動画を文字起こしとは？
動画を文字起こしは、動画ファイルの中の音声を編集できるテキストにするツールです。MP4、MOV、WebM、M4A、WAV、MP3 をそのまま受け付けるので、音声を抜き出す工程は要りません。話されている言語は自動で判定され、複数の話者は発言ごとに区別でき、各行にタイムコードが残ります。テキストとしてコピーするほか、同じ動画の SRT／VTT 字幕として書き出せます。
動画を文字起こしを選ぶ理由
動画を文字起こしは、動画を「形式の問題」ではなく記録そのものとして扱います。ファイルはブラウザからストレージへ直接送られ、1ファイル最大 500MB。デモ中は長さの上限も、1日あたりの分数制限もありません。同時に走るのは 2 件までです。書き出す前に人名や専門用語、話者ラベルを直せるので、1 回の文字起こしが読み物と字幕の下書きを兼ねます。
一言書き留めるために、動画を最初から見直していませんか？
会議も講義もインタビューも、手元に残るのは動画です。肝心の言葉はタイムラインの中に閉じ込められ、1 文を確かめるのに巻き戻し、全部書き起こすには何倍もの時間がかかります。音声しか受け付けないツールなら、音声を抜き出す工程と、同じ内容のファイルがもう 1 つ増えます。動画を文字起こしは一般的な動画コンテナを直接読み、行ごとにタイムコードを残し、検索にも引用にも字幕にも使えるテキストを返します。
動画を文字起こしの違い
動画を文字起こしが扱うのは動画そのものです。コンテナを読み、話された言葉をタイムコード付きで書き出し、話者が変わった箇所に印を付けます。翻訳はせず、音のない映像に言葉をでっち上げることもありません。
1ファイル 500MB までブラウザから直送
長さの上限なし、デモ中は 1 日の量も無制限
話者ラベル、タイムコード、SRT／VTT 書き出し
フォーマット、言語、制限
- 言語
- 99
- 自動検出。録音が複数言語の場合や強いアクセントがある場合は手動で設定。
- ファイルタイプ
- 13
- MP3、M4A、WAV、AAC、MP4、MOV、WebM など。動画は直接処理され、別の音声ステップは不要。
- ファイルごとに
- 500 MB
- 大きなファイルは、最大500 MB まで、進行状況バーを表示しながら直接ストレージにアップロードされます。
- 輸出
- TXT · SRT · VTT
- プレーンテキスト、SRTおよびVTTの字幕、ドキュメント、エディタ、またはキャプショントラック用に準備済みです。
動画を文字起こしの使い方（3 ステップ）
動画ファイルを追加
M。アップロードはストレージへ直接送られます。
言語と話者を確認
言語の判定は自動です。複数の人が話すときは話者分離をオンにし、2 つの言語が混ざる動画では言語を手で指定します。
テキストを直して書き出す
人名や用語を修正し、テキストをコピーするか、プレーンテキスト、SRT、VTT として書き出しします。
動画を文字起こし
音の入った動画を 1 本用意してください。動画を文字起こしは元のファイルを受け付け、話者ラベルとタイムスタンプ付きのテキストを返します。始めるのにアカウントは要りません。
無料登録で月 60 分、カード不要。完了したらエクスポート。
動画を文字起こし動画を文字起こしについてよくある質問
どの動画・音声形式をアップロードできますか？
MP4、MOV、WebM、M4A、WAV、MP3 をそのまま受け付けます。アップロード一覧にある他のコンテナにも対応します。動画はそのまま読み込むため、先に音声を抜き出す必要はありません。ブラウザがプレビューできない音声コーデックのファイルでも、アップロード自体は通ることがあります。失敗する場合は、音声を MP3 か M4A で書き出してから送るのが確実です。
ファイルサイズと長さの上限は？
1 ファイル最大 500MB です。ブラウザからストレージへ直接送ります。長さは別枠で制限しておらず、デモ中は 1 日あたりの分数制限もありません。同時に処理できるのは 2 件で、3 件目は順番待ちになります。
音声トラックのない動画も文字にできますか？
できません。アップロード前にファイルを調べ、音のない動画は空のテキストを返すのではなく、メッセージを出して止めます。無音の画面録画や、音声を削除したクリップから言葉は出てきません。声を入れ直すか、元のプロジェクトから音声を書き出して、そのファイルをアップロードしてください。
他のプラットフォームのファイルは使えますか？
ご自身が所有しているか、使用許可を得たファイルであれば使えます。そのファイルをアップロードしてください。Dictawave が外部プラットフォームにアクセスすることはありません。
話者の区別はどのように行われますか？
処理を始める前に話者分離をオンにできます。声が変わるたびに別のターンとしてラベルが付き、編集画面でラベルを実際の名前に変えられます。1 人に 1 本のマイクで録れたきれいな音声ほど分かれやすく、発言が重なった部分は同じターンにまとまることがあります。
タイムスタンプは付きますか。SRT や VTT に書き出せますか？
各ブロックに開始と終了の時刻が付き、テキストの横に表示され、書き出しにも残ります。タイムコード付きのプレーンテキストとしてコピーするか、SRT または VTT で書き出しして編集ソフトやプレーヤーに読み込めます。1 回の処理で、読むためのテキストと字幕ファイルの両方が手に入ります。
動画を別の言語に翻訳してくれますか？
いいえ。話された言語のまま文字にし、翻訳は作りません。言語判定は認識エンジンを正しく設定するために使うだけで、別言語の版が必要なら翻訳ツールを別に用意してください。
文字起こしのあと、動画はどうなりますか？
ファイルは認識サービスが読むためだけにストレージへ送られ、処理が完了するか失敗すると削除されます。テキストは、あなたが削除するまでアカウントに残ります。音声はモデルの学習に使われず、認識サービスは Dictawave の指示の範囲でだけ処理します。