VidKeep

Guides

چرا ویدیو و صدا جداگانه ذخیره می‌شوند

Portrait of Daniel Okafor, VidKeep engineer
Daniel OkaforVideo-tools engineer, VidKeep
· منتشر شده 2026-08-24 · به‌روزرسانی شده 2026-08-24 · 7 دقیقه مطالعه
گزینه‌های کیفیت با اندازه‌ی فایل، هر کدام به‌عنوان یک استریم جداگانه ذخیره شده

بالاتر از 360p، یوتیوب یک فایل واحد که تصویر و صدا را با هم داشته باشد نگه نمی‌دارد. این پلتفرم ترک ویدیو و ترک صدا را به‌صورت استریم‌های جداگانه ذخیره می‌کند و هنگام تماشا آن‌ها را در پخش‌کننده‌ی شما ترکیب می‌کند. همین یک تصمیم معماری، دانلودهای بی‌صدا، دلیل چند ثانیه طولانی‌تر بودن کیفیت بالا، و رفتار متفاوت 360p نسبت به هر چیز بالاتر از آن را توضیح می‌دهد.

استریمینگ تطبیقی واقعاً چه کاری انجام می‌دهد

وقتی ویدیویی تماشا می‌کنید، اتصال شما ثابت نیست. در آسانسور افت می‌کند، در خیابان بهبود می‌یابد، دوباره در قطار افت می‌کند. یک فایل با کیفیت ثابت یا مدام قطع می‌شود یا در اتصال سریع پهنای باند را هدر می‌دهد.

راه‌حلی که کل صنعت روی آن توافق کرد این است که هر کیفیت به‌عنوان استریم ویدیویی خودش ذخیره شود، صدا یک‌بار به‌صورت جداگانه ذخیره شود، و پخش‌کننده اجازه داشته باشد در میانه‌ی پخش استریم‌های ویدیویی را عوض کند در حالی که صدا بدون وقفه ادامه می‌یابد. به همین دلیل کیفیت در طول ویدیو به‌طور محسوس تغییر می‌کند در حالی که صدا هیچ‌وقت قطع نمی‌شود — صدا هیچ‌گاه بخشی از چیزی نبود که تغییر می‌کرد.

صرفه‌جویی قابل توجه است. یک ترک صدا به همه‌ی کیفیت‌ها خدمت می‌کند، پس ویدیویی که در هشت رزولوشن ارائه می‌شود، هشت استریم ویدیویی و یک استریم صدا ذخیره می‌کند، نه هشت فایل کامل. در مقیاس یوتیوب این تفاوت عظیم است، و به همین دلیل این رویکرد جهانی است نه یک ویژگی عجیب یوتیوب.

گزینه‌های کیفیت به همراه اندازه‌ی آن‌ها، هر کدام یک استریم جداگانه روی پلتفرم
هر کیفیت استریم خودش را دارد؛ صدا یک‌بار برای همه‌ی آن‌ها ذخیره می‌شود.

استثنای 360p

یک فرمت این الگو را می‌شکند، و همین دلیل این است که برخی دانلودها آنی هستند و برخی نیستند.

یوتیوب همچنان در 360p یک فایل ترکیبی نگه می‌دارد — ویدیو و صدا با هم، بازمانده‌ای از قبل از وجود استریمینگ تطبیقی. این فایل برای سازگاری با پخش‌کننده‌های قدیمی و کلاینت‌های ساده‌ای که نمی‌توانند خودشان استریم‌ها را جمع کنند، نگه داشته می‌شود.

برای دانلود، این موضوع 360p را به‌طور خاص ارزان می‌کند. چیزی برای ادغام نیست، پس فایل می‌تواند همان‌طور که هست تحویل داده شود. هر چیز بالاتر از 360p نیاز دارد که دو استریم گرفته و ترکیب شوند پیش از آن‌که اصلاً فایلی برای تحویل به شما وجود داشته باشد.

به همین دلیل ممکن است یک ابزار ناهماهنگ به نظر برسد — 360p فوراً می‌رسد، 1080p چند ثانیه طول می‌کشد. چیزی خراب نیست؛ شما فقط دو نوع کار متفاوت درخواست کرده‌اید.

چرا برخی دانلودها بی‌صدا در می‌آیند

حالا نتیجه‌ی عملی، و رایج‌ترین شکایت در کل این دسته.

ابزاری که استریم ویدیو را می‌گیرد و بدون صدا تحویل می‌دهد، فایلی تولید می‌کند که کاملاً درست پخش می‌شود اما کاملاً بی‌صداست. چیزی شکست نمی‌خورد و هیچ خطایی ظاهر نمی‌شود — شما فقط یکی از دو نیمه را دریافت کرده‌اید.

