動画をアップロードすれば、音声だけが手に入ります。処理はブラウザーのなかで。アップロードも、透かしも、登録も要りません。
MP4ファイルには映像のトラックと音声のトラックが入っています。MP3にするとは、後者を残して前者を捨てることで、ファイルの大きさの95%を占めているのがその前者です。だから1ギガバイトの録音が、音はそのままに、数十メガバイトのMP3になります。
処理はすべてブラウザーのなかで、オンラインのサービスが使っているのと同じ仕組み（ffmpeg）で動きます。ただし、ファイルはどのサーバーにも上がりません。
MOV、MKV、WEBM、AVIも受け付けます。ファイルはディスクから開かれるだけで、送信されません。
192kbpsなら安心です。話し声だけなら、96kbpsで半分の大きさで同じ結果になります。
聞くのにも、スマートフォンに入れるのにも、そのまま文字起こしに上げるのにも。
ふつうのMP4では、映像のトラックがファイルの90〜95%を占め、音声は128kbpsか192kbpsで別に流れています。1分あたり1メガバイト強です。音声だけを残すのは、何か特別な圧縮の結果ではありません。場所のほとんどを取っていた部分を捨てているだけです。
仕上がりの大きさは、ビットレートに長さを掛ければ前もって計算できます。192kbpsなら1分1.4MB、1時間で約85MB。96kbpsならその半分です。元の動画の大きさはこの計算に入りません。1時間の講演なら、元のファイルが300MBでも4GBでも、結果は同じです。
処理はブラウザーのなかで、CPUのコアを1つだけ使って動きます。パソコン版のffmpegなら使えるコアすべてに仕事を分けますが、ブラウザーで動く版はわざと1つに絞っています。複数スレッド版は、支払いフォームを含むサイトのほかの部分と両立しない応答ヘッダーを必要とするからです。実際のところ、待ち時間1分あたり動画15分ほどが処理されます。
選んだ品質はこの時間にほとんど影響しません。決めるのはお使いのパソコンの処理能力です。処理のあいだ、タブは開いたままにしてください。閉じると変換が止まります。
アップロードすれば、タイムスタンプ付きで、話者ごとに分かれ、要約の付いたテキストが手に入ります。始めるのにアカウントは要りません。