SRT
字幕自動生成：動画や音声の話し声から、SRTとVTTのファイルを作る
字幕自動生成なら、番号とタイムコードを手で打ち込む作業はいりません：MP4・MOV・MP3をアップロードすると、AIの音声認識Whisperが話したフレーズごとに開始と終了の時刻を付けた字幕ブロックを書き出し、Premiere Pro、DaVinci Resolve、YouTube Studioにそのまま読み込めるSRTになります。最初の録音は登録不要・無料で、10分までなら全編が対象です。字幕は映像に焼き込まず、SRTかVTTのファイルとしてお渡しします。
更新日
動画の字幕を自動生成する4つの手順
この字幕自動生成は4つの手順だけで、録画から完成したファイルまでの途中で、タイムコードを打ち込む場面は一度もありません。
- 動画か音声をアップロードする：MP4、MOV、MKV、MP3、WAVなどのファイルを、ページ上部のアップロード枠にドラッグします。
- 話し声を認識させる：ゲストの最初の録音はすぐに始まり、10分までなら全編が無料です。ログイン後は使う分数が表示され、「文字起こしする」を押すまで何も動きません。
- プレーヤーと照らし合わせる：テキストをプレーヤーの横で読み、タイムスタンプをクリックすると、その行をもう一度聞けます。
- SRTかVTTを書き出す：編集ソフトやYouTube Studio向けならSRT、ウェブのプレーヤー向けならVTTを選びます。どちらにも開始と終了の時刻が入ります。
SRTは、同じ文字起こしから書き出せる4つの形式のひとつです。動画の内容を読み物として残したいなら、動画ファイル全体の文字起こしから始めてください。SRTもそこで一緒に書き出せます。
自動生成された字幕ファイルの中身
生成されるSRTはただのテキストで、ブロックの番号、開始と終了を矢印でつないだ時刻の行、1フレーズ分の言葉が順に並びます。
実際の録画ではなく、SubRip形式どおりに作った例です：
1
00:00:00,000 --> 00:00:04,600
本日は、新しい経費精算システムの使い方を説明します。
2
00:00:04,600 --> 00:00:10,300
まず、ログインしたら左上のメニューを開いてください。ミリ秒の前はSubRipの決まりどおりコンマで、VTTではこれがピリオドに変わり、先頭にWEBVTTの行が付きます。形式の決まりごとや開き方は、SRTファイルとは何かを解説したページにまとめています。
AI字幕の区切り方と、手で直すところ
各ブロックは、音声認識のWhisperが音声を区切った1フレーズにそのまま対応し、フレーズが始まる瞬間から終わる瞬間までの時刻が入ります。
- 短いフレーズは読みやすいブロックになり、息継ぎのない長い文は長いブロックになります。
- 1行の文字数、行数、表示の速さを指定する設定はありません。
- フレーズの境目はおおよそで、間の取り方や早口によって1秒未満ずれることがあります。
配信サービスは、こうした上限をスタイルガイドで決めています。Netflixの日本語字幕ガイドは横書き1行13文字まで、最大2行で、読む速さの目安は1秒4文字です。映画の字幕には、句点「。」を付けず、読点「、」を空白に置き換える慣例もあります。この基準に合わせるなら、Subtitle EditやAegisubなどの字幕編集ソフトで仕上げるのが近道です。時刻はすでに入っているので、残る作業は分割と短縮で、ゼロからタイミングを合わせる必要はありません。
編集ソフトやプレーヤーに字幕を読み込む
話し声から生成したブロックは、人が手で書いたSRTとまったく同じ形式なので、SubRipを受け付けるソフトならどれでも開けます。
- Premiere Pro：ファイルを読み込み、キャプショントラックとしてタイムラインに置きます。
- DaVinci Resolve：英語表示ではFile → Import → Subtitleから読み込み、トラックをタイムラインに置きます。
- YouTube Studio：「字幕」からファイルをアップロードし、タイミング情報を含むファイルとして指定します。
- VLC：SRTを動画と同じ名前にして同じフォルダに置くと、自動で読み込まれます。
- ウェブページ：VTTを書き出し、
