動画からSRT字幕を生成して編集ツールに読み込む方法

1本の動画から使える字幕ファイルまでは、書き出し1回の距離です。動画を文字起こしツールに渡せば、時間で区切られた文字稿が返り、結果エリアでSRTをワンクリックすれば、話者の一文ごとに開始と終了のタイムコードが付き、そのまま編集ソフトの字幕トラックに読み込める外付けのファイルになります。タイムコードを手打ちする工程は、一切ありません。

動画からSRT生成を開く。動画をアップロードするかリンクを貼り付け、生成後に結果エリアでSRTを選んでダウンロードします。

要点

• SRTは外付けの字幕ファイルです。1文の字幕は、番号、開始・終了のタイムコード、テキストの3行で構成され、ブロックの間に1行の空行を置きます。映像に焼き込まれた字幕とは、別物です。
• 文字起こしの後、文字稿の結果エリアでSRTボタンを押せばダウンロードできます。タイムコードの形式は00:00:01,000 --> 00:00:04,120で、書き出しファイルはUTF-8エンコードです。
• 編集ソフトへの取込みは外部のステップです。共通する流れは、字幕ファイルの取込み、字幕トラックへの配置、再生確認。具体的なメニューの位置は、使用ソフトの公式説明に従ってください。
• 問題は影響範囲で切り分けます。字幕全体の遅延はまず一括シフト、開いて文字化けならまずエンコードを確認、ソフトが認識しなければまず拡張子を確認。

SRTファイルは、TXTより何が多いか

同じ発言でも、TXTは「何を言ったか」を記録し、SRTはそこへ「いつ言ったか」を加えます。TXTは各行が「[分:秒] テキスト」の時刻印で、人が時間で遡って確認しやすい形。SRTは時間を、プレーヤーと編集ソフトのどちらも直接読める開始・終了のタイムコードとして書きます。SRTファイルの中身は、およそこのような形です（字幕テキストは架空のサンプルです）。

1
00:00:01,000 --> 00:00:04,120
例：このショート映像をご覧ください

2
00:00:04,400 --> 00:00:08,000
例：今日は3ステップで最初の字幕を作ります

3
00:00:08,200 --> 00:00:12,500
例：まず動画をアップロードし、SRTを書き出します

各字幕ブロックは3行です。1行目は番号で、1から始まり連続で増えます。2行目はこの一文の開始と終了の時刻で、形式は「時:分:秒,ミリ秒」。カンマの後ろは3桁のミリ秒で、間は-->で区切ります。3行目が字幕のテキストです。ブロックとブロックの間に1行の空行を置き、解析プログラムは空行で各字幕の境目を認識します。

「字幕がある」にも2種類あることを、区別してください。SRTは外付け字幕で、ファイルは動画とは別に存在し、プレーヤーが読み込み、編集ソフトが取り込み、いつでも修正と差し替えができます。焼き込み字幕は、文字を画面のピクセルに描き込むもので、書き出しの後は、単独でオフにしたり再編集したりできません。SRTを手にした後、焼き込むか、いつ焼き込むかは、編集の段階まで残しておいて構いません。

動画からSRT生成の入口で、文字起こしを作る

SRT生成の第一歩は、時間付きの分割文字起こしを得ることです。動画からSRT生成の入口は既定で「ファイルをアップロード」モードになっており、ローカルの動画や音声をそのまま選べば大丈夫。MP4、MOV、WEBM、MP3などの一般的な形式が対象です。プラットフォームの動画を処理するときは、「リンクを貼り付け」に切り替えます。未ログインは毎日1回無料で、50MB・10分以内のファイルに対応。ログイン後は毎日2回で、クレジットで最長2時間まで処理できます。

