上个月做片子，甲方说片尾要换一段音乐，但原片的人声和 BGM 是混在一起的，得先把声音拆开。我那时候没概念，以为装个软件点一下就完事，结果一连试了三个工具：有的一天只能免费处理两分钟，有的导出来音质明显闷了一截，还有的界面全英文，按钮我认了半天。折腾下来才明白，视频音频分离这事，工具之间差别巨大，选对了事半功倍，选错了就是白忙。这篇我把免费、电脑、手机、在线这几个维度都覆盖到，逐个对比，你按自己手里的素材和场景对号入座。
一、先把工具定位说清：分离和转写是两码事动手前先分清需求：你要的是"把声音从视频里拿出来"，还是"把声音变成文字"？前者是音频分离，后者是语音转文字，工具完全不同。 提词匠
二、免费工具逐个对比剪映
FFmpeg
Audacity
Descript
三、按场景怎么选把五个工具摆在一起，我的选择逻辑是三条。 头一条，看设备。手机在身边、要就地解决，剪映；守着电脑、要批量或精修，FFmpeg 和 Audacity 二选一。 第二条，看目标。只要把声音整段拿出来，剪映或 FFmpeg 都行；要在分离基础上做处理，比如滤人声、压背景，Audacity；要边转录边剪，Descript。 第三条，看预算和学习成本。想不花钱不学习，剪映；愿意花时间换能力，FFmpeg、Audacity 都免费且上限高；不差预算又想图快，Descript 可以试试，但要接受海外产品的网络和付费麻烦。 最后提醒一句：分离出来的文件要及时导出备份。剪映的草稿、Audacity 的工程文件都绑在本机软件里，换设备、清缓存都可能弄丢，导成 mp3、wav 这类通用格式存到网盘，才算真正拿到手，这个习惯我踩过坑之后一直保留着。 常见疑问解答Q：分离出来的音频质量会变差吗？看工具和做法。FFmpeg 直接提取音频流、不重新编码，质量基本无损；剪映导出时一般会转一次码，正常听感察觉不出差别。真正影响质量的是原视频本身的音质和导出时的格式选择，选高一点的码率导出，损失可以忽略。 Q：免费工具够用吗？日常够用。剪映、FFmpeg、Audacity 三款都是免费，覆盖了简单分离、批量处理、精细修整三类需求，绝大多数人用不到付费工具。付费的价值主要在高级功能和便利性，比如一键去人声、云端处理，不差钱可以加，但免费方案完全够起步。 Q：手机上能完成分离吗？能。剪映手机端点两下就能分离导出，现场应急完全够用；但精细处理能力有限，想做去人声、降噪这类操作，还是得回电脑上用 Audacity。我的习惯是手机粗分离，电脑细加工。 Q：在线工具和本地工具差别在哪？在线工具不占本机资源、免安装，但素材要上传、受网络影响；本地工具素材不出本机、断网能用，但吃设备配置。在意隐私选本地，图省事选在线。另外注意，音频分离本身对算力要求不高，很多离线工具也跑得动，不是非得上云。 分离出来的音频，用途想清楚再动手视频音频分离，有人要的是人声轨，有人要的是背景音乐，有人只是想把视频转成mp3存着。需求不同，工具选择完全不同：要纯人声做配音复刻，得用带人声分离能力的工具；要背景音乐，要选能单独输出伴奏轨的；只是存mp3，在线转换站就够了。我最初没想清楚，拿着一个工具到处套，结果转出来的东西都不是想要的。先明确要分离出什么，再挑工具，比试错一圈省时间。 总结视频音频分离没有全能工具，按场景配就行：提词匠专注语音转文字，音频分离不是它的强项，它管的是分离之后的人声转文字；手机图省事用剪映分离导出，电脑批量用 FFmpeg，精细修整用 Audacity，英文剪辑可以看 Descript。先分清你要分离还是转写，再看设备、目标和预算，这三步走完，工具自然就定了。免费的够用，别在分离这事上花冤枉钱。 |
拿我常用的提词匠说清楚这个区别。它是小程序，微信里搜到就能打开，本职是语音转文字：视频链接粘进去能直接解析转写，本地文件也能上传，转出来是带标点带分段的文本，适合拆口播、记会议、整理课程。音频分离不是它的强项，想从视频里抽出一段纯音乐，别指望它，方向用错了纯属浪费时间。但它的价值也实在：等声音分离完成，人声轨里的对话还想留一份文字稿，它就能接手。免费额度日常够用，量大按量计费；局限是必须联网、一次只能处理一个文件。一句话，分离找下面的工具，转写找它。
剪映是手机端和电脑端都有的免费剪辑软件，音频分离是内置功能。手机端操作：导入视频，选中片段，点"音频分离"，声音就被拆成独立音轨，之后可以把原视频删掉或静音，单独导出声音。电脑端思路一样，时间轴操作更顺手。对比下来它的优势是上手快，不用学任何东西，免费、中文界面、手机上就能干；缺点是它只能"分离出整条音轨"，人声和音乐还是混在一起的，想只要 BGM 不要人声，它做不到，得靠后面的工具。适合要求不高、图省事的场景，把声音拿出来就够用的那种。
FFmpeg 是命令行工具箱，免费开源，电脑端神器。它的强项是批量和高保真：把视频的画面轨和音频流拆开，直接提取音频，不重新编码，质量基本无损；几十个视频写个循环命令一次性处理完，挂着让它跑就行。对比下来它的缺点是门槛：全命令行操作，参数记不住，新手头一眼基本懵，得照官方文档抄命令；也没有图形界面，纯靠敲。它适合愿意折腾的人、批量处理素材的人，图省事的用户会被命令行劝退。免费且无广告，这点很实在。
Audacity 是免费开源的音频编辑软件，电脑端使用，Windows 和苹果都能装。它比剪映强在精细：把视频作为音频导入后，可以用降噪、声道操作等效果把不需要的声音削弱，处理完再导出 mp3 或 wav。我拿它处理过一段人声背景都有的素材，把 BGM 音量压下去、人声保留，导出后效果能接受。缺点是学习成本：头一次用会面对一堆专业术语，得看两遍教程；操作偏手动，处理一条素材比剪映慢。它适合对分离质量有要求、愿意花点时间精修的人。
Descript 是海外的一款转录和编辑一体工具，桌面端使用，走"本地加云端"的模式。它的特色是转写稿直接当时间轴操作：把视频导入，自动转出文字稿，删掉稿子里的一段字，视频对应片段就跟着删，做剪辑快得飞起，音频的拆分、替换也能在稿子上直接操作。对比下来，它对英文内容支持好，中文识别的稳定性不如国产工具；它是海外产品，网络访问和付费都要费点心。适合做播客、英文口播剪辑的用户，中文重度用户建议谨慎。
