動画をアップロードせずに自動で字幕を作成
音声認識にはWhisperを使用しています。99言語に対応したオープンなAIモデルで、話されている言語も自動で判別します。多くの字幕サイトと違い、このページではモデルがブラウザ内で動作します。動画がサーバーに送信されることはないため、プライベートな録画や授業、社内会議の動画も安心です。
「音声認識の設定」で精度を選べます。各モデルは初回に一度ダウンロードされ、その後は再利用されます。
| 設定 | ダウンロード | おすすめ |
|---|---|---|
| 高速 | 41 MB | 聞き取りやすい音声、手早い下書き、処理能力の低いパソコン |
| 高精度 | 77 MB | ほとんどの動画向け。ミスが少なく、速度は約2倍かかります |
| 最高精度 | 249 MB | 中国語、ノイズの多い音声、聞き取りにくい訛り。高性能なパソコンが必要です |
認識が完了すると、行数と所要時間が表示されます。途中で停止した場合は、それまでに認識された行が保持されます。
字幕を用意するその他の方法
- 読み込み:YouTube Studioからダウンロードしたものや同僚が作成したSRT、WebVTT、SBVファイルを読み込み、このページではスタイル設定と焼き込みだけを行えます。
- 手入力:再生ヘッドの位置に字幕を手動で追加します。音声のない動画、ミュージックビデオ、短いキャプションに便利です。
- どの言語でも英語に:「字幕の言語」を英語にすると、Whisperが音声を聞きながら英語に翻訳します。
それ以外の言語への翻訳や二言語字幕には、動画を翻訳をご利用ください。
字幕の編集
どんな音声認識も完璧ではなく、特に人名、ブランド名、専門用語は間違えやすいものです。エディターでは、すべての字幕行がリストと動画下のレーンに表示されます。テキストの修正、開始・終了時間の細かな指定、1行だけの再生、長い行の分割、次の行との結合、行の追加や削除ができ、操作はすべて元に戻せます。字幕全体が少し早い、または遅い場合は、「すべてシフト」で全行を同じ秒数だけずらせます。
焼き込み字幕と字幕ファイル、どちらを使う?
字幕の渡し方は2通りあり、それぞれ向いている場面が異なります。
- 焼き込み(オープンキャプション):文字が映像の一部になります。どのプレーヤーやスマートフォン、SNSでも表示され、音を出さずに視聴されることが多いTikTok、Instagram、WhatsAppでも確実に表示されます。視聴者が字幕をオフにすることはできません。
- 別ファイル(クローズドキャプション):YouTubeやVimeo、学習プラットフォームで動画と一緒にアップロードしたり、VLCで読み込んだりするSRTまたはVTTファイルです。視聴者が表示のオン・オフを切り替えられ、検索エンジンにもテキストが認識されます。TXTは時間情報のないテキストだけの書き起こしです。
同じ作業から両方を出力することも可能です。SRTをダウンロードしつつ、字幕を焼き込んだ動画も書き出せます。
読みやすいスタイル
「クラシック白」「イエロー」「ボックス」「TikTok太字」「ミニマル」「シネマ」の6つのスタイルを用意しています。「カスタム」では、フォント、太さ、サイズ、文字・縁取り・ボックスの色、影、大文字化、位置(上・中央・下)、端からの距離を変更できます。「1行の文字数」で折り返しのタイミングを調整できます。中国語・日本語・韓国語の文字は2文字分として数えられます。縦型動画では、アプリのボタンに隠れないよう、字幕を下端から少し上げるのがおすすめです。
音声全体ではなく、いくつかの見出しだけを入れたい場合は、動画にテキストを追加のほうが簡単です。書き出した長い動画のファイルサイズは、動画を圧縮で小さくできます。