動画や音声を開く
端末のMP4、MOV、WebM、MP3、WAVなどを選びます。対応はコーデックとブラウザ次第で、自動生成には読み取れる音声が必要です。
話し声から字幕を作り、一行ずつ確認して見た目を調整。編集可能なSRT/VTT、または字幕を焼き込んだMP4を保存できます。端末内で処理し、登録や透かし追加はありません。
端末のMP4、MOV、WebM、MP3、WAVなどを選びます。対応はコーデックとブラウザ次第で、自動生成には読み取れる音声が必要です。
話されている言語か自動検出を選び、スタイルを決めて生成します。初回はモデル取得を待ちます。SRT/VTTの読み込みから始めることもできます。
字幕を押して該当場面へ移動し、人名、数字、表示時間を修正します。読み切れる長さか、字幕が被写体を隠していないか再生して確認してください。
編集用のSRT/VTTを保存するか、対応環境でMP4を書き出します。完成ファイルでフォント、音声とのタイミング、再生音を確認してください。
発話言語か自動検出を選び、モデルが利用できる場合に時間付き字幕を生成します。既存のSRT/VTTなら認識せずに読み込めます。
音声認識と字幕動画の出力は端末内で行います。初回は音声モデルの取得が必要で、一部のフォントにもネット接続を使います。
字幕を検索して該当箇所へ移動し、開始・終了時間や文言を修正。行の追加、削除、結合、フォント・色・大きさ・位置の調整ができます。
SRT/VTTは文字と時間を保存します。対応ブラウザでは、選んだスタイルを映像に焼き込んだMP4も作れます。
たとえば2分間の日本語デモに、商品名、バージョン番号、3つの操作手順が出てくる場合。日本語で字幕を生成したら、商品名を検索して表記を直し、各手順の冒頭を再生して表示時間を確認します。字幕が操作ボタンを隠すときは空いている場所へ移動し、いちばん長い文も読みやすい大きさで収まるか見てください。確認後、編集用のSRTと、スタイル付きで再生できるMP4を保存できます。
別の編集ソフトで直したり、字幕対応の動画サイトに字幕トラックとして追加したりする場合はSRT、WebプレーヤーにはVTTが使えます。このツールのSRT/VTT出力に含まれるのは文字と時間で、フォント、色、アニメーションは保存されません。見た目を固定して届けたい場合はMP4を使います。字幕トラックも付けて公開するなら、焼き込み字幕と二重表示にならないか確認してください。
SRT/VTTだけを読み込み、文字と時間を編集して保存することもできます。映像のプレビューやMP4出力には、対応するメディアを追加してください。冒頭をカットした動画などは古い字幕と時間がずれるため、同じ版の素材か確認します。最後の字幕が元動画より後まで続くと出力も長くなるので、終了時間も見直してください。
自動認識の長さを超える場合は動画カットで必要な区間を用意し、その区間の字幕を生成できます。ほかの処理は無料ツール一覧から選べます。
このツールは無料で登録不要です。DojoClipの透かしは追加しません。利用できる処理はブラウザ、コーデック、モデルの取得状況、空きメモリに左右されます。
このローカル処理のためにメディアや字幕テキストをアップロードすることはありません。モデルやフォントの取得にはネット接続を使います。ページを閉じたり再読み込みしたりする前に結果を保存してください。
日本語、英語、スペイン語、フランス語、ドイツ語、イタリア語、ポルトガル語、韓国語、中国語と自動検出を選べます。選ぶのは元の発話言語であり、別の言語への自動翻訳ではありません。
人名、専門用語、数字、訛り、声が重なる部分を確認してください。文字や時間の修正、行の追加・結合ができます。単語ごとのハイライトは推定タイミングなので、再生して合い方を確認してください。
焼き込んだ字幕は映像の一部になり、オフにできません。SRT/VTTも残してください。MP4は30 fpsで再エンコードされ、長辺は最大4096ピクセルになります。無劣化や元のfpsは保証されません。音声素材のみの場合は暗い背景の字幕動画になります。
初回はモデル取得にも時間がかかります。自動認識は700 MiBまでで、ブラウザが低メモリと報告する端末は10分、それ以外は30分までです。実際の処理能力は端末にも依存します。SRT/VTTの読み込みには音声モデルは不要です。