ChatGPTでSRTファイル全体を翻訳できる？映画1本分で検証しました

チャットボットが得意なこと

セリフの翻訳は、ChatGPT、Claude、Geminiの得意分野です。字幕を数十行貼り付けてスペイン語やペルシア語を指定すれば、たいていは自然な訳文になり、スラングやトーンも従来の翻訳ツールよりうまく扱えます。短いクリップ、予告編、1シーンだけなら、チャットボットで十分です。

映画1本分で測定した結果

長時間作業の調査のために、オスカー・ワイルドの戯曲真面目が肝心（パブリックドメイン）のセリフから、85分・1,200行のSRTファイルを作成し、3つのモデルにAPI経由で送信しました。リクエストは1つだけです：「この字幕ファイルをスペイン語に翻訳してください。SRT形式とタイミングは保持してください。」

どの返信にも、これらの変更についての説明はありませんでした。どれも完成したファイルのように見えました。

どこで失敗するのか

• 行の統合。 Claudeは、短い2行（"absence ..."、"we know them."）の言葉を直前の行に移し、元の行を削除しました。文章は読みやすくなりますが、その言葉が1秒早く画面に出ることになり、最初に統合された行より後の行はすべて、元と違う番号になります。
• 数字1桁の違い。 Geminiは、元が00:54:45,839だった箇所を00:54:55,839と書きました。この行は終了が開始より前になります。飛ばして再生するプレーヤーもあれば、ファイルを受け付けないプレーヤーもあります。
• 長さ。 この翻訳には38,000〜56,000の出力トークンが必要でした。お使いのアプリの返信上限がそれより小さいと、ファイルは途中で止まり、続けるかどうかを尋ねられます。
• 右から左へ書く文字。 アラビア語やペルシア語の行には方向マークが必要です。ないと、句読点が行の逆側に表示されるプレーヤーがあります。

なぜこうなるのか

チャットでSRTファイルを翻訳するには、モデルが番号やタイムコードも含めてファイル全体を書き出さなければなりません。本来は決して変えてはいけない数字が、何千桁も並びます。しかもモデルは動画プレーヤーではなく、人間の読み手に向けて書きます。2つの断片を1文につなげたほうが読みやすいからです。たとえタイミングが崩れてもです。字幕ファイルに必要なのは、良いチャットの回答とは正反対のものです。つまり、すべての行が、元の位置のままであることです。

ご自身で試すには

映画1本分のSRTファイルを用意して、チャットボットにその全体を翻訳させてみてください。

1. 最後の行の番号とタイムコードを、2つのファイルで比べます。
2. 中盤から3行を選び、番号とタイムコードが一致しているか確認します。
3. 翻訳結果の中で、終了時刻が開始時刻より前になっているタイムコードがないか検索します。
4. 翻訳したファイルを動画プレーヤーで読み込み、最後の10分へジャンプしてみます。

手順を追った解説は、翻訳したSRTがずれる理由をご覧ください。

代わりに使えるもの

構造をモデルに触らせないツールを使いましょう。当社の字幕翻訳は、.srt や .vtt のファイルを1行ずつに分けて読み込み、テキストだけを最大60行のブロックにして送信します。すべての行について、同じ番号のまま翻訳が返ってくることを必須とし、抜けている行があれば再度リクエストします。開始時刻と終了時刻は、お客様のファイルからそのままコピーします。1,200行のファイルで試したところ、1,200行すべてが返り、番号もタイムコードも元のファイルと完全に一致していました。書式タグはそのまま残り、右から左へ書く言語では各行に方向マークが付きます。原文を翻訳の上に並べた二言語字幕も選べます。翻訳先は41言語に対応し、シーズン丸ごとを1件の作業として投入することも可能です。完成例はデモでご覧いただけます。SRTをスペイン語に翻訳、アラビア語、ペルシア語のページへ直接お進みいただくことも可能です。

字幕のタイミング調整や、動画に焼き込まれた字幕の読み取りには対応していません。また機械翻訳ですので、商用公開するものは必ず人の目で確認してください。字幕ファイルがまったくない録音がある場合は、まず長時間の音声・動画の文字起こしで文字起こしを作成しましょう。

すべての作業で最初の部分は無料、アカウント不要です。お手持ちのファイルでチャットボットと比べてみてください。最大30ファイル、5,000 行までのジョブ全体が、一回払いのみで $5 です。