SRTからプレーンテキストを抽出する：実用的な使い方

動画を編集し終えたとき、最も完全なナレーション原稿はたいていSRTの中にあります。連番やタイムコードといった「レイアウト情報」を剥ぎ取れば、残ったプレーンテキストはコピーライティング・検索・見積もりにそのまま使えます。鍵は、どう抽出するかと、抽出後にどう整理するかです。

字幕内の汚データと抽出の価値 — SRTにはテキストのほかに連番・タイムコード・残存タグが含まれ、プレーンテキストの抽出とはこれらの非テキスト情報を剥ぎ取ることです

SRTにはテキスト以外に何があるか

SRTの一行は三部分で構成されます。連番・タイムコード・テキスト。プレーンテキストの抽出とは、第三の部分だけを取り、最初の二つを捨てることです。

1
00:00:01,000 --> 00:00:02,500
我们今天聊三个问题

元ファイルが複数のソフトを経由している場合、テキストには <i> や <font> といった残存タグが混入していることがあります。抽出時に一緒に除去するのが望ましく、当サイトの字幕クリーンアップツールはこうした残存を処理できます。

用途一：ナレーション原稿の復元とコピー制作

字幕テキストは基本的に「動画が何を言ったか」そのものです。取り出せばそのまま文字起こし原稿になり、商品セールスポイントのコピー改稿、ショート動画の脚本構成の整理、チームのコンテンツ振り返りにすぐ使えます。

改めて聞き取るよりはるかに楽です。特に多言語の海外展開では、一つの抽出原稿を複数言語の翻訳の共通ベースにでき、言語ごとに聞き直して表記が揺れる事故を防げます。

用途二：検索とアーカイブ

プレーンテキストは検索エンジンやノートアプリがそのままインデックスできます。複数動画の字幕を抽出しておけば、キーワードで「どの動画がどの機能を扱ったか」を検索でき、動画をまたいで話題の出現頻度を集計することもできます。

タイトルと記憶に頼るより信頼できます。タイムスタンプと併せれば各行がどの時刻帯かを復元でき、当てずっぽうの検索より速く位置を特定できます。

もう一つ、過小評価されがちな用途：抽出テキストをAIやノートツールに渡して要約させること。タイムコードのノイズがない分、モデルは要点をつかみやすく、逆に動画の構造を把握してどの部分を残し何を切るかの判断にも使えます。動画をそのまま渡すより、先にテキストへしてから処理するほうがコストも制御性も良いです。

用途三：翻訳の見積もり

翻訳業者は字数か分数で見積もることが多い。抽出したプレーンテキストの字数は、値段交渉の最も直接的な根拠です。「この動画はたぶん10分」ではなく「この原稿はX字」と言える。しかも字数は安定して比較でき、同じ動画のバージョン間でどれだけ変わったかも比べれば分かります。字数が明確になると見積もりも納期も正確になります。

抽出したテキストを他言語へ翻訳するなら、SRT翻訳ツールにそのまま進めますが、アップロードするのはプレーンテキストではなく元のSRTです。でないとタイムコードが失われます。

書き出し形式：連番を付けるか

抽出時には通常二つの選択肢があります。連番なしの純粋な段落か一行ずつで、読書・検索・他ツールへの入力に向きます。連番ありは1・2・3を保持し、元の字幕と一対一で照合し、位置を遡るのに便利です。

既定ではまず連番なしのきれいな版を取り、元のどこにあったか遡る必要が出たら連番版を取る、がおすすめです。

チームに固定テンプレートがある（各行の前にタイムスタンプを付けるなど）なら連番版はスクリプトで二次処理しやすく、純粋な読書場面では連番なし版のほうがすっきりします。両方残しておけば、後で相互に補完できて最も手間がありません。

字幕ファイル自体の構造は、SRTの英語翻訳のSRT構造の説明を参照してください。

抽出後の整理作業

抽出後に通常やることは四つです。重複の統合——隣接行が同じ文を二つに切ったものを併合する。残存タグの除去——<i>、<font> などHTML式タグを削除する。意味に沿って文を区切り段落化し読みやすくする。認識の脱字・誤字が疑われる箇所を校正する。

抽出後にある部分が完全にフィラー語や無意味な間だったら、印をつけて消しておくと、後の翻訳も検索もきれいになります。ここまでやって初めて、プレーンテキストは本当に「使える」状態です。地味に見えますが、後の繰り返し手戻りを省く工程です。元ファイルに重複や連番の乱れがあれば、先に字幕規格チェックツールを通してから抽出したほうが結果はきれいです。

よくある質問

抽出するとタイムコードは失われますか？

失われます。それが「プレーンテキスト」の意味です——何を言ったかは残し、いつ言ったかは残さない。タイムコードが必要なら、抽出後のテキストではなくSRTを直接処理してください。

タグ付きの字幕は抽出後に残りますか？

抽出ツールがタグを除去するか次第です。当サイトの抽出は一般的なタグを剥ぎます。元ファイルのタグが特に雑然としているなら、先に字幕クリーンアップツールを通してから抽出するのをおすすめします。

抽出したテキストをそのまま翻訳に使えますか？

テキスト自体は翻訳の入力にできますが、翻訳系ツールがタイムコードを保つにはSRTが必要です。翻訳には抽出後のプレーンテキストではなく、元のSRTをアップロードしてください。