Буду вас бесить как и остальные люди кто тут отвечает) Используйте ffmpeg.
Судя по той скорости, по которой отдавалось мне аудио, то времени как раз хватало на то, чтобы выкачать ролик в самом слабом качестве, а потом конвертнуть через ffmpeg.
Дальше я проверил скорости своего ноута, (macbook m1)
И он мне выдал следующее для вот такой команды (первая из гугла):
ffmpeg -i __1080p_vgqjodeu.mp4 -b:a 192K -vn music.mp3
для файла 1080p и 576p скорость одинакова и составляла 90X.
Для перекодирования 10 минутного видео, мы потратили чуть больше 10 секунд.
size= 14594kB time=00:10:22.63 bitrate= 192.0kbits/s speed= 90x
А если там сервер помощнее, то и результаты могут быть более грандиозными.