ArrayKit

音声文字起こしツール

録音や動画の音声を、編集できる文字起こしと、SRTまたはVTTの字幕にします。音声認識はお使いの端末上で動作し、ファイルがアップロードされることはありません。

音声文字起こしツール

録音や動画の音声を、編集できる文字起こしと、SRTまたはVTTの字幕にします。音声認識はお使いの端末上で動作し、ファイルがアップロードされることはありません。

録音は、インタビューや通話、会議であることが多いものです。音声はこの端末上でデコード・認識され、アップロードされることはありません。ダウンロードされるのは、モデルそのものだけで、それも一度きりです。

字幕変換で、字幕を別の形式に変換する

音声文字起こし について

音声文字起こしは、録音や動画のサウンドトラックを、編集できるテキストと、そのまま使える字幕に変えます。音声認識は、お使いの端末上で、ページとは別のバックグラウンド処理（ワーカー）として動作します。ファイルをデコードしてモデルを読み込むと、結果が時刻付きのセグメントとして返ってきます。ツールはそこから、検索つきの編集できる文字起こし、時刻付きの段落、JSON、そして字幕のキューを作ります。キューは、1行の文字数・行数・画面に表示する秒数について設定した上限の範囲内で、文の終わりで区切られます。どのキューも文面を直すことができ、すべてのタイミングを1秒に満たない単位でずらして、SRTまたはWebVTTとしてダウンロードできます。モデルは一度だけ取得されてブラウザーにキャッシュされ、録音そのものがお使いのコンピューターの外に出ることはありません。

機能

  • 音声ファイルと、動画ファイルの音声トラックを読み込める
  • 端末上で動く3種類のモデル。速い英語専用のものから、遅い多言語対応のものまで選べる
  • 検索つきの編集できる文字起こし。一致した箇所をすべて強調表示
  • 1行の文字数・行数・画面に表示する秒数で制限した字幕のキュー。まず文の終わりで区切る
  • どのキューの文面も編集でき、すべてのタイミングを早めたり遅らせたりできる
  • SRT・WebVTT、プレーンテキスト、時刻付きの段落、JSONでダウンロード
  • 語数・長さ・話す速さ・キューの数を表示
  • デコード、初回のみのモデルのダウンロード、認識の各段階の進捗を表示

音声文字起こし の使い方

  1. 音声または動画のファイルをページにドロップします
  2. モデルと、話されている言語を選びます
  3. 「Transcribe」を押し、ファイルのデコード、モデルの読み込み、音声の認識が終わるのを待ちます
  4. テキストやキューを直してから、テキストをコピーするか、SRTまたはVTTをダウンロードします

例

入力

interview.mp3 — first 10 seconds
Max 42 characters per line · 2 lines · 6 s per cue

出力

1
00:00:00,000 --> 00:00:03,400
Welcome back to the show. Today we are
talking about how maps get made.

2
00:00:03,400 --> 00:00:07,100
Our guest has surveyed coastlines
on four continents.

3
00:00:07,100 --> 00:00:09,800
Let's start at the beginning.

キューはまず文の終わりで区切られ、どの行も、選んだ上限を超えることはありません。

よくあるエラーとトラブルシューティング

  • ブラウザーに、ファイルをデコードできなかったと表示されます。 — MP3・WAV・M4A・OGGを試してください。MKVやAVIなど、ブラウザーではまったく読み取れない動画のコンテナもあります。その場合は、先に音声をMP3かWAVに取り出してから、それを文字起こししてください。
  • 人名・数字・専門用語が間違っています。 — そこは音声認識がもっとも苦手とするところです。大きなモデルを使うと少し改善し、話されている言語を明示的に指定すると、さらに改善します。いずれにしても、結果は録音と照らして確認してください。
  • 字幕の行が長すぎたり、1つのキューが表示され続ける時間が長すぎたりします。 — 「Subtitles」タブを開いて、1行の文字数かキューの最大の長さを小さくしてください。キューはすぐに作り直され、新しい上限がすべてに適用されます。
  • 動画プレーヤーで、字幕が少し早く、または遅れて表示されます。 — 「Shift all timings」を使って、すべてのキューを1秒に満たない単位でずらしてください。負の値にすると早まり、動画の先頭で止まります。

