音声から字幕へオンラインで作るには？三つの道の境界

手元に録音や映像があって、字幕ファイルにしたい。プラットフォーム内蔵・デスクトップソフト・オンラインツール、どれを選ぶかで結果は大きく変わります——見るだけで書き出せないものもあれば、数十GBのソフトを要求するものもあります。まず各道の境界を把握してから選びましょう。

音声から字幕への三つの道 — プラットフォーム内蔵字幕・デスクトップソフト・オンラインツールの三つの道は、字幕ファイルの書き出し・一括処理能力・ソフト導入の要否で差があります

道一：プラットフォーム内蔵字幕

YouTubeやBilibiliなどのプラットフォームは、アップロード後に自動で字幕を生成します。コストゼロで追加ツール不要。

ただし境界も明白です。字幕はプラットフォーム内にロックされがちで、SRT/VTTの書き出し可否はプラットフォーム次第、ダウンロードをそもそも認めないものもあります。言語と精度はプラットフォーム任せで、自分で制御できる余地は小さめ。「投稿して終わり」のコンテンツには向きますが、二次編集や複数プラットフォーム配信には向きません。

だからこそ多くのチームは結局、字幕をローカルファイルとして落とすことになります。プラットフォームの生成は起点であって納品物ではありません。

道二：デスクトップソフト

プロ向け字幕ソフトやローカル音声認識ツールは処理能力が最も強く、タイムコードの精密調整やスタイル追加も可能です。

代償はソフトの導入で、GPUやディスクを食うものもあります。一括処理と精度は通常もっとも優れますが、学習コストと環境構築コストは自分持ちで、長期的・高頻度・品質に硬い要件があるチーム向きです。難点は、環境が壊れたとき（ドライバ・バージョン・プラグイン）の調査コストが高く、非技術者には明確にハードルが高いことです。

道三：オンラインツール

SmileSubの音声・映像から字幕へを例に挙げると、アップロードするだけで字幕が生成され、ログイン不要です。映像か音声ファイルをアップロードし、原文言語を選び（中国語・英語・日本語・韓国語の認識に対応）、音声が自動認識されて字幕となり、20言語へ翻訳、SRT/VTT/ASSとバイリンガル字幕として書き出せ、ブラウザ内で映像に焼き込むこともできます。

境界はここです。オンラインツールにはファイルサイズと行数の無料枠があります（1ファイル1MB・500行まで、各ツール各IPで1日3回）。それより長いコンテンツは分割処理かクレジット課金になります。ログインなしで試せるので、心理的ハードルは低いです。

プラットフォーム方式と比べたオンラインツールの強みは、「生成・翻訳・書き出し・焼き込み」が一箇所に揃い、複数システム間でファイルを行き来させなくていいこと。デスクトップソフトと比べれば、ローカルの計算資源を消費せず環境の保守も不要です。代償はファイルごとの枠上限で、それを超える長尺はクレジットか分割処理になります。

三つの道の比較

観点	プラットフォーム内蔵	デスクトップソフト	オンラインツール
字幕ファイルの書き出し	制限されがち	対応	対応
一括処理	弱い	強い	中程度
ソフト導入	不要	必要	不要
言語・用語の制御	弱い	強い	中程度

ひとことで：書き出しと配信が必要なら、プラットフォームだけに頼らない。高精度でソフト導入を嫌うなら、オンラインツールが折衷案です。

どの道が絶対に正しいということはなく、問いは「見られればいい」のか「ファイルを手にして配信したい」のかです。小規模チームと個人クリエイターには、オンラインツールの道の学習コストはほぼゼロです。その後の「ソフト字幕 vs 焼き込み字幕」の処理は焼き込み字幕とソフト字幕の違いを参照してください。

選択の前に自分に三つの問い

字幕ファイルを手にする必要があるか？　あるなら「見せるだけ」のプラットフォーム方式は除外。一括で長期的にやるか？　やるならデスクトップソフトかクレジット課金のほうが割に合う。ソフトを入れてもいいか？　いやならオンラインツールが最も楽です。

この三点を明確にすれば、選定は大きく外れません。

コンテンツを複数の言語市場へ出すなら、原文言語の字幕を一度生成してから翻訳へ回すほうが、言語ごとに最初からやり直すより限界コストがはるかに低く、ここがオンラインツールが純手作業より割に合う部分です。

当サイトの課金はクレジット制で、登録時に無料枠が付きます。3分の中英バイリンガル完成品は数十円の数分の一程度。クレジットパックは一回買い切りで失効なし、月次・四半期・年次のサブスクリプションも選べます。生成後にタイムコードがずれたらタイムコード補正ツールで直せます。

よくある質問

プラットフォームの自動字幕は書き出せないのですか？

一部のプラットフォームは字幕をサイト内機能として扱い、ダウンロード経路を開放していないか、特定アカウントに限って開放しています。字幕ファイルが必要なら、SRT/VTTを書き出せるツールで再生成する必要があります。

オンラインツールの認識はどの言語に対応していますか？

原文言語は中国語・英語・日本語・韓国語の認識に対応し、認識後は20言語へ翻訳できます。その他の言語は現状の能力範囲外です。

長い音声が無料枠を超えたら？

1ファイル1MB・500行までが無料枠です。より長いコンテンツは段落ごとに分割して処理するか、クレジット課金でより大きな処理量を確保します。