Нужен анализ контейнера видео+звук, вычленение звука

У меня есть видеорегистратор (тот что пишет в цифру с аналоговых камер). Видеорегистратор - российская переделка китайской железки. Умеет писать видео и аудио. Пишет он все вместе в файл с расширением .dav. Файл этот mkvmerge GUI определяет как h264 elementary stream и позволяет замуксить в матрешку, но без звука. ffprobe определяет так:
[h264 @ 0x4e51f60d40] max_analyze_duration 5000000 reached at 5000000 microseconds
[h264 @ 0x4e51f60d40] Estimating duration from bitrate, this may be inaccurate
Input #0, h264, from '001/REC/file.dav':
Duration: N/A, bitrate: N/A
Stream #0:0: Video: h264 (Main), yuv420p, 704x576, 25 fps, 25 tbr, 1200k tbn, 50 tbc
как видите тоже без звука.

Но звук там точно есть. В комплекте с видеорегистратором идет программа под windows (без исходников), которая умеет видео со звуком проигрывать и конвертировать в avi, судя по скорости, без перекодирования. Звук тоже в каком-то из стандартных форматов.

Задача минимум: понять и подробно расписать мне алгоритм извлечения звука из файла.
Задача максимум: написать мне программу, которая будет работать под линукс, предоставить мне исходники и инструкцию по сборке. В качестве языка разработки принимается c\c++, perl, php, bash.

Вызвавшимся я перешлю исходный видеофайл и программу плеер-конвертер, и при желании сообщу марку регистратора и дам его прошивку (там внутри линукс, с запароленным телнетом, пароль не известен).

Цена договорная.