完成した文字起こし原稿から、本物のタイムスタンプ付きSRTファイルを自動生成
インタビューやポッドキャスト、講義の文字起こしがすでにある場合（手動作成や文字起こしサービス作成など）、足りないのはタイミングだけです。録音データと文字起こしテキストをアップロードするだけで、元の表記や話者名をそのまま保持したまま、すべての行に正確なタイミングを付与したSRTおよびVTT字幕ファイルを生成します。最大10分までの録音は完全無料です。それ以上の長時間のファイルは、最大6時間まで一回払い$5でご利用いただけます。
- TXTやDOCXファイルのアップロード、または直接ペーストに対応。ご自身で入力したものや文字起こしサービスから納品された原稿もそのまま使用可能
- スペル、句読点、「司会:」といった話者名ラベルも元の記述どおりに保持
- 録音内で実際に発話されたタイミングに合わせて各行を同期
- 長い段落は、文や読点（カンマ）の区切りで読みやすい字幕単位に自動分割
- BOM付きUTF-8形式のSRTおよびVTTに対応し、対応が必要な各種プレーヤーでも文字化けを防止
原稿はすでにお手元にあるはずです
入念にチェックされた文字起こし原稿は、そのままの形で活かす価値があります。単にSRT字幕ファイルが欲しいからといって、音声を最初からAIで再文字起こししてしまうと、これまでの校正作業が無駄になってしまいます。固有名詞の誤字が復活したり、修正箇所が元に戻ってしまったりして、結局二度手間で校正する羽目になります。このツールは、元のテキストには一切手を加えず、正確なタイミング情報だけを追加します。音声認識が各単語の発話タイミングを検出し、プログラムが元の文字起こしテキストとそれらの単語を正確にマッチングします。
プレーンテキストの文字起こしのままでは、動画プレーヤーで字幕として再生できません。たとえ数分おきにタイムスタンプが打たれていても、字幕として機能させるには数秒ごとの発話の開始・終了時刻が必要になるため不十分です。
文字起こし原稿を準備する際のポイント
- 1行につき1段落または1人の発言にまとめてください。改行位置が字幕の区切りになります
- 話者名は入力どおり字幕テキストに残るため、「パテル博士:」のように画面に表示されます。発話内容のみを表示させたい場合は、あらかじめ話者名を削除してください
- テキスト内に入力された「[00:14:02]」のような古いタイムスタンプは単語として認識されてしまうため、字幕に表示させたくない場合は事前に削除してください
- 「[聞き取り不能]」や「[重複発話]」などのメモは、入力された位置の字幕内にそのまま保持されます
- 文字起こし後に録音からカットされた箇所のテキストは、対応する音声が存在しないためあらかじめ削除してください
音声とテキストに差異がある場合
ケバ取り（クリーンバーバティム）された原稿では、「えーと」などのフィラー、言い淀み、言い直しなどが省略されていますが、全く問題ありません。テキストに対応するものがない音声は自動的にスキップされ、整えられたテキストが正しい位置に配置されます。音声認識が「twenty-five」と認識しテキストには「25」と書かれている場合や、つぶやき声が聞き取れなかった場合でも、前後の単語からタイミングを正確に推定します。
2人の発言が重なっている場合や、マイクから離れた登壇者の声などは、字幕の開始タイミングがわずかに前後することがあります。なお、アムハラ語、ティグリニャ語、ソマリ語、ダリー語、クルド語、ビルマ語、パシュトー語については、汎用AIモデルを使用するためタイミングの精度がやや低くなります。
タイムコード付き文字起こしの活用例
- ポッドキャストのエピソード動画版のキャプション作成
- オンライン講座プラットフォームで公開する講義録画やウェビナーの字幕
- 動画編集ソフトでのインタビュー素材の整理（各回答をタイムラインに配置）
- 数か月前に文字起こしした講演動画へのアクセシビリティ字幕の追加
ツールの仕組み、料金、ファイルの扱いについては音声と原稿の字幕同期のページを、全ツールの料金は料金のページをご覧ください。
最終更新日
よくある質問
ChatGPTで文字起こしにタイムスタンプを追加できますか？
ChatGPTでも文字起こしをSRT形式に整えたり、指示すれば時間を書き込んだりすることは可能です。しかし、実際の音声を聞いているわけではないため、時間は均等に割り振られるか推測に頼ることになります。そのため、1時間のインタビューでは分が進むごとにズレがどんどん大きくなります。また、長文テキストでは文章を勝手に要約したり統合したりする傾向もあります。当ツールなら、実際の音声から直接時間を取得し、元のテキストは一切改変しません。
字幕に話者名は表示されますか？
はい、元のテキストに記載されている場合はそのまま表示されます。ラベルは入力どおりに保持されるため、画面に発話内容だけを表示させたい場合は、アップロード前に話者名を削除してください。
文字起こし原稿で「えーと」や言い淀みがカットされていますが、問題ありませんか？
問題ありません。テキストに含まれていない音声内の余分な声はスキップされ、前後の単語に基づいてきれいに整えられた行に正確なタイミングが割り当てられます。
どのような形式で文字起こしをアップロードできますか？
直接テキストを貼り付けるか、TXTまたはDOCXファイルをアップロードしてください。すでに字幕ファイルをお持ちの場合は、SRT、VTT、ASS、SBV、LRCの読み込みにも対応しており、既存の字幕区切りレイアウトをそのまま維持します。
タイムコード付き文字起こしの料金はいくらですか？
最大10分までの録音は完全無料です。それ以上の長さの録音は、最大6時間まで一回払い$5でご利用いただけます。週$19の使い放題（Unlimited プラン）なら、1件の作業につき最大12時間まで対応可能です。
文字起こしデータは誰かに見られますか？
お客様ご自身のみが閲覧できます。ファイルは処理のためだけにAIモデルプロバイダーに送信され、モデルの学習に使用されることは一切ありません。アカウント不要で開始されたジョブは7日後に自動削除されます。また、ご自身でいつでも手動削除できます。