این به دلیل ساده‌ای رخ می‌دهد: ادغام استریم‌ها زمان پردازش واقعی و فضای دیسک برای سرویس هزینه دارد. رد کردن این مرحله رایگان است. ابزاری که برای ارزان بودن به‌جای درست بودن ساخته شده، این میان‌بر را انتخاب می‌کند و کاربر آن را در خانه کشف می‌کند.

نشانه‌ی آن ثبات است. اگر هر دانلود بالای 360p بی‌صدا باشد در حالی که 360p صدا دارد، ابزار در حال ادغام نیست. راهنمای اختصاصی دانلودهای بی‌صدا توضیح می‌دهد چگونه بررسی کنید و با فایلی که از قبل دارید چه کنید.

ادغام استریم‌ها شامل چه چیزی است

ترکیب دو استریم در یک فایل ویرایش نیست و به کیفیت دست نمی‌زند — جزئیاتی که ارزش گفتن دارد چون اغلب برعکس آن فرض می‌شود.

این عملیات remux نامیده می‌شود: داده‌های ویدیو و صدا بدون تغییر با زمان‌بندی هم‌راستا در یک کانتینر جدید کپی می‌شوند. چیزی رمزگشایی یا دوباره رمزگذاری نمی‌شود، و تصویر و صدا در نتیجه، بیت به بیت، دقیقاً همان چیزی است که پلتفرم ارسال کرده است.

Remux (اینجا چه اتفاقی می‌افتد)رمزگذاری مجدد
کیفیتیکسان با منبعهمیشه کمی بدتر
زمانچند ثانیهچند دقیقه
چه کاری انجام می‌دهدبسته‌بندی مجددبازسازی تصویر

پس «ادغام» سنگین‌تر از آن‌چه هست به نظر می‌رسد. هزینه‌اش دانلود دو استریم و یک بسته‌بندی مجدد کوتاه است — نه افت کیفیت، و نه انتظار طولانی.

کدام پلتفرم‌ها این کار را می‌کنند و کدام‌ها نه

استریمینگ تطبیقی جهانی نیست، به همین دلیل دانلودها بسته به سایت رفتار متفاوتی دارند.

این الگو از طول ویدیو پیروی می‌کند. پلتفرم‌های فرمت بلند بیشترین بهره را از استریمینگ تطبیقی می‌برند، چون اتصال بیننده در طول یک ویدیوی بیست‌دقیقه‌ای زمان کافی برای تغییر دارد. در یک کلیپ پانزده‌ثانیه‌ای، همه‌چیز پیش از آن‌که چیزی بتواند تطبیق پیدا کند، از قبل بافر شده، پس این پیچیدگی چیزی به همراه ندارد.

این تفاوتی را هم توضیح می‌دهد که مردم بدون توانایی نام‌گذاری آن متوجه می‌شوند: پلتفرم‌های ویدیوی کوتاه، در هر کیفیتی، به‌طور مداوم سریع‌تر دانلود می‌شوند. آن‌ها یک فایل تمام‌شده تحویل می‌دهند، نه این‌که سفارش ساختن آن را بدهند.

این جدایی در جاهای دیگر کجا نمایان می‌شود

وقتی بدانید استریم‌ها مستقل هستند، چند رفتار به‌ظاهر بی‌ربط معلوم می‌شود که علت یکسانی دارند.

دانلودهای فقط-صدا واقعاً عاری از ویدیو هستند. استخراج صدا حذف تصویر از یک فایل نیست — صدا از قبل به‌عنوان استریم خودش وجود دارد، پس یک دانلود صدا فقط همان را برمی‌دارد و بقیه را نادیده می‌گیرد. به همین دلیل صدا سریع می‌رسد و چرا نتیجه با استخراج تخریب نمی‌شود.

کیفیت در وسط ویدیو بدون وقفه در صدا تغییر می‌کند. پخش‌کننده استریم ویدیو را عوض کرده و صدا را دست‌نخورده رها کرده است. اگر تصویر و صدا در یک فایل بودند، هر تغییر کیفیت هر دو را قطع می‌کرد.

یک ویدیو ممکن است بافر شود در حالی که صدا همچنان پخش می‌شود. همان دلیل، علامت متفاوت: دو استریم به‌طور مستقل گرفته می‌شوند، پس یکی می‌تواند عقب بیفتد در حالی که دیگری ادامه می‌دهد.

برخی پخش‌کننده‌ها دو فهرست ترک جداگانه نشان می‌دهند. یک فایل دانلود شده را در پخش‌کننده‌ای با منوی ترک باز کنید و ممکن است حتی بعد از ادغام، ویدیو و صدا را جداگانه فهرست‌شده ببینید، چون کانتینر آن‌ها را به‌عنوان ترک‌های متمایز نگه می‌دارد. این طبیعی است و نشانه‌ی خرابی ادغام نیست.

