無料字幕エディター

実例

「またはスクラッチから開始」をクリックします。00:00:00.000 から 00:00:03.000 までのキューが1つ現れ、テキストは「最初の字幕」、カウンターは「1個のキュー」です。テキストを次の文に置き換えます。We drove all night to reach the coast, and the sunrise over the water was worth every mile of it. これは3秒間に97文字なので、警告の三角形には「読む速度が速すぎます(32文字/秒)」と「42文字より長い行」と表示されます。「行の長さとタイミング」を開き、プリセット「テレビ / YouTube · 42×2」のまま「すべての字幕を再分割」を押します。「完了:1件の字幕が2件になりました。」と表示されます。最初のキューは 00:00:01.192 で終わり、テキストは「We drove all night to reach the coast,」になり、2つ目は 00:00:03.000 までの2行になります。長い行の警告は消えますが、どちらのキューにも速度の警告は残ります。「エクスポート形式」で「SRT (SubRip)」を選び、「エクスポート」を押すと、subtitles.srt が保存されます。

使用する設定と制限事項

• ファイル、ゼロから、または下書きから始めましょう。 .srt、.vtt、.sbv、.lrc、.ass、.ssa のファイル、またはプレーンテキストのファイルをドロップします。形式は内容から判断されます。WEBVTT のヘッダー、ASS の「[Script Info]」や Dialogue の行、「-->」の時間の行、LRC の時間タグなどが手がかりです。「またはスクラッチから開始」では、3秒のキューが1つ作られます。作業内容は、変更の0.6秒後にこのブラウザーへ自動保存され、次回は、キュー数とともに「前回のドラフトを復元」が表示されます。150万文字以上のドラフトは保存されません。「最初からやり直す」はドラフトを削除します。Windows-1251 のような古いコードページは、ページの言語に基づいて推測してデコードされます。
• 時間は、入力して編集しましょう。 「開始」と「終了」の各欄には HH:MM:SS.mmm の形式で表示されます。新しい時間を入力して、ほかの場所をクリックすると適用されます。「1:05.5」は1分5.5秒を意味し、「0:01:05,500」でも使え、小数は1〜3桁です。「65」のようにそれ以外の入力をすると、「無効な時間です」と表示され、欄がリセットされます。「+」はその行の後に、その行の終わりから始まる3秒のキューを追加し、「×」はキューを削除します。編集中に行の順序は並べ替えられませんが、エクスポートでは開始時間順に並べ替えられます。「すべてシフト」は、すべてのキューを -1s、-0.5s、+0.5s、+1s ずつ動かし、マイナス方向のシフトは、最初のキューが 0 に達したところで止まります。
• 警告の三角形と、オレンジ色の行を確認しましょう。 キューの横の三角形には、テキストが1秒あたり 21 文字を超える場合(改行は数えません)に数値付きで「読む速度が速すぎます」、1行が「1行あたりの文字数」の設定より長い場合に「42文字より長い行」、またはその両方が表示されます。オレンジ色の行には「一部のキューが重なるか、開始前に終了しています」という注記が付き、キューが自分の開始時刻以前に終わっているか、上の行の終了より1ミリ秒を超えて早く始まっていることを意味します。警告があっても、エクスポートは妨げられません。
• 行を文字数の上限に収めましょう。 「行の長さとタイミング」を開きます。プリセットは「テレビ / YouTube · 42×2」「縦型動画 · 28×2」「短い1行 · 20×1」です。入力欄は「1行あたりの文字数」が 12〜80、「字幕1つあたりの行数」が 1〜3、「最小秒数」が 0.3〜3、「最大秒数」が 2〜15 で、初期値はそれぞれ 42、2、1、7 です。「すべての字幕を再分割」は、すべてのキューを組み直し、手動の改行をつなぎ、長いキューを文末、カンマ、スペースで分割して、長さに応じて時間を配分するので、最初の開始時刻と最後の終了時刻は変わりません。最小秒数より短いキューは、隣の無音部分から時間を借ります。話される速度のタイミングは変わらないため、速いキューには警告が残ります。
• 制限を踏まえて、書き出し形式を選びましょう。 「エクスポート形式」では、「SRT (SubRip)」「WebVTT」「SBV (YouTube)」「LRC (歌詞)」「ASS / SSA」「プレーンテキスト (TXT)」を選べます。ファイルは元の名前に拡張子 .srt、.vtt、.sbv、.lrc、.ass、.txt を付けたものになり、翻訳したファイルには、talk.es.srt のように言語コードが付きます。LRC は開始時間だけを残し、各キューを1行にまとめます。プレーンテキストは時間をすべて省きます。ASS の書き出しには、焼き込み用の文字サイズ、色、位置、縁取りが含まれます。キューは開始時間順に書き込まれます。
• 動画を追加して、プレビュー、生成、焼き込みを行いましょう。 「ライブプレビュー用のビデオを追加(オプション)」を使うと、現在のキューが映像に重ねて表示され、行番号は、そのキューへ移動する ▶ ボタンになります。動画を読み込むと、「このファイルから字幕を自動生成」で、端末上で音声が文字起こしされます。「話されている言語」と「音声認識モデル」を選びます(スマートフォンでは「より高速」が初期値です)。文字起こしされるのは、コンピューターでは最初の5時間、スマートフォンでは最初の90分だけです。「字幕を動画に焼き込む」は動画を再エンコードして、name_subtitled.mp4 として保存します。開始画面に動画または音声ファイルをドロップすると、自動生成の画面が開きます。