1. ファイルをアップロードするか、リンクを貼ります。動画はたいてい手元にあり、入口は既定で「ファイルをアップロード」なので、そのまま動画を選びます。
2. 音声の言語は「自動（動画に合わせる）」のままでも、中国語、英語、日本語、韓国語、スペイン語、ロシア語、フランス語を手動で指定しても構いません。
3. 「生成を開始」をクリックします。ページは段階ごとに処理の状況を表示し（動画ソースの読み込み、音声の準備、字幕の読み取りまたは音声の文字起こしなど）、通常1〜3分で完了します。途中でページを再読み込みしても、タスクの進捗は失われません。
4. 文字稿の結果エリアで区切りを確認し、SRTボタンを押してダウンロードすれば、transcript.srtファイルが手に入ります。

結果エリアには、今回の文字稿の出所が表示されます。動画に字幕が付いている場合はプラットフォームの字幕が使われ、そうでなければ音声に対して音声の文字起こしが行われます。未ログインでは最初の3区間をプレビューでき、全文の閲覧にはログインが必要です。この字幕入口のフォームは、SRT、VTT、TXTの3形式の切り替えだけを提供し、要約やチャプターなどの出力オプションは現れません。同じ文字起こしの逐語稿の整理、TXTの修正、固有名詞の確認は動画から文字起こしのガイドの範囲なので、本稿は、書き出したSRTファイルから先を扱います。

タイムコード、文の区切り、固有名詞を確認する

最初に書き出したSRTは、通常そのまま使えますが、編集ソフトに渡す前に2分かけて、タイムコード、文の区切り、固有名詞を確認する価値はあります。任意のテキストエディターか専用の字幕エディターでtranscript.srtを開けば、修正できます。

文の区切りでは、自動分割でまれに1文が長すぎて1行に収まらないことがあります。例の2番目が、元は1文だったとしましょう。

2
00:00:04,400 --> 00:00:11,800
例：今日は3ステップで最初の字幕を作り、編集ソフトに読み込みます

再生して区切りの位置を確認したら、2条に分けられます。

2
00:00:04,400 --> 00:00:08,000
例：今日は3ステップで最初の字幕を作り

3
00:00:08,000 --> 00:00:11,800
例：編集ソフトに読み込みます

分割では3点に注意します。新しい条の開始時刻を、前の条の終了時刻より早くしない。以降の番号をすべてずらす。各ブロックの間に、空行を1行残す。2条の統合は逆の操作で、間の空行を削除し、番号を詰めます。

タイムコードでは、各条の開始時刻は終了時刻より必ず早く、形式は「時:分:秒,ミリ秒」を保ちます。ミリ秒の前のカンマをピリオドにしてはいけません。ピリオドは、VTTの書き方です。エンコードでは、書き出したSRTファイルはUTF-8。テキストエディターで修正後に別名で保存するときも同じUTF-8を選び、ほかのエンコードで保存すると、一部のソフトで文字化けすることがあります。固有名詞では、人名、ブランド、製品の用語は、動画の中の実際の表記に統一します。テキストを修正してもタイムコードには影響せず、発音を確認したくなったら、その条のタイムコードで動画の該当位置に戻って聴けば確認できます。

字幕を、編集ツールに1つ読み込む

SRTが生成された後、取込みは編集ソフトの中で行われ、PixMindがソフトの代わりに字幕を画面に焼き込むことはありません。ソフトごとにメニュー名は違いますが、共通する流れは同じです。

1. 編集ソフトでプロジェクトを開き、動画素材をタイムラインに置きます。
2. 字幕やタイトル関連のメニューを見つけて「字幕ファイルを読み込む」を選び、.srtを選択します。.srtファイルを直接タイムラインにドラッグできるソフトもあります。
3. 字幕が字幕トラックに現れ、音声トラックと上下に並んで揃います。
4. 最初から再生し、各字幕の出現と消滅が、話と一致しているか確認します。
5. 完成作品の画面に字幕が必要なときは、書き出しのレンダリングを実行し、字幕は画面とともに焼き込まれます。

