不想装软件、不想上传:我和 AI 半小时做出本地音频提取工具

从“把音轨剥离出来”到能跑的本地网页工具，只用了约半小时

大家好，我是小王。这里是小王思考日志，专注制造业数字化系统落地。今天和大家来聊聊——作为一个项目经理，我是怎么用 AI 写工具给自己提效的。

上周有个刚需：一段 2 小时的培训录像，我想把里面的音频单独扒出来做转写。常规路子就两条——要么装个格式工厂之类的软件，要么丢到在线网站。

第一条要下载、要安装，还总夹带一堆不相干的东西；第二条得把视频传上去，隐私先打一个问号。

我盯着那个视频文件想：这事儿说白了不就是“把音轨剥离出来”吗？与其找软件，不如让 AI 帮我写个本地小工具。

于是我和 AI 对话了大约半小时。

出来的东西现在长这样：浏览器打开一个本地页面，把视频拖进去，几秒后点下载，一个干净的音频文件就到手了。

今天聊的，就是这个工具，以及它背后那段“vibe coding”的真实体验。

先放个背景。Stack Overflow 2026 年的开发者调查里，78% 的专业开发者每天都会用 AI 编码工具——两年前这个数字是 44%。GitHub 的数据更直白：现在合并进主线的代码，大约 35% 是 AI 生成或协作编写的。用 AI 写代码早成常态，真正要操心的是怎么用才不翻车。

核心就一句话：把视频里的音轨，原封不动地抽出来。

技术上它做的是“仅重封装”——命令等价于 ffmpeg -i input.mp4 -vn -acodec copy output.m4a。注意那个 copy：它不重新编码，只是把画面（video）剥掉，把音频流原样打包进新容器。带来的好处是实打实的：

• 速度快：基本是文件拷贝的量级，几十分钟的视频往往几秒完成，几乎不吃 CPU。
• 音质无损：因为没有重新压缩，出来的音频和原片一致。对我那个 2 小时录像来说，扒出来的 m4a 直接喂给转写工具，发言人原话一个字不丢。
• 格式自适应：工具会先读原音轨的编码，再自动选容器——aac 出 .m4a、mp3 出 .mp3、opus 出 .opus，遇到少见的编码就回退到 mka 兜底。我不用管源文件是什么格式。

它还是个本地网页工具：Node.js 起一个服务，浏览器开 localhost:3000，拖入视频、看实时进度、点下载。像 ffmpeg 这种通常要自己配环境变量的东西，这次跟着 npm 依赖自动装好了，我一行环境配置都没碰。

这一节的结论先摆出来：好工具的衡量标准不比功能多，就比它能不能恰好解决一个具体麻烦、用起来还没负担。

我得先说实话：我并不是 ffmpeg 高手。那些滤镜参数、编码选项，平时根本记不住。但做这个工具，我不需要记。我的做法不复杂：

“一个本地网页工具，拖入视频，提取音频，不重编码，能下载。”

“用 Node.js + ffmpeg，核心用 -vn -acodec copy。”

一个 Express 服务管页面和上传，一个 extract.js 管 ffprobe 探测和重封装，前端三件套管交互，再加 SSE 把进度推到页面。

我跑起来，哪里不对就截图甩回去，它改，我再跑。

说个具体的小插曲。第一次跑，进度条是死的，卡在 0%。我把控制台报错截图发给 AI，它说 SSE 的进度事件没接好，改了三行代码，刷新页面，进度条立刻动起来了。

前后不到十分钟。要是从零自己查 ffmpeg 的 progress 事件机制，我多半得翻半天文档。

结论：vibe coding 降低的不是“写代码”的门槛，是“把想法变成能跑的东西”的门槛。

但我不想把话说满。这段工具能成，是因为它踩在全职甜区上：个人用、本地跑、逻辑简单、出错大不了重来一次。可一旦越界，故事就变味。

行业里已经有数据在提醒这件事。安全机构 GuardMint 在 2026 年 Q1 的评估指出，vibe-coded 的应用里有相当高比例存在 AI 可追溯的安全漏洞，采用后 bug 率也明显上升。

原因不复杂：AI 擅长把“看起来能跑”的代码交给你，但它不知道你的业务边界，不知道哪段数据绝对不能漏，也不知道你那张跑了二十年的老系统里，某个字段为什么叫那个怪名字。

再把视角拉宽一点：2026 年的一批行业综述里反复出现一个数字——63% 的 vibe coding 使用者没有传统开发背景。

换言之，现在动手“写”软件的，一大半是产品经理、运营、设计师、车间里的老法师。这是个信号：造工具的能力，正在从程序员手里扩散出去。

回到我的小工具，它为什么相对安全？三点：

• 只在本地跑，音频不出机器；
• 下载接口做了路径穿越防护，别人不能借它读你服务器上其他文件；
• 不联网、不调外部 API，攻击面本来就小。

结论：vibe coding 适合“造杠杆”——给自己造一个省时间的工具或者一个原型demo；不一定适合“交钥匙”——把关键业务系统一次性交给它生成。边界感比热情重要。

看到这你或许会问：你不是写制造业数字化系统的吗，折腾个音频工具干嘛？

恰恰因为我是做数字化的。数字化转型落到一线，本质就是一件事——把重复、繁琐、靠人盯的劳动，变成工具能自动干的活。

我给客户做 MES、做产线数据采集，底层逻辑和“写个音频提取工具”没有两样：先看见一个具体痛点，再用技术把它削平。

区别在于：过去这种“造工具”的能力，被锁在程序员手里。现在 vibe coding 把这把锁撬了。

一个懂业务、懂流程的人，哪怕背不出代码语法，也能用自己的话把工具描述出来，让 AI 把它造出来。前面那个 63% 的非开发者比例，说明这件事已经发生在很多人身上。

结论：未来的竞争力，不一定是谁代码写得好，而是谁能最快把“我想要”变成“我有了”。

如果你也常被某个重复的小活儿烦到——转格式、扒音频、批量改名、凑周报——先别急着自己造。

去搜一圈现成的软件或在线工具，多半能直接解决。真要碰上找不到合适工具的冷门需求，也别觉得“我不会写代码所以不行”：打开一个 AI 编码助手，把你要的讲清楚，跑起来，调一调，自己做一个出来，其实没那么难。

记住两条：第一，从“只给自己用、本地跑、逻辑简单”的小工具起步，甜区里最容易拿到正反馈。我那个音频工具，就是这么来的。

第二，凡是涉及关键数据、对外服务、要长期维护的，留好人工把关，别把钥匙全交出去。

我是小王，一个深耕制造业数字化的项目经理。

如果今天这篇对你有启发，点赞、在看、收藏三连走起，我们下篇见。

THANKS FOR READING