<track>要素で指定します。
字幕ファイルを用意する3つの方法：どれが合うか
どの方法が合うかは、手元にあるのがYouTube上の字幕か、書き起こした台本か、録画だけかで決まります。
| 手元にあるもの | 方法 | 料金 |
|---|---|---|
| 字幕付きのYouTube動画 | 字幕トラックを書き出す | 無料・登録不要 |
| 台本はあるが、タイミングがない | テキストからSRTの下書きを作り、手で合わせる | 無料・ブラウザ内 |
| 録画しかない | 音声認識が文字と時刻を書く（このページ） | 最初の録音は無料、その後は分数 |
1つ目ならYouTube動画の字幕をSRTのまま保存でき、2つ目なら台本の各行から字幕ブロックを組み立てる変換が使えます。音声認識が必要になるのは、3つ目の場合だけです。
音声ファイルからも同じ手順でSRTを作れる
音声ファイルの字幕自動生成も流れは動画とまったく同じで、動画も認識の前に音声だけにされるからです。
ポッドキャストの1回分、ナレーション、スマホやICレコーダーで録った講義からも、MP4と同じように字幕ができます。MP3、M4A、WAVのどれでも、最後は同じSRTの書き出しです。録音は音声ファイルの文字起こしからアップロードして最後にSRTを選び、MP4やMOVの録画についてはMP4ファイルを文字起こしするときの注意点で詳しく扱っています。
字幕自動生成の料金
書き出し自体は無料で、分数を使うのはその前の音声認識です。録音1分につき残高1分で、料金は1分あたり$0.033からです。
最初の録音はアカウントなしで、10分までなら全編が無料です。その後の10分のチュートリアルは10分を使い、登録プレゼントの10分でまかなえます。料金は必ず開始前に表示されます。文字起こしした録画のAI分析（要約、チャプターとタイムコードなど）は料金に含まれ、二重には請求されません。パックとゲストの無料分は、無料で使える範囲と料金の表で確認できます。
この字幕自動生成でできないこと
この自動生成は話し声から字幕を作るもので、編集したり、映像に焼き込んだり、すでにあるトラックを取り出したりはしません。
- 映像への焼き込みはしません。動画に字幕を入れて書き出すのは、編集ソフトの作業です。
- MKVやMP4の中にすでに入っている字幕トラックは取り出しません。
- 話者名や［音楽］のような音の説明は付きません。聴覚に障害のある方向けの字幕では、手で書き足してください。
- 1行の長さや表示速度の設定はありません。
- 500 MBを超えるファイルや、4時間を超えるファイルは受け付けません。
確実にお約束できるのは次の3点です：開始前に料金が表示されること、残高が減るのは文字起こしが成功してからであること、SRTとVTTの書き出しに追加料金がかからないこと。
よくある質問
字幕の自動生成は無料で使えますか？
はい、最初の録音なら無料です。アカウントなしで、10分までなら全編、それより長ければ最初の10分を無料で文字起こしし、字幕の書き出しも含まれます。その後は残高の分数を使い、登録すると10分がプレゼントされます。
アカウント登録は必要ですか？
いいえ、最初の録音には不要で、100 MBまでのファイルが対象です。その後のファイル全体にはログインが必要で、メールに届くリンクで入ると、上限が500 MB・4時間に上がります。
MP3などの音声ファイルからSRTを作れますか？
はい。動画と同じように、MP3、M4A、WAVをアップロードしてSRTを書き出せます。
字幕は動画に焼き込まれますか？
いいえ。お渡しするのは独立したファイルで、編集ソフトやプレーヤーが映像の上に表示します。
AI字幕は日本語の動画でも作れますか？
はい。話されている言語はWhisperが自動で判定するので、日本語の動画なら日本語の字幕になります。英語で話している動画からは英語の字幕ができます。
ファイルはサーバーに残りますか？
いいえ。元のファイルは音声を取り出した直後に削除され、文字起こしが始まらなかった場合も約1時間後に削除されます。字幕はブラウザかアカウントに残ります。
1行の文字数を設定できますか？
いいえ。字幕ブロックは、認識が区切った1フレーズのままです。長いフレーズは専用の編集ソフトで分けるのが確実です。