هیچ‌کدام از این‌ها یک باگ نیست، و هیچ‌کدام توضیح روشنی ندارند تا زمانی که بدانید استریم‌ها از ابتدا هرگز یک چیز واحد نبوده‌اند.

این هنگام انتخاب کیفیت چه معنایی دارد

چند تصمیم از همه‌ی این‌ها نتیجه می‌شود، و ارزش دارد آن‌ها را آگاهانه بگیرید.

اگر سرعت را بیش از هر چیز می‌خواهید، 360p واقعاً خاص است. نه فقط کوچک‌تر — از نظر ساختاری ساده‌تر، چون کل مرحله‌ی مونتاژ را رد می‌کند. در اتصال ضعیف، این همان تفاوت بین دانلودی است که تمام می‌شود و دانلودی که تایم‌اوت می‌شود.

اگر ویدیوهای زیادی دانلود می‌کنید، انتظار داشته باشید انتظار جمع شود. ده ویدیو در 1080p یعنی ده مونتاژ، و آن‌ها روی همان ظرفیت پردازش در سرویسی که استفاده می‌کنید رقابت می‌کنند. فاصله‌گذاری بین آن‌ها در عمل سریع‌تر از راه‌اندازی همه‌ی آن‌ها یک‌جاست.

اگر صدا اهمیت دارد، پیش از بیست بار، یک فایل را تست کنید. ابزاری که ادغام نمی‌کند هر بار به‌طور خاموش و یکسان شکست می‌خورد، پس یک بررسی همه‌چیز را درباره‌ی صد دانلود بعدی به شما می‌گوید.

اگر در حال آرشیو کردن هستید، فایل مونتاژشده چیزی است که می‌خواهید. نگه‌داشتن یک استریم ویدیو و یک استریم صدا به‌صورت دو فایل ممکن است مرتب به نظر برسد، اما هر پخش‌کننده و هر ویرایشگری انتظار یک فایل واحد با هر دو ترک را دارد، و بعداً دوباره متحد کردن آن‌ها یعنی یافتن یک ابزار و به‌خاطر سپردن این‌که کدام جفت به هم تعلق داشتند. ارزش دارد ادغام یک‌بار، در زمان دانلود، وقتی هر دو نیمه جلوی شماست، انجام شود.

یک نکته‌ی گسترده‌تر پشت هر سه‌ی این‌ها وجود دارد. استریم‌های جداگانه یک بهینه‌سازی برای تماشا کردن هستند — آن‌ها به یک پخش‌کننده اجازه می‌دهند با اتصالی که هر دقیقه تغییر می‌کند تطبیق یابد. دانلود کردن وضعیت برعکس است: رفتار اتصال در بیست دقیقه‌ی بعدی بی‌ربط است، چون شما از قبل فایل را دارید. هر چیزی که استریمینگ را باهوش می‌کند، همین‌که ویدیو روی دستگاه شماست، سربار خالص می‌شود، به همین دلیل مرحله‌ی مونتاژ اصلاً وجود دارد و چرا هیچ دانلودری نمی‌تواند آن را رد کند و همچنان چیزی کامل به شما بدهد.

ادغام چقدر برای ما هزینه دارد، و محدودیت‌هایی که تحمیل کرده

ادغام به‌طور مشخص گران‌ترین کاری است که سرویس ما انجام می‌دهد، و تقریباً هر محدودیت در محصول به آن برمی‌گردد. چون کل معماری بالا دانش عمومی است، بخش جالب این است که چقدر برای کسی که واقعاً آن را اجرا می‌کند هزینه دارد.

یک ادغام، یک تغییر مسیر نیست. ما هر دو استریم را به ماشین خودمان می‌آوریم، مونتاژ را اجرا می‌کنیم، نتیجه را به‌اندازه‌ی کافی روی دیسک نگه می‌داریم تا ارسال شود، سپس آن را حذف می‌کنیم. پهنای باند ورودی، پهنای باند خروجی، دیسک در میان — برای هر دانلود بالای 360p. یک لینک مستقیم در مقایسه هیچ هزینه‌ای برای ما ندارد، و دقیقاً به همین دلیل ابزارهای ارزان‌تر استریم بی‌صدا را به شما می‌دهند.

سروری که این روی آن اجرا می‌شود یک پردازنده و 1.8 گیگابایت حافظه دارد، و همچنین میزبان محصول دیگری است که هزینه‌ها را می‌پردازد. پس کد یک محافظ دارد: پیش از شروع یک ادغام، فضای آزاد دیسک را در برابر چیزی که ادغام‌های در حال اجرا هنوز می‌توانند مصرف کنند بررسی می‌کند، و به‌جای شروع کردن، با پیام «سرور مشغول است» رد می‌کند. یک دانلود ردشده آزاردهنده است؛ یک دیسک پر دو محصول را از پا درمی‌آورد، و دومی کاربران پرداخت‌کننده دارد.

