端末内で動画文字起こし

動画の音声を無料で文字起こし

動画の音声を無料で文字起こしし、TXT・SRT・VTTで書き出し。AIはブラウザー内で動作するため、動画のアップロードや事前の音声抽出は不要です。

動画は端末内に留まります。音声トラックを端末内で認識し、動画やテキストはアップロードしません。

端末内で認識アップロード不要無料で利用

ここに動画ファイルをドロップ

MP4 · MOV · WebM · MKV · M4V — ブラウザーがデコードできる音声トラックが必要です

まず試すのに適した小型モデルです。重みのダウンロード量は処理モードにより約40〜150 MBです。雑音や複数言語を含む録音では、言葉が抜けることがあります。

適切な独立型 GPU をブラウザーで確認できないため、自動モードでは CPU を使用します。GPU は手動で選択できます。

自動モードは最初の発話区間で言語を判定し、録音全体でその言語を使用します。判定が不確かな場合は手動で選択してください。初回はモデルと実行用ファイルをダウンロードします。再実行すると現在のテキストが置き換わります。

中国語の認識と簡体字・繁体字の表記は別に設定できます。表示、コピー、書き出しに使用する表記を選択してください。文字起こし後も、認識をやり直さずに切り替えられます。

初回はHugging Faceからモデルをダウンロードします。ブラウザーに保存され、次回以降に再利用できる場合があります。

動画を文字起こしする方法

1

動画を選択

端末内の動画を選択またはドロップします。音声トラックを確認して区間ごとに読み込み、動画全体の音声を別ファイルに保存せずに処理します。

2

音声を認識

言語、中国語の表記、モデルを選択します。初回はモデルをダウンロードします。進捗を確認でき、いつでもキャンセルできます。

3

確認して書き出し

時刻をクリックして元の動画を見返し、名前や用語を修正します。メモ用のTXT、字幕用のSRT・VTTで保存できます。

動画を端末内に保存したまま処理

MP4・MOV・WebM動画の発話を文字起こし

主音声トラックを読み込み、Whisperをブラウザー内で区間ごとに実行します。映像はプレビューと確認に使い、音声認識には使いません。出力は発話の言語のままで、中国語は簡体字・繁体字に対応します。自動判定が不確かな場合は言語を指定してください。結果は確認・書き出しできます。要約、翻訳、画面内の文字認識は含まれません。

動画文字起こし · MP4文字起こし · 講義文字起こし · 会議録画文字起こし · 動画からSRT · WebVTT字幕

どの動画ファイルに対応していますか?

拡張子だけでは対応を保証できません。コンテナーを読み込め、音声トラックをデコードできる必要があります。主音声トラックを使用し、別トラックの選択や既存字幕の読み込みには対応していません。

動画形式よくある用途注意点
MP4 / M4Vスマートフォンの動画、授業、編集済み動画AAC音声が一般的。実際の対応はブラウザーによって異なります
MOVカメラやスマートフォンの録画AAC・PCM音声を利用できる場合がありますが、すべてのMOVコーデックには対応しません
WebM画面録画やブラウザーでの録画通常はOpus・Vorbis音声。ブラウザーのデコード対応が必要です
MKV複数トラックの動画やアーカイブ主音声トラックのみ使用。未対応コーデックは変換が必要です

動画の発話を読み返しやすく

授業や講義

口頭の説明をテキストに残し、必要な箇所を探して用語を修正できます。文字起こしであり、授業の要約ではありません。

会議やインタビュー

会話を編集可能なテキストにしてメモに使えます。話者識別はないため、名前は手動で追加してください。

画面録画やチュートリアル

口頭の操作説明から原稿を作れます。画面や映像に表示された文字は認識しません。

字幕の下書き

SRT・VTTを編集ソフトに読み込み、公開前に文言とタイミングを確認してください。字幕を動画に焼き付ける機能はありません。

動画文字起こしの対応条件と制約

デコード可能な音声トラックが必要です。無音動画は文字起こしできず、映像内の字幕も読み取りません。主音声トラックのみ使用します。長い動画は区間ごとに処理してデコード音声のメモリ使用量を抑えますが、モデルにもメモリが必要で、速度は端末によって異なります。訛り、雑音、音楽、同時発話は結果に影響します。モデルのキャッシュは音声文字起こしと共通です。初回は接続が必要で、完全なオフライン動作は保証していません。

動画文字起こしのよくある質問

MP4から直接文字起こしできますか?

ブラウザーがデコードできる音声トラックがあれば利用できます。音声を先に抽出せず、動画を選択して認識を開始できます。

動画はアップロードされますか?

いいえ。ファイル読み込み、音声デコード、認識はブラウザー内で行います。初回はモデルと実行用ファイルをダウンロードしますが、動画やテキストを文字起こしサービスに送信しません。

無音動画を文字起こしできますか?

いいえ。発話を認識するツールです。映像内の文字や、埋め込み・焼き付け字幕を抽出する機能はありません。

簡体字・繁体字中国語を選べますか?

はい。中国語または自動検出を選択し、表記を別に設定してください。文字起こし後に切り替えても、修正した内容と時刻は保持され、認識をやり直す必要はありません。

音声トラックの選択や話者識別はできますか?

このバージョンは主音声トラックを使用し、トラック選択と話者識別には対応していません。必要なら目的の音声を別に用意し、音声文字起こしをご利用ください。

再生できる動画が文字起こしできないのはなぜですか?

動画再生とバックグラウンド音声デコードでは対応が異なる場合があります。音声コーデックを確認するか、音声抽出ツールでWAVを書き出して音声文字起こしをご利用ください。

字幕はどう作れますか?

各時刻で動画を見返してテキストを修正し、編集ソフトや投稿先向けにSRT・VTTで保存してください。字幕を動画に焼き付ける機能はありません。

オンライン動画のリンクを貼り付けられますか?

このページは端末内の動画ファイルに対応しています。利用可能で許可された方法で先に動画を保存し、文字起こし用に選択してください。

長い動画に制限はありますか?

ファイルは端末内に留まるため、アップロードの容量制限はありません。ただし、長い動画は時間、メモリ、バッテリーを消費します。先に必要な部分を切り出してください。キャンセルしても完了した区間は残ります。

無料ですか?オフラインで使えますか?

無料でアカウント不要です。ツール、実行用ファイル、モデルの初回読み込みには接続が必要です。キャッシュしたモデルは再利用できる場合がありますが、完全なオフライン動作は保証していません。

その他の動画・音声ツール