自動字幕

仕組み

ショート動画のほとんどは音を消して視聴されるため、字幕はもはやあってもなくてもよいものではありません。手作業で行うには、文字起こし、タイミング合わせ、焼き込みが必要です。このツールは3つすべてを行い、同じことを提供する他のサービスとは違って、映像がお使いのマシンの外に出ることはありません。

2段階で、時間がかかります

最初に、音声認識モデルがお使いのプロセッサー上で音声を文字起こしします。かかる時間はクリップの長さとほぼ同じで、それに加えて、1回限りの41 MBのモデルのダウンロードがあります。次に、字幕を描き込みながら動画を再エンコードし、これにもほぼ同じ時間がかかります。1分のクリップなら、数分待つことになります。これが、アップロードしないことの正直なコストです。

焼き込む理由

ソーシャルプラットフォームは別の字幕トラックを取り除くため、投稿しても残る必要のある字幕は、映像の一部にしなければなりません。それは同時に、あとから修正できないことも意味するため、.srtも提供されています。

公開前に確認してください

自動の文字起こしは、アクセント、固有名詞、専門用語、背景ノイズの中で話された内容を読み違えることがあり、タイミングも概算です。結果が正しくない場合は、.srtのオプションを選び、任意のテキストエディターで修正してから、ここの字幕の焼き込みツールで修正版を適用してください。

英語のみ

ここでは、小さな英語版のWhisperモデルを使用しています。大きなモデルや多言語モデルは数百メガバイトあり、ブラウザでは現実的でないため、これを選んでいます。