よくある質問

音声文字起こしの精度はどのくらいですか。何が原因で精度が落ちますか？
1人の明瞭な話し声では良好ですが、背景の雑音、複数人が同時に話す場面、強い訛り、見たことのない人名や専門用語では、はっきり精度が落ちます。出力は、直すことを前提とした下書きとして扱ってください。「Text」タブが編集できるのは、まさにそのためです。
音声文字起こしで対応しているのは、どの言語ですか？
英語専用のモデルは英語に対応します。多言語のモデルは、スペイン語・フランス語・ドイツ語・ポルトガル語・ヒンディー語・日本語・中国語・ロシア語にも対応し、言語を自動で判定することもできますが、言語を明示的に指定したほうが、よい結果が得られます。
音声文字起こしでは、1時間の音声の処理にどのくらいかかりますか？
一般的なノートパソコンで「Small」のモデルを使うと、録音の長さと同じくらいかかり、さらに小さいモデルではもっと短く済みます。初回は、モデルのダウンロードも一度だけ行われます。ページには、デコード・ダウンロード・聞き取りの各段階が、進行に合わせて表示されます。
音声文字起こしで、動画の字幕をSRTやVTTで作るにはどうすればよいですか？
動画ファイルをドロップして文字起こしし、「Subtitles」タブを開いて、希望の行の長さとキューの長さを設定し、SRTまたはVTTをダウンロードします。そのファイルを、プレーヤーや編集ソフトで動画と一緒に読み込んでください。タイミングが少しずれているときは、先にすべてのタイミングをずらして調整します。
音声文字起こしで録音はアップロードされますか。一度だけダウンロードされるのは何ですか？
録音はお使いの端末上でデコード・認識され、アップロードされることはありません。一度だけダウンロードされるのは、認識モデルそのもので、公開のモデル配信元から取得されます。ブラウザーがそれをキャッシュするので、2回目以降はすぐに始まり、オフラインでも使えます。
音声文字起こしに、ファイルの長さの上限はありますか？
決まった上限はありませんが、デコードにはファイル全体をメモリに読み込む必要があるので、非常に大きな動画ファイルでは失敗することがあります。長い動画は、先に音声を取り出してから文字起こしするか、録音をいくつかに分割してください。

関連ツール

  • 音声をPDFに — 録音を端末上で文字起こしし、PDF・SRT・VTTで書き出します。
  • 字幕変換 — SRT・WebVTT・SBV・ASSを変換し、タイミングもずらせます。
  • ボイスレコーダー — マイクで録音し、録音をトリミングして、WAVまたは元の形式で保存できます。
  • AIテキスト要約ツール — ブラウザ内で動作するAIが長い文章を短い要約に変換
  • 音声変換 — MP3・WAV・FLAC・M4A・OGGの間で音声を変換。
  • 動画から音声を抽出 — 動画の音声をMP3・WAV・M4Aとしてブラウザ内で抽出します。アップロードはありません。
  • 動画トリマー — 開始・終了時間で動画からクリップを切り出します。ブラウザ内で処理し、アップロードはありません。
  • PDFのOCR — スキャンしたPDFの文字を認識し、検索できるようにします。

動画の他のツール

  • 動画圧縮 — ブラウザ内で動画ファイルを圧縮します。アップロードはありません。
  • 動画コンバーター — MOV・MKV・AVI・WebM・MP4の動画をブラウザ内でMP4またはWebMに変換します。アップロードはありません。
  • 動画トリマー — 開始・終了時間で動画からクリップを切り出します。ブラウザ内で処理し、アップロードはありません。
  • 動画から音声を抽出 — 動画の音声をMP3・WAV・M4Aとしてブラウザ内で抽出します。アップロードはありません。
  • 動画をミュート — 動画から音声トラックをブラウザ内で削除します。アップロードはありません。
  • 音楽を追加 / 音声を差し替え — 動画の音声を自分の音楽に差し替え、音量を調整します。ブラウザ内で処理します。
  • 動画リサイザー — リール・YouTube・正方形などにレターボックス付きで動画をリサイズします。ブラウザ内で処理します。
  • 動画をクロップ — 動画を正方形・縦型・横長にクロップして端を切り取ります。ブラウザ内で処理します。
  • 動画をGIFに — 動画の一部分を最適化したアニメーションGIFにします。ブラウザ内で処理し、アップロードはありません。
  • GIFを動画に — アニメーションGIFをMP4またはWebMに変換して小さく共有しやすくします。ブラウザ内で処理します。
  • 動画サムネイル生成 — 動画から静止フレームを自動生成し、JPG・PNG・WebPでダウンロードします。
  • 動画のスクリーンショット — 動画の現在のフレームをPNG・JPEG・WebP画像として取得します。ブラウザ内で処理します。
  • 動画を分割 — 動画を時間や数で複数のパーツに分割し、ZIPでダウンロードします。ブラウザ内で処理します。
  • 動画にウォーターマークを追加 — テキストやロゴのウォーターマークを位置と不透明度の調整付きで動画に重ねます。ブラウザ内で処理します。
  • 動画速度変更 — クリップを加減速し、音声は自然なピッチのまま。
  • 動画結合 — 複数のクリップを1本の動画に結合、一致時は無劣化。
  • 音声変換 — MP3・WAV・FLAC・M4A・OGGの間で音声を変換。
  • 字幕変換 — SRT・WebVTT・SBV・ASSを変換し、タイミングもずらせます。
  • 動画ビットレート計算 — 目標容量とビットレートを相互に計算します。
  • 動画を回転 — 再エンコードか回転フラグの書き換えで、動画を回転・反転します。
  • 音声トリマー — 音声からクリップを切り出し、フェードも付加。可能なら無劣化で。
  • 音量変更ツール — 動画や音声の音量を上げ下げ、または正規化。
  • 動画フレームレート変換 — 再サンプリング、補間、リタイミングでfpsを変更。
  • 画面録画 — 画面・ウィンドウ・タブを、必要ならマイク音声つきで録画し、WebMまたはMP4で保存します。

動画のツールをすべて見る (26) · すべてのツール