字幕制作の実践ガイド

SRT、VTT、キャプション、字幕のワークフロー

文字起こしは、話された内容を記録します。字幕にはさらに、タイミング、読みやすさの制約、改行、音の説明、再生しながらの確認が必要です。SRTとWebVTTは関連する形式ですが、用途はまったく同じではありません。

所要時間4分
マイク、ヘッドホン、ノートPC、モニターを備えた音声文字起こし用ワークスペース

SRTとVTTに含まれる内容

基本的なSRTファイルは、番号を付けた字幕キューの並びです。各キューには開始時刻、終了時刻、一行以上のテキスト、空白の区切り行が含まれます。時、分、秒、ミリ秒を記載し、ミリ秒の前にはコンマを使います。WebVTTはWEBVTTヘッダーで始まり、ミリ秒の前にピリオドを使い、追加のキュー設定やWeb向け機能にも対応します。

どちらの拡張子を使っても、内容のアクセシビリティや同期が保証されるわけではありません。対応するスタイルや文字エンコーディングはプレーヤーごとに異なります。装飾のないマスターファイルを残し、実際に配信するプラットフォームでテストしてください。

タイミング調整も編集作業

字幕キューは、発話とのつながりを感じられる程度に近いタイミングで表示します。ただし、読めないほど短時間だけ表示するのは避けてください。次のキューと重ならない自然な間で終了します。機械的な文字数ではなく、句や文の構造に合わせて分割し、短い単語だけを二行目に残さないようにします。

読み上げ速度、行の長さ、行数、話者の交代、音楽、重要な効果音、カットの切り替わりは、いずれも適切なキューを作るうえで重要です。プラットフォームの仕様は、一般的なガイドラインより厳しい場合があります。

自動タイミングから公開できるファイルへ

まず、利用できる中で最も正確な文字起こしとタイムコードを用意します。最初に映像や音声と照らして言葉を修正してください。次に、断片を結合し、長すぎるキューを分割し、重なりや空白を直します。視聴者に必要な話者情報や音の説明も加え、最後に番組全体を通常速度で確認します。

このサイトの無料フォーマッターでは、用意した段落と推定表示時間から、SRTタイムラインのひな形を作成できます。メディアの音声を解析する機能はないため、生成される時刻は編集の土台にすぎません。公開前に実際の音声へ合わせる必要があります。

最終確認

対象のプレーヤーでファイルを開き、冒頭と末尾を確認して、キューの境界をまたぎながら再生位置を動かします。固有名詞、数字、句読点、音楽、重なった声も確認してください。UTF-8エンコーディングであることと、アップロード後も改行が維持されることを確かめます。音を消して視聴し、テキストだけで重要な情報が伝わるかも確認してください。

アクセシビリティ基準への適合やプラットフォームとの納品契約が必要な場合は、該当する仕様に従い、必要に応じて専門資格を持つ字幕制作者に依頼してください。

出典

  1. W3C公式WebVTT仕様
  2. 米国議会図書館 — SubRip字幕形式の説明

VTA Dictateを見る

話した内容を、もっと使える成果物に。

Windows全体への音声入力、許可を得た会話の録音、音声の文字起こし、会議メモの整理、字幕の書き出しを、1つのデスクトップ環境で行えます。