همچنین یک سقف سخت‌گیرانه‌ی اندازه وجود دارد که در طول دانلود اجرا می‌شود نه بعد از آن. بررسی اندازه‌ی فایل بعد از رسیدنش خیلی دیر است — تا آن زمان دیسک را پر کرده است. پس همین که از حد عبور کند، دریافت لغو می‌شود، که کمتر ظریف اما به‌مراتب امن‌تر است.

قیمت‌گذاری از همان منطق پیروی می‌کند و ما ترجیح می‌دهیم آن را توضیح دهیم تا این‌که خودسرانه به نظر برسد. همه‌چیز تا 720p رایگان است، شامل کیفیت‌هایی که به ادغام نیاز دارند، چون هزینه را اندازه‌گیری کردیم: یک مونتاژ 720p حدود پنج ثانیه طول می‌کشید و فایلی 19 مگابایتی تولید می‌کرد. رایگان دادن آن مقرون‌به‌صرفه است، و رایگان دادنش اهمیت دارد — رقبا 720p را رایگان ارائه می‌دهند، و ابزاری بودن که برای آن هزینه می‌گیرد معامله‌ی بدی خواهد بود. بالای 720p هزینه‌ی هر دانلود به‌شدت بالا می‌رود، و همان‌جاست که سطح پولی شروع می‌شود.

ارزش دارد به آن‌چه انجام ندادیم اشاره کنیم. نسخه‌ی ارزان این محصول استریم ویدیوی بی‌صدا را تحویل می‌دهد، اجرایش تقریباً هیچ هزینه‌ای ندارد، و در فهرست ویژگی‌ها یکسان به نظر می‌رسد. ما می‌دانیم نسخه‌ی ما اجرایش گران‌تر و مقیاس‌پذیری‌اش سخت‌تر است. اما فایل‌هایی با صدا هم تولید می‌کند، که واقعاً همان چیزی است که کسی که ویدیو درخواست کرده می‌خواسته.

سوالات متداول

چرا یوتیوب ویدیو و صدا را جداگانه ذخیره می‌کند؟

برای استریمینگ تطبیقی: پخش‌کننده در میانه‌ی پخش کیفیت ویدیو را عوض می‌کند در حالی که یک ترک صدا بدون وقفه ادامه می‌یابد. همچنین فضای ذخیره‌سازی عظیمی صرفه‌جویی می‌کند، چون یک استریم صدا به همه‌ی کیفیت‌ها خدمت می‌کند.

چرا 360p متفاوت است؟

یوتیوب برای سازگاری با پخش‌کننده‌های قدیمی‌تر همچنان در 360p یک فایل ترکیبی نگه می‌دارد. نیازی به مونتاژ ندارد، به همین دلیل بلافاصله دانلود می‌شود.

آیا ادغام کیفیت را کاهش می‌دهد؟

خیر. استریم‌ها بدون تغییر در یک کانتینر کپی می‌شوند — چیزی رمزگشایی یا دوباره رمزگذاری نمی‌شود، پس نتیجه دقیقاً با منبع مطابقت دارد.

چرا ویدیوی دانلودشده‌ی من بی‌صداست؟

شما استریم ویدیو را بدون استریم صدا دریافت کرده‌اید. برخی ابزارها ادغام را رد می‌کنند چون برایشان زمان پردازش هزینه دارد.

چرا 1080p بیشتر از 360p طول می‌کشد؟

1080p نیاز به گرفتن دو استریم و مونتاژ آن‌ها دارد. 360p همان‌طور که از قبل وجود دارد تحویل داده می‌شود.

آیا همه‌ی پلتفرم‌ها به همین شکل کار می‌کنند؟

خیر. تیک‌تاک و اینستاگرام معمولاً فایل‌های ترکیبی ارائه می‌دهند، به همین دلیل دانلودها از آن‌جا سریع‌تر به نظر می‌رسند. پلتفرم‌های فرمت بلند بیشترین بهره را از استریم‌های جداگانه می‌برند.

خودتان امتحان کنید

VidKeep مستقیماً در مرورگر شما اجرا می‌شود: لینک را جای‌گذاری کنید، کیفیت را انتخاب کنید، فایل را ذخیره کنید. بدون حساب کاربری، بدون اپلیکیشن.

VidKeep را باز کنید

آخرین به‌روزرسانی: 2026-08-24. با تغییر پلتفرم‌ها، راهنماهای خود را بازبینی می‌کنیم.