本ページにはプロモーションが含まれています
SRT 字幕を自動で作る
音声または動画を選ぶと、タイムコード付きの字幕ファイル（SRT）を作ります。動画なら字幕を重ねた状態で再生して確かめられ、書き出す前に画面上で文言を直せるので、そのまま動画編集ソフトへ持ち込めます。
日本語では、句読点を打つためのモデル（約 92 MB）も初回に取得します
通常は「自動」のままで構いません。結果の話者数が実際と明らかに違うときだけ指定してください
ファイルがないときは、マイクで録音できます。録音を止めたあとで文字起こしします（この端末と選んだモデルでは約 000 分まで）。録音した音声も外部に送信されません。
動画に付ける SRT 字幕を作る手順
- 言語を選んでから、動画ファイルをドロップするか、クリックして選びます。読み込んだ時点で字幕の作成が始まります。音声だけのファイルからでも作れます。
- 終わったら動画を再生し、重なった字幕を見ながら直します。長すぎる行は鉛筆のアイコンから「カーソル位置で分割」で 2 行に分け、ずれた時刻は行の時刻をクリックして打ち直します。
- 「ファイルに保存」から「SRT（字幕）」を選んで書き出します。翻訳した場合は、原文・翻訳・対訳のどれを字幕にするかを「書き出す内容」で選べます。
手持ちの SRT ファイルを編集・変換する
- 文字起こしせずに、手元の SRT か VTT の字幕ファイルをそのまま開けます。ファイルを選ぶ画面で字幕ファイルを選ぶと、結果の画面に字幕の行が並びます。
- 字幕ファイルと動画（または音声）を一緒に選ぶと、動画を再生して字幕を重ねながら、文言と時刻の修正や行の分割・削除ができます。
- 直した字幕は「ファイルに保存」から SRT で書き出せます。「VTT（WebVTT 字幕）」を選べば SRT から VTT への変換になり、翻訳して別の言語の字幕を作ることもできます。
作った字幕の使い方
SRT は字幕ファイルとしてもっとも広く使われている形式で、YouTube・Premiere Pro・DaVinci Resolve・VLC などがそのまま読み込めます。書き出したファイルを動画と同じ名前にして同じフォルダに置くと、多くの動画プレイヤーが自動で字幕として認識します。
自動生成した字幕はそのままでは読みにくいことがあります。固有名詞の表記、句読点の位置、1 行の長さは画面上で直せるので、書き出す前に整えてください。「検索と置換」を使うと、繰り返し出てくる誤変換をまとめて修正できます。動画を読み込んだ場合は、字幕を重ねた状態で再生して、読みやすさとタイミングを確かめられます。
YouTube に字幕を付けるときは、YouTube Studio の「字幕」から、書き出した SRT をタイムコード付きのファイルとしてアップロードします。字幕を映像そのものに焼き込みたいときは、書き出しの欄に案内がある Media Tools の字幕焼き込み（ブラウザ内処理）を使います。
うまくいかないとき
- BGM の大きい動画やゲームの実況では、話し声が字幕から抜けることがあります。日本語・中国語・韓国語以外の言語では、モデルを Small 以上に上げてください。
- 効果音や音楽だけの場面に、話していない字幕が出力されることがあります。行の「⋮」メニューから削除してください。
よくある質問
SRT 以外の形式でも書き出せますか？
書き出せます。字幕なら VTT（WebVTT）も選べます。本文として使うならテキスト（TXT）・Word（DOCX）・PDF、表計算ソフトやプログラムで扱うなら CSV・JSON を選びます。TXT・Word・PDF では、話者分離を有効にしたときだけ行の先頭に開始時刻が付きます。
話者ごとに字幕を分けられますか？
話者分離を有効にすると、誰が話した行かを区別して記録します。画面上で話者の名前を変更したり、行ごとに話者を割り当て直したりもできます。
字幕のタイミングがずれた場合は直せますか？
直せます。行の時刻をクリックするか「⋮」メニューの「時刻を編集」で、開始と終了を秒単位（小数 2 桁まで）で打ち直せます。行の追加・削除もできるので、聞き落とした発話を足したり、無音区間に出力された誤った行を削除したりしてから書き出せます。
何語の字幕を作れますか？
100 言語の字幕を作れます。日本語・英語・中国語・韓国語・スペイン語をはじめ、Whisper が対応する 99 言語と、SenseVoice で文字起こしする広東語を指定できます。分からないときは「自動検出」も選べます。
音声・動画の用意と、文字起こしの後に
サービス品質向上へのご協力のお願い
うまくいったときも失敗したときも、そのときの状況を送っていただけると原因の特定に役立ちます（失敗率の算出には両方が必要です）。どの端末・どの設定で失敗しやすいのかが分かれば、推奨設定の見直しや不具合の修正に反映できます。差し支えなければ、このままオンにしていただけると助かります。
送信する情報
端末の性能（GPU の種類・メモリ・コア数）、ブラウザと OS、選んだモデルと言語、話者分離の設定（有無と指定した話者数）、画面の表示言語、どの段階まで進んだか（途中で中断した場合やページを閉じた場合を含む）、エラーの種類と内容、ファイルの形式とおおよそのサイズ・長さ、処理にかかった時間。同じタブでの処理を結びつける一時的な番号（タブを閉じると削除されます）。結果の画面での、話者名の変更・行の分割などの編集・翻訳・要約・字幕ファイルの読み込みの回数、「ファイルに保存」で選んだ形式、「テキストをコピー」と「まとめて保存」の回数、翻訳の言語の組み合わせ。
送信しない情報
音声データ、文字起こし結果（本文・話者名・訳文）、ファイル名、IP アドレス。送信先は当サイトのサーバーのみで、外部の事業者には提供しません。