Macのローカル動画からSRT・VTT字幕ファイルを作る方法

動画と一緒に読み込める字幕を作る

Macのローカル動画からSRTやVTT字幕を作るには、音声を文字起こしし、言葉を確認して、時間情報付きの字幕ファイルを書き出します。同じ動画と一緒に読み込んで確認してください。文字起こしが読みやすいだけでは、字幕が適切な瞬間に出るとは限りません。

Alison WorkspaceはmacOS 15以降とAppleシリコン、M1以降が必要な、デバイス上で動くMacアプリです。ファイル文字起こしはメディアを基準とするタイムスタンプを生成し、SRTとVTTに書き出せます。まず必要な認識リソースを、翻訳が必要ならそのリソースも準備します。複数の動画をキューに入れた後、記録を一つずつ確認して個別に書き出せます。これは外部字幕ファイルを作る方法で、画像に文字を焼き付けるものではありません。

使う動画の版と元の時間軸を保つ

まず、録画に利用できる字幕トラックが付属していないか確認します。確認済みの既存字幕があれば、作業を省ける場合があります。新たに作るなら、自分が所有するか処理の許可を得たローカル動画を使い、アプリがデコードできる音声トラックが必要です。MP4やMOVは例であり、あらゆる符号化方式への保証ではありません。MKVや保護されたダウンロードを正常に読み込めるとも限りません。

実際に再生・納品する版を保管してください。文字起こし後に導入部を削除したり編集を変えたりすると、時間が合わなくなる場合があります。ファイル文字起こしの時間は冒頭の無音も含め、読み込んだメディアの開始点を基準にします。切り出した映像の字幕はその抜粋の時間軸に従い、長い元動画に自動では合いません。確認用にソースを残してください。

使い先に合わせてSRTかWebVTTを選ぶ

SRTは番号付きのブロック、開始・終了時刻、字幕テキストで構成されます。タイムコードではミリ秒の前にコンマを使い、例えば00:00:12,500と書きます。VideoLANはVLCでのSRT対応を文書化しており、ローカル再生の確認に使いやすい形式です。実際の編集ソフトや受け取り先が受け付ける形式も確認してください。

WebVTTは.vtt拡張子、WEBVTTヘッダー、ミリ秒の前のピリオドを使います。W3C仕様はUTF-8符号化と、ウェブ動画のトラックなどに使う時間付きテキストの表示区間（cue）を定めています。使い先がVTTを求める場合に選びます。

.srtを.vttにリネームしても内容は変換されません。必要な形式で書き出してください。どちらにも動画自体は含まれず、テキストにタイムコードを付けるだけで音声認識が正確になるわけでもありません。

キューに追加する前に、代表的な動画を一本試す

扱いやすい長さの録画から始め、設定と出力を確認します。

1. Alison Workspaceのファイル文字起こしウィンドウを開き、動画を追加するかキューにドラッグします。
2. ファイル名と表示される長さを確認します。
3. 発話言語を選び、認識リソースを準備します。
4. 原語字幕なら翻訳をオフのままにし、翻訳するなら利用可能な言語とそのリソースを用意します。
5. 文字起こしを開始し、結果と完了状態を確認します。

ファイルは直接読み取るため、スピーカーで再生する必要はありません。複数の動画はキューに追加し、共通の言語設定を使えるものごとに分けましょう。一回の実行では設定を共有します。多言語バッチのガイドでは自動検出と言語別グループを説明しています。キューは同時処理やワンクリックの一括書き出しを保証するものではありません。

言葉・読める長さ・完了状態を確認する

録画を再生しながら文字起こしを見直し、名前、数字、否定表現、専門用語を修正します。冒頭・中盤・終盤に加え、声が重なる箇所や音楽のある場面も確認してください。翻訳字幕が必要な場合は、認識とは別に訳の意味を見直します。

途中までの結果ではないかも確認します。利用枠の上限、キャンセル、エラーで終盤が未処理になることがあります。原因を解決して再実行することと、同じ未完了の記録を再び書き出すことは異なります。

