Windowsで96言語のSRTおよびVTT形式の字幕をローカルで生成します。StarWhisperがPC上でオーディオトラックを文字起こしし、Premiere、DaVinci、CapCut、または任意のエディタにドロップできる字幕ファイルを出力します。アップロード不要、分単位の課金もありません。
ローカル専用ワークフロー、任意のエディタで動作。
無料でWindowsの事実上の標準ツールであるFFmpegを使用します。以下のワンライナーは、一般的な動画形式からオーディオを抽出し、MP3として保存します：
ffmpeg -i input.mp4 -vn -acodec libmp3lame audio.mp3
FFmpegを使用したくない場合は、動画エディタ（Premiere、DaVinci、CapCutはすべてこれをサポートしています）から直接音声のみのバージョンをエクスポートすることもできます。
StarWhisperを開き、抽出したオーディオファイルをアプリウィンドウにドロップします。デスクトップアプリは形式を自動検出し、ハードウェアに合ったWhisperモデル（NVIDIAはCUDA、フォールバックはVulkan、ベースラインはCPU）を選択して、文字起こしを開始します。10分のオーディオは、最新のGPUで1〜2分で完了します。
エクスポートメニューを使用して、.srt（汎用デフォルトのSubRip）または.vtt（ブラウザやYouTubeで使用されるWebVTT）として保存します。どちらの形式にも、すべての動画エディタや動画プレーヤーが読み取れるフレーズレベルのタイムスタンプが含まれています。ターゲットツールがどちらを必要としているかわからない場合は、両方を保管しておきましょう。
.srtをPremiere Pro、DaVinci Resolve、Final Cut Pro、CapCut、Kdenlive、Shotcut、または字幕を受け入れる任意のエディタのタイムラインにドラッグします。エディタはタイムラインに合わせてキャプショントラックに行を配置します。ほとんどのエディタでは、そこからタイミング、フォント、サイズ、色、位置を調整できます。
タイムラインをざっと見て、聞き間違えた固有名詞を修正します（Whisperは単語には強いですが、見たことのないブランド名には弱いです）。動画の見た目に合わせてスタイルを調整します。字幕を焼き込んだ動画（TikTok、Reels、Shortsに最適）、またはSRTをサイドカーファイルとして（YouTube、Vimeo、アクセシビリティに最適）エクスポートします。
オンラインの字幕ジェネレーターや有料のエディタ機能と比較して実際に得られるもの。
オンラインジェネレーターは動画をサーバーにアップロードします。NDA下のクライアントワーク、未公開コンテンツ、企業内部動画、機密事項にとってはこれは論外です。StarWhisperはローカルで実行され、動画がPCから離れることはありません。
両方の主要な字幕形式がサポートされています。SRTは地球上のすべてのエディタとプレーヤーで機能します。VTTはHTML5動画とYouTubeのアップロードに適しています。適切なものを選ぶか、両方をエクスポートしてください。
WhisperはPremiereの内蔵文字起こしよりもはるかに多くの言語をサポートしています。コンテンツがスペイン語、フランス語、ドイツ語、日本語、韓国語、ヒンディー語、アラビア語、トルコ語、ポーランド語、ベトナム語、または他の数十の言語のいずれであっても、同じワークフローが適用されます。
オンラインの字幕サービスは分単位で課金します。1時間の動画で1回あたり5〜10ドルかかる場合があります。StarWhisperには短い動画用の無料プランと、無制限で利用できる月額10ドルまたは年額80ドルのProプランがあります。
StarWhisperは標準的な字幕ファイルを生成します。そこからPremiere、DaVinci Resolve、Final Cut、CapCut、Kdenlive、Shotcut、OBS、さらにはSubtitle EditやAegisubのような無料の字幕エディタを使用できます。
CUDAパックがインストールされたNVIDIAハードウェアでは、StarWhisperは実時間の何倍もの速度で文字起こしを行います。30分の動画は、無料のオンラインツールで一晩待つ代わりに、2〜5分で編集できるようになります。
Windowsで動画に字幕を追加するための実際の選択肢は3つあります。1つ目は、Adobe Premiere Pro、DaVinci Resolve Studio、またはMacのFinal Cut Proのようなエディタ内の有料字幕機能を使用することです。品質は良く、タイミングも正確ですが、価格は高額です（PremiereはCreative Cloudのサブスクリプション、DaVinci Studioは買い切りで295ドル、Final CutはMac専用で300ドル）。2つ目は、動画をアップロードする無料のオンライン字幕ジェネレーターを使用することです。品質はまちまちで、言語カバレッジは不均一であり、公開以外のコンテンツにとってはプライバシーの面で問題があります。3つ目は、StarWhisperのようなツールでローカルに文字起こしを実行し、結果のSRTを既に使用しているエディタ（無料か有料かを問わず）にインポートすることです。
基盤となるモデルであるOpenAI Whisperが本当に優れているため、3つ目の方法は過去2年間で劇的に実用的になりました。Whisperのlargeバリアントは、幅広いコンテンツにおいて有料の商用システムと同等以上の精度を誇り、通常のPCで実行できます。StarWhisperはWhisperをWindowsデスクトップアプリで包み込み、ファイルドロップ、言語検出、GPUサポート、字幕エクスポートを提供するため、使用可能な.srtを得るためにPythonを呼び出したり、何かをビルドしたりする必要はありません。
実際の選択肢を正直に比較します。
| ツール | コスト | 言語 | プライバシー |
|---|---|---|---|