CapCut、Premiereなどの主要な編集ソフトは、どれもSRTを編集可能な字幕トラックとして読み込めます。具体的なメニューの位置はバージョンで変わるので、使用ソフトの公式説明に従ってください。読み込んだ後は、字幕トラック上のブロックの分布をざっと見てから、区間ごとに再生して確認するほうが、いきなり完成作品をレンダリングするより、問題を見つけやすいです。

字幕全体の遅れや、文字化けの表示の点検方法

点検は、影響範囲の大きい順に。まず作品全体に関わる問題を直し、それから個別の字幕に手を入れます。

1. 全体が遅れる・進む：すべての字幕が一律で0.5秒遅れたり進んだりしているのは、タイムライン全体のずれです。よくある原因は、動画の頭に映像が1本追加された、字幕が対応する動画の版と現在の版が一致しない。字幕エディターや編集ソフトの一括シフト機能で、全字幕を固定のずれの量だけ一括移動してください。1条ずつ手直しはしないこと。
2. 開くと文字化け：ファイルの内容が「测试」のような文字で表示されるのは、エンコードの問題です。書き出された元のファイルはUTF-8で、文字化けはたいてい、編集・保存時にほかのエンコードへ変わったことが原因。テキストエディターでUTF-8として開き直すか、別名で保存し直せば復元します。
3. ソフトが認識しない：まず拡張子が.srtであって.srt.txtではないことを確認します。システムが拡張子を隠しているときは、見落としやすいです。次にファイルを開いて構造を確認し、タイムコードの順序が正しいか、ブロックの間に空行があるか、番号が連続しているかを見ます。

一部の字幕だけが音とずれて、残りが正常なときは、その条のタイムコードだけを微調整し、タイムライン全体に触れる必要はありません。

SRT、VTT、TXTを、いつ選ぶか

同じ文字起こしから3形式で書き出せます。構造の違いが、それぞれの行き先を決めます。

選び方は、ひとことで。編集ソフトとプレーヤーに渡すならSRT、WebプレーヤーにはVTT、人が読んで文稿を整理するならTXTです。一部のプラットフォームは字幕のアップロード時に、形式とエンコードの細かい要件があるので、アップロード前に公式の説明を確認し、印象だけで強行しないでください。

よくある質問

SRTを生成した時点で、字幕は画面に映っていますか？

映っていません。SRTは外付けの字幕ファイルで、生成で得られるのはファイルそのもの。画面は、何も変わりません。字幕を見るには、プレーヤーでSRTを読み込むか、編集ソフトに取り込んだ後、書き出しのレンダリングで字幕を画面に焼き込む必要があります。

タイムコードのないTXTを、そのままSRTに直せますか？

直せますが、各文の開始・終了のタイムコードを書き足し、番号、タイムコード、空行の形式で1条ずつ並べる必要があり、文が増えるとかなりの作業量です。文字起こしの結果がまだ残っているなら、同じ結果から直接SRTを書き出すほうが、タイムコードはすでに生成されていて手間が省け、形式のミスも起きにくいです。

字幕と音がずれているとき、最初に確認するのは？

まず全体のずれかどうかを見ます。全字幕が一律に進んでいる、または遅れているなら、一括シフトで1回で修正します。シフトで解決しなければ、動画の版が一致しているか、たとえば頭に映像が追加されていないか、長さが同じかを確認し、最後に、個別のずれた字幕だけを微調整します。

最初の取込み可能な字幕ファイルを生成する

実際に字幕が必要な動画を1本選びます。語り、チュートリアルの画面収録、製品のデモ、どれでも適しています。アップロードして文字起こしを生成し、SRTを書き出し、まずエディターでタイムコードと文の区切りを一巡し、それから編集ソフトに読み込んで字幕トラックに載せ、再生で一度確認します。

動画からSRT生成の入口を開き、取込み可能な字幕ファイルを1つ作る。