字幕には読む時間も必要です。長い発話、二言語のテキスト、話者ラベルは画面を窮屈にすることがあります。文章の修正にはAlisonを使い、字幕区間の分割、時間調整、細かな表示編集は、書き出したファイルを専用の字幕エディタで仕上げます。

書き出す言語を選び、記録ごとに保存する

編集が終わったら、その文字起こしの「書き出し」メニューを開きます。「書き出す内容」で「原文のみ」、「翻訳のみ」、または「バイリンガル」を選び、「SRT 字幕ファイル」か「VTT 字幕ファイル」を選択します。書類用タイムスタンプをオフにしても、SRTとVTTの時間情報は残ります。

バイリンガルの書き出しは、原文と利用できる訳文を同じ字幕区間内に入れます。独立して選択できる二本の言語トラックを作るわけではありません。翻訳のみを書き出すと、訳文がない区間は省かれるため、納品前に欠落を確認してください。記録全体に翻訳がまったくなければ、書き出しは原文になります。

動画ごとに字幕を別々に保存し、lesson-01.mp4の隣にlesson-01.srtを置くなど、識別しやすい名前にします。拡張子が.srt.txtになっていないか確認してください。各記録のメニューで同じ操作を繰り返します。認識がローカルでも、同期・共有フォルダから文字が配布される場合があるので、保存先は意図して選びましょう。

MacのVLCでSRTを読み込み、三か所を再生する

このローカル確認には、書き出したSRTを使います。以下はVLCの英語版Macインターフェイスのメニュー名です。

1. VLCで同じ版の動画を開きます。
2. Subtitles → Add Subtitle File…を選び、書き出した.srtを指定します。
3. Subtitles Trackサブメニューを確認し、必要なら目的のトラックを選びます。
4. 冒頭近く、中盤、終盤近くをそれぞれ再生します。

字幕の出入りの時刻、発話との一致、両言語の読みやすさを確認してください。手動で読み込めば、自動のファイル名照合に頼らず、どのファイルを確認しているか分かります。VTTは実際に使うプレーヤー、エディタ、ウェブ側でテストしてください。ある形式を書き出せるだけで、すべてのアプリでの対応が確定するわけではありません。

字幕が出ない・文字化けする場合

何も表示されなければ、字幕トラックが選択され、再生位置が字幕区間の時刻に達しているか確認します。字幕のコピーをプレーンテキストエディタで開くと、空ファイルや名前を変えた書類ではなく、時間ブロックと実際の言葉があるはずです。拡張子と使い先の対応形式も調べます。

一部の区間だけ消える場合は、元の文字起こし、翻訳範囲、完了状態、書き出したファイルを比較してください。翻訳のみの書き出しには、翻訳できなかった箇所の空白が生じることがあります。

AlisonはこれらをUTF-8で書き出します。WebVTTはUTF-8を必須としますが、SRTの読み取り側は符号化の扱いが異なる場合があります。文字化けしたら、プレーヤーの字幕文字コードと、別のエディタで符号化が変わっていないかを確認し、元の書き出しも残します。必要な文字を持たないフォントでも、四角い欠字記号になることがあります。

一定のずれと、だんだん広がるずれを分ける

すべての字幕が同じ程度早い、または遅い場合は、まず動画と字幕が同じ編集版か確かめます。プレーヤーの字幕遅延設定は一定のずれを調べるのに役立ちますが、保存された字幕ファイルが修正された証拠にはなりません。

差が広がったり、カットの後で突然変わったりするなら、ソースの版と再生設定を比較します。単一の遅延値では異なる編集点やすべての時間誤差を直せません。字幕エディタで字幕区間を調べるか、必要に応じて最終動画から作り直してください。

納品前に、保存した字幕を最終メディアでもう一度確認します。元動画と未編集の書き出しを残してください。使える完成品には、見直した言葉、読みやすい字幕区間、使い先で確認済みのタイミングが必要です。共有前にこの三点を確認しましょう。