字幕ジェネレーター
BETAアップロードせずに音声や動画を文字起こしし、時間付き字幕を編集して書き出します。
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。
メディアと文字起こしはこの端末に残ります。音声モデルはブラウザへダウンロードされ再利用されます。
音声または動画ファイルを1つドロップ
最大200MB、60分。一般的な音声・動画形式に対応します。
ファイルを選択ブラウザで音声・動画から字幕を作成・編集する手順
Aivikoの字幕ジェネレーターは、最大200MB・60分までの音声または動画ファイル1件（WAV、MP3、M4A、AAC、OGG、Opus、FLAC、MP4、MOV、M4V、WebM）をサーバーへ送信せず、ブラウザ内で時間付き字幕に変換します。ローカル音声抽出（Web Audioまたはffmpeg.wasm）、Silero VAD（約1.8MB）、99言語対応Whisper tinyモデル（約104MB）により最大10,000件の字幕を作成・編集し、SRT、VTT、TXT、JSONで書き出せます。
1. 音声・動画ファイルを1つ選択（最大200MB・60分）
対応するメディアファイルをドロップし、話し言葉の言語（または自動検出）と1行の最大文字数を設定します。
2. ローカルで音声抽出・発話検出・文字起こし
ブラウザ内で音声を抽出し、Silero VADで発話区間を検出した上でWhisper tinyモデルがタイムコード付き字幕を生成します。
3. 字幕エディターで調整しSRT・VTT・TXT・JSON出力
プレビュー再生でタイミングや誤字を修正し、分割・結合や全体の時間シフトを行ってから目的の形式でダウンロードします。
対応メディア形式と字幕編集機能
- MP4、MOV、M4V、WebM動画およびWAV、MP3、M4A、AAC、OGG、Opus、FLAC音声（最大200MB・60分）からのSRT/VTT字幕生成
- Silero VAD（約1.8MB）発話検出と99言語対応Whisper tiny（約104MB）モデルのローカルワーカー連携
- 字幕付き動画プレビュー、全体の秒数シフト、分割・結合、時間重複や空テキストの自動検証を備えるエディター（最大10,000件）
- SRT、WebVTT（VTT）、プレーンテキスト（TXT）、JSONの4形式エクスポート
処理上限と精度に関する注意点
- メモリ保護のため、200MB超、60分超、デコード後PCM 128MB超、または10,000件を超える字幕は処理できません。
- 長時間メディアや一部コーデックではffmpeg.wasmを使用するため数分かかる場合があり、処理中はタブを開いたままにする必要があります。
- 自動文字起こしとタイムコードは下書きです。公開前に必ず再生プレビューで固有名詞や表示タイミングを確認してください。
関連する音声ツール
字幕ジェネレーターに関するよくある質問
動画や音声ファイルはサーバーにアップロードされますか？
いいえ。音声抽出、発話検出、文字起こし、字幕編集、SRT/VTT書き出しはすべてお使いのブラウザ内で実行されます。初回のみモデルとランタイムの取得通信が発生します。
時間エラーが表示されてダウンロードできない場合はどうすればよいですか？
空のテキスト、負の開始時間、開始より前の終了時間がある場合は不正な字幕ファイルを防ぐため書き出しが停止します。該当する字幕キューを修正するとダウンロード可能になります。
対応する最大ファイルサイズと再生時間は？
1ファイルあたり最大200MB、最大60分までの対応音声・動画ファイルを処理でき、最大10,000件の字幕キューを扱えます。
使用前の確認
製品情報の確認: Aiviko Team処理場所
選択した入力はブラウザ内で処理され、Aivikoの処理サーバーにはアップロードされません。
通信する可能性があるもの
コード、フォント、ランタイム、機械学習モデルを取得する場合があります。分析と広告はプライバシー・Cookieポリシーの選択と条件に従ってのみ読み込まれます。
結果と制限
速度、精度、実用的な最大サイズは入力、ブラウザ、端末により異なります。重要な判断に使う前にガイドをご確認ください。