 立体声，给镲片、混响这类高频弱信号留足码率。
判断三：文件最后去哪
是什么：同一条音频的「终点环境」不同------车载播放器、网页播放器、剪辑软件时间线、硬盘归档，对格式的要求完全不同。
为什么：兼容性是硬约束。老设备和老车机只认 MP3；网页流媒体主流是 AAC（HLS 协议的标准音频编码）；归档则要考虑五年后这条素材还能不能再利用。
怎么应对：对外分发用 MP3，兼容性到顶；网页嵌入用 AAC；长期归档用 WAV 保存提取出来的原始结果，以后需要什么有损版本，随时从归档再压，而不是拿一份 MP3 反复转。
能力边界：这四件事做不到
把边界说死。
第一，有损源存无损不等于音质提升：AAC 提出来存成 WAV，你只是阻止了后续损失，被心理声学模型删掉的高频和掩蔽信号永远回不来，频谱上 16kHz 以上的缺口照样在。
第二，流拷贝虽然零损失，但输出被原编码锁死------视频里是 AC3，你就只能存 AC3 或换封装，想要 MP3 必须付出一次重编码。
第三，在线提取这条路只支持上传本地视频文件，不支持粘贴视频链接在线解析；链接背后的流是另一套技术栈和版权边界，不能混为一谈。
第四，采样率必须与源一致，任何号称「提升音质」的升采样都是自欺欺人。
完整操作路径
完整走一遍。以一段会议录像 MP4 为例：上传本地视频文件------注意只支持本地上传，这正是上一节说的能力边界。
提取完成后先别急着导出，按判断一问自己：
这段音要不要进剪辑？
要，就选 WAV 存中间格式；
不要，直接进判断二、三定有损参数。
整条路径不需要你碰 ffmpeg 参数，但每一步的取舍逻辑，就是前面那三个判断。
收尾
存什么格式，从来不是格式本身的问题，而是「这条音频接下来要经历什么」的问题。先想清楚它是终点还是中转、是语音还是音乐、要去哪个设备，格式选择就退化成查表。工具负责执行，判断只能你自己做。