| Premiere Pro 自動キャプション | Creative Cloud サブスクリプション | ~15強 | Adobeクラウド処理 |
| DaVinci Resolve Studio 字幕 | $295 買い切り | ~13 | Studioではローカル |
| Rev AI 字幕 | $0.25/分 | ~36 | Revにアップロード |
| オンライン無料字幕ジェネレーター | 制限あり無料 | さまざま | アップロードされる |
| YouTube 自動キャプション | 無料 | ~13強 | YouTubeにアップロード |
| StarWhisper SRTエクスポート | 500語/日まで無料、$10/月 Pro | 96 | ローカル、アップロードなし |
有料ツールの正直な利点は、統合された編集、放送品質の単語ごとの同期、組み込みのスタイル設定です。StarWhisperの利点は、プライバシー、言語カバレッジ、そして価格です。ほとんどのインディークリエイター、YouTuber、ポッドキャスター、小規模スタジオにとっては、ローカルアプローチを支持するトレードオフとなります。
FFmpegは動画からオーディオを取り出すための標準ツールです。無料で、コマンドラインから実行され、遭遇するすべてのコンテナ形式を処理します。ffmpeg.orgからインストールし、PATHに追加して、どのフォルダからでもffmpegを呼び出せるようにします。一般的なワンライナー：
// MP4動画をMP3音声に変換
ffmpeg -i input.mp4 -vn -acodec libmp3lame audio.mp3
// 任意の動画をWAVに変換（文字起こしに最適な品質）
ffmpeg -i input.mov -vn -acodec pcm_s16le -ar 16000 -ac 1 audio.wav
// テストに便利な特定の区間へのトリミング
ffmpeg -ss 00:01:00 -to 00:02:00 -i input.mp4 -vn -acodec libmp3lame clip.mp3
// フォルダ内のすべての.mp4をバッチ処理（PowerShell）
Get-ChildItem *.mp4 | ForEach-Object { ffmpeg -i $_.Name -vn -acodec libmp3lame ($_.BaseName + ".mp3") }
文字起こしには、モノラル16 kHzのWAVがゴールドスタンダードの入力です。一般的な使用には任意のビットレートのMP3で問題ありません。Whisperは高ビットレートのステレオオーディオを必要としません。
ウィンドウ > キャプション を選択し、.srtをキャプションパネルにドラッグします。Premiereはタイムライン上にキャプショントラックを作成し、スタイルや位置を設定できます。「キャプションを動画に焼き込む」でエクスポートして埋め込みます。
編集ページで、メディアプールを右クリックし、字幕をインポートします。結果の字幕トラックをタイムラインにドロップします。インスペクター > 字幕 でスタイルをカスタマイズします。
テキスト > キャプション > インポート をクリックします。.srtファイルを選択します。CapCutはタイムラインに合わせたキャプションレイヤーを追加します。縦型の編集やソーシャル形式に便利です。
どちらの無料エディタもSRTインポートをネイティブで受け入れます。Kdenlive：プロジェクト > 字幕 > インポート。Shotcut：SRTをクリップのようにタイムラインにドロップします。
動画エディタにインポートする前に字幕を微調整したい場合は、Subtitle Editが最適の無料ツールです。.srtとオーディオ波形を開き、再生に合わせて視覚的に同期させながら行を調整します。
YouTubeのアップロードについては、Studioで動画を開き、字幕を選択し、言語を追加して、ファイルをアップロードからSRTを選択します。Whisperが生成したキャプションは、特に英語以外のオーディオにおいて、精度と言語カバレッジの面で通常YouTubeの自動キャプションを上回ります。関連するワークフローについては、YouTube文字起こしガイドを参照してください。
字幕付き動画を出荷する2つの方法。それぞれに適した用途があります。
サイドカー：動画と一緒に出荷される別の.srtファイル。視聴者のプレーヤー（またはYouTube、Vimeoなど）が再生時に動画の上に読み込みます。利点：視聴者は字幕のオンとオフを切り替えることができ、複数の言語を別々のファイルとして出荷でき、動画自体は変更されません。YouTube、Vimeo、Webサイトのアクセシビリティ、視聴者にキャプションを制御させたい場所に使用します。
焼き込み：字幕が動画フレームの一部としてレンダリングされます。オフにすることはできません。利点：サイドカーファイルを削除するプラットフォーム（TikTok、Instagram Reels、Twitter動画、多くのメールクライアント）で機能し、スタイルはデザインした通りに正確に表示されます。ショートフォームのソーシャル、広告、視聴者の設定でキャプションが正しく表示されることを信頼できないものに使用します。
エディタのエクスポートがそのタスクには大げすぎる場合、FFmpegで直接字幕を焼き込むことができます：
ffmpeg -i input.mp4 -vf subtitles=subs.srt output.mp4
スタイル付きの字幕（フォント、色、位置）については、ほとんどのエディタはFFmpegのワンライナーよりも優れた制御を提供します。
Whisperは96言語を処理し、エクスポートのワークフローはそれぞれ同じです。複数の言語でコンテンツを制作する場合、標準的なパターンは次のとおりです：
video.en.srt（または任意の言語コード）としてエクスポートします。video.es.srt、video.de.srtなどとして保存します。同じワークフローは、番組の動画版を公開するポッドキャスター、国際的な視聴者に向けて制作するコンテンツクリエイター、および講義コンテンツをアクセシブルにする教育者にも適用されます。
メディアから言葉を取り出すその他の方法。