動画に字幕を自動で入れる

字幕の焼き付けとSRTファイル、どちらを選ぶ？

SRTやVTTのファイルには、テキストとタイミングだけが入っています。たとえばSRTなら「00:00:01,000 --> 00:00:03,500」のような形式です（VTTはカンマの代わりにピリオドを使います）。これは動画とは別に追加するもので、YouTubeならYouTube Studioの「字幕」から登録できます。視聴者は字幕のオン・オフを選べ、あとから修正することもできます。一方、焼き付けた字幕は映像の一部になるため、あとで消したり直したりはできませんが、どこでも自分のデザインのまま表示されます。SRTを添付できないInstagram、TikTok、LINE、ファイルで送る動画には、焼き付けが最適です。

自動字幕の仕組みと、確認すべきポイント

初回のみ、Whisperのモデル（約40〜150MB）がダウンロードされ、以降の文字起こしはパソコン上で行われます。処理時間はパソコンの性能と動画の長さによって変わるため、推奨は5分以内、最大10分です。長い動画は、先に「動画をカット」で分割してください。Whisperははっきりした声ならよく認識しますが、必ず見直しましょう。日本語では特に、漢字の変換ミス、同音異義語、固有名詞、数字、BGMが流れている部分や複数人が同時に話している部分で誤りが出やすくなります。言語の自動検出は音声の冒頭をもとに行われるので、動画が音楽から始まる場合は、言語を自分で選んでください。

TikTok・リール・ショートで読みやすい字幕（テロップ）

電車の中や職場など、音を出さずに見られる動画は少なくありません。字幕がなければ、内容は伝わりません。縦型動画には「TikTok・ショート」スタイルがおすすめです。大きな文字に太い縁取りや帯を付ければ、どんな背景でも読みやすくなります。位置は中央がおすすめです。画面のいちばん下は、キャプション、アカウント名、アプリのボタンと重なりやすいからです。字幕は一目で読める短さにし、プレビューで表示時間が短すぎないか確認しましょう。録音からテキストだけを取り出したいなら「音声をテキストに変換」、完成した動画を軽くしたいなら「動画を圧縮」を使ってください。