字幕生成 使い方ガイド
音声や動画から時間付き字幕を端末上で生成・編集し、複数形式で出力します。
メディアをアップロードせずに、1つの音声または動画ファイルから編集可能な字幕を作成します。
使い方
音声または動画を追加し、話し言葉を選ぶか自動のままにします。
1行の最大文字数を設定し、字幕を生成を選びます。
メディアを再生し、字幕位置へ移動してテキストと開始・終了時刻を編集します。
時間エラーがなくなるまで、字幕の追加、分割、結合、削除、全体移動を行います。
SRT、WebVTT、プレーンテキスト、JSONでダウンロードします。
対応形式と制限
- 一般的なWAV、MP3、M4A、AAC、OGG、Opus、FLAC、MP4、MOV、M4V、WebM。
- 1ファイル最大200MB、60分。
- 10分単位で処理し、結果は最大10,000字幕に制限されます。
初回はローカルFFmpeg、音声認識モデル、音声区間検出モデルをダウンロードします。タブを開いたままにしてください。次回からはキャッシュを再利用できます。
対応範囲とトラブル対策
対応拡張子でもコーデックによって処理できない場合があります。読み込みに失敗したらWAV音声や短いファイルで試してください。FFmpeg以外に音声認識・音声区間検出のデータを取得する場合があります。字幕と時刻は下書きです。同時発話、無音、人名、数値を再生しながら確認し、誤った区間を修正してから保存します。字幕ファイルを書き出す機能であり、字幕を焼き込んだ新しい動画は作成しません。
プライバシーと初回の読み込み
選択した入力はAivikoの処理サーバーへ送信せず、このブラウザで処理します。ページ、ライブラリ、必要なモデルの取得には通信が発生します。キャッシュが削除される場合があるため、完全なオフライン動作は保証されません。その他の通信はプライバシーポリシーをご確認ください。
関連ツール
要点と仕様
主要な処理はこのブラウザ内で実行されます。開始前に対応形式、公開済みの上限、必要なモデル取得量を確認してください。
- 入力
- WAV、MP3、M4A、AAC、OGG、Opus、FLAC、MP4、MOV、M4V、WebM
- 出力
- SRT、VTT、txt、JSON
- 処理場所
- この端末のブラウザ内
- モデルの対応言語
- 100 言語 — 言語選択メニューを参照
- 1ファイルの上限
- 200 MB
- 1回のファイル数
- 1
- メディア時間の上限
- 60 分
- 必要時のモデル取得
- 99 MB
- 最終確認
画面の言語とモデルの処理言語は別です。認識や発音の品質は言語によって異なるため、結果を確認してください。