よくある問題とその解決方法

「この字幕ファイルを読み込めませんでした。有効な SRT、VTT、SBV、LRC、または ASS/SSA ファイルを使用してください。」と表示されます。

ファイルは読み込まれたもののキューが1つも得られなかったか、読み取れませんでした。リーダーは、「-->」の時間の行(SRT と WebVTT)、「開始,終了」の時間の行(SBV)、[mm:ss.xx] のタグ(LRC)、Dialogue: の行(ASS/SSA)を探し、テキストのないキューは捨てます。単なる台本、フレームベースの .sub ファイル、XML 形式のキャプションファイルには、これらがありません。テキストエディターでファイルを開いて時間の行があるか確認するか、先に SRT に変換してください。

「無効な時間です」と表示され、欄が元の値に戻りました。

時間は、欄から離れたときにチェックされます。コロンで区切った分と秒が必要で、時間は省略でき、ドットまたはカンマのあとに1〜3桁の小数を付けられます。1:05.5、0:01:05,500、00:01:05.500 のような形式です。65 や 1.5 のような数字だけの入力は受け付けられません。欄は直前の時間に戻り、約2秒間、赤い枠で囲まれます。

「文字起こしに失敗しました。より高速な音声認識モデルを試すか、短いファイルをお試しください。」と表示されます。

これは、音声の読み込みとモデルの読み込みが終わった後に音声認識エンジンが失敗した場合の一般的なメッセージです。「音声認識モデル」で、より小さなモデルである「より高速」を選ぶか、短いファイルを使ってください。処理の途中まで完了していた場合は、代わりに実際の時刻で「エラーのため 12:30 で文字起こしが停止しました」と表示され、完了した部分はすでに表の中にあります。「停止」を押した場合も、それまでの作業内容は残ります。

「そのファイルは保存できませんでした。ここでダウンロードが許可されているか確認するか、別のブラウザをお試しください。」と表示されます。

ブラウザーにファイルを保存する手段がないと、「エクスポート」でこのメッセージが表示されます。共有シートがないアプリ内ブラウザーや、ブロックされた新しいタブがその例です。焼き込み動画の保存でも同じ報告が出ます。通常のブラウザーでページを開き、サイトのダウンロードを許可して、もう一度「エクスポート」を押してください。キューは表の中にそのまま残っており、ドラフトはこのブラウザーに保存されています。

「焼き込み用フォントはラテン文字、キリル文字、ギリシャ文字、アラビア文字、ペルシア文字、ウルドゥー語、ヘブライ文字に対応しています。次の文字は動画に表示されません:日本語」と表示されます。

動画エンジンにはシステムフォントがないため、ツールが Noto Sans、Noto Sans Arabic、Noto Sans Hebrew の3つのフォントファイルを独自に用意しています。これらに含まれない文字(中国語、日本語、韓国語、タイ語、ヒンディー語など)は、動画に描画されません。この注意は、焼き込みを始める前に表示されます。SRT または WebVTT ファイルを書き出し、再生側でテキストを表示させてください。

比較

このエディターは表を基に動作します。テキストと時間を入力して変更する方式で、波形表示も、キューをドラッグするタイムラインも、検索と置換もありません。ASS/SSA ファイルは、テキストと斜体・太字・下線のタグだけが読み込まれるため、元のスタイル、位置、効果は読み込み時に失われます。その代わり、すべてがブラウザー内で動作します。ページには「字幕とビデオはデバイスに保存されます」と表示され、音声認識モデルと動画エンジンは、端末へ一度だけダウンロードされます。自動生成されたテキストは校正が必要で、機械翻訳も同様です。機械翻訳は、翻訳機能を内蔵していると報告するブラウザーでのみ利用できます。