自動字幕
動画や音声ファイルの話し声を字幕と文字起こしにします。音声認識は Whisper を使って端末内で動作し、何もアップロードしません。
🔒 ファイルと文字起こしはこの端末に残ります。
使い方
使い方
- 1
入力を追加
MP4, MOV, M4V, WebM ほか 8 形式 をここにドロップするか、端末から選んでください。
- 2
実行
話されている言語、英語への翻訳、字幕テキストを決めて実行します。すべてこのブラウザーの中で動きます — アップロードも順番待ちもアカウントも不要です。
- 3
結果を受け取る
処理が終わればすぐに SRT · VTT · TXT · WebM が手に入ります。そのまま端末に保存できます。
このツールができること
- 入力できるもの
- MP4, MOV, M4V, WebM ほか 8 形式 を読み込みます。 一度に 1 ファイル。
- 出力されるもの
- SRT · VTT · TXT · WebM が出力されます。
- 画質・音質はどうなるか
- ファイルは読み取るだけで、変更しません。元のファイルはそのまま残ります。
- できないこと
- 初回だけ小さなモデルを端末に取得します。その後はオフラインでも動きます。 長い動画や高解像度の動画は端末のメモリーが上限になります。スマートフォンはノートパソコンより早く力尽きます — 4K の 30 分は荷が重いことがあります。 使える映像コーデックはブラウザー次第です。Chrome と Edge が最も多く、機種によっては H.265 も読めます。Safari と Firefox は一部を受け付けません。ここで開かないものは Chrome で開くことが多いです。
- 自動字幕
- OpenAI の Whisper tiny モデルをブラウザーで実行します。99 言語の自動判定、英語への翻訳（任意）、タイミングの編集に対応。モデルは一度だけダウンロード（約 41 MB）すればオフラインで動作し、焼き込み字幕は新しい WebM 動画として書き出します。
対応する形式
知っておくと便利
よくある質問
字幕の精度は？
Whisper tiny は最も小さい Whisper モデルです。一般的な言語のはっきりした話し声はよく認識しますが、音楽や複数人の同時発話、強いなまりでは誤りが出ます。ダウンロード前に各行を修正できます。
初回の前にダウンロードがあるのはなぜですか。
音声認識には約 41 MB のモデルが必要です。モデルは usetool.app から配信され、固定のチェックサムで検証されたうえでブラウザーに保存されるため、次回以降はインターネットなしで使えます。
どのファイルが使えますか？
MP4, MOV, M4V, WebM ほか 8 形式 を読み込みます。 一度に 1 ファイル。
何が手に入りますか？
SRT · VTT · TXT · WebM が出力されます。
品質は落ちますか？
ファイルは読み取るだけで、変更しません。元のファイルはそのまま残ります。
うまくいかないのはどんなときですか？
初回だけ小さなモデルを端末に取得します。その後はオフラインでも動きます。 長い動画や高解像度の動画は端末のメモリーが上限になります。スマートフォンはノートパソコンより早く力尽きます — 4K の 30 分は荷が重いことがあります。 使える映像コーデックはブラウザー次第です。Chrome と Edge が最も多く、機種によっては H.265 も読めます。Safari と Firefox は一部を受け付けません。ここで開かないものは Chrome で開くことが多いです。
動画の画質は落ちますか。
再エンコードが必要なときだけです。分割・結合・音声削除は映像データをそのまま複製するので劣化しません。圧縮と透かしは作り直すため、時間もかかります。
動画の長さに制限はありますか。
決まった上限はなく、端末の空きメモリー次第です。スマートフォンなら数分は余裕があり、パソコンならさらに長く扱えます。長い動画が通らないときは、先に分割して部分ごとに処理すると，たいてい解決します。
設計から非公開
ファイルは端末から出ません
ファイルと文字起こしはこの端末に残ります。
ほかの道具
すぐ使える