YouTube 文字起こし

文字起こしはどこから来るのか

解析後に表示される文章は、音声を聞き直して単語を推測した結果ではありません。YouTube が動画と一緒に配信している字幕トラックそのものです。投稿者が自分でアップロードしたものか、YouTube の音声認識が作ったものかのどちらかです。つまり品質は動画側の事情で決まり、この道具の性能では決まりません。

ここから実務的な結論が出ます。字幕のある動画はほぼ即座に本文が返り、トラックが一つもない動画はどんな手段でも文章にできません。解析後に出る言語の一覧が、その動画が実際に持っているものの全部です。

手動字幕と自動字幕の違い

投稿者がアップロードした字幕には通常、句読点があり、固有名詞の表記も正しく、文の切れ目で改行されています。自動字幕は句読点がほとんどなく、固有名詞は音のとおりに書かれ、話し手が息を継いだ位置で改行されます。

紛らわしい点が一つあります。両者は同じ言語コードを持ちます。同じ動画の選択欄に「日本語」が二行並ぶことがあり、片方が手動、もう片方が自動です。表示の不具合ではなく別々のトラックで、返る本文も違います。手動があるならまずそちらを選んでください。

何も返らない動画がある理由

ほぼ三つの場合に収まります。投稿者がその動画の字幕を無効にしている場合、読むべきトラックがありません。公開直後で自動字幕の生成が終わっていない場合は、少し時間を置いてから試してください。トラックはあるが選んだ言語ではない場合は、言語の一覧がそのまま残るので、URL を貼り直さずに別の言語を選ぶだけで済みます。

タイムスタンプの使いどころ

各区切りには時刻が付きます。読むほうが見るより速いのは、まさにこれがあるからです。本文を目で追って必要な箇所を見つけ、時刻を読み、頭出しをせずにその位置へ直接飛べます。一時間の講演なら、かかる時間の大半が省けます。

読むための文章ではなく、プレーヤーや編集ソフトに渡す字幕ファイルが必要なら、YouTube 字幕ダウンロードをお使いください。取得元は同じで、TXT・SRT・VTT として書き出せます。

よくある質問

YouTube にログインする必要はありますか？

ありません。YouTube が動画とともに公開配信しているデータだけを読み取ります。

限定公開や年齢制限のある動画も使えますか？

使えません。公開配信されていないため、読み取れるトラックが存在しません。

長い動画では途中で切られますか？

切られません。すべての区切りが返ります。長い動画は解析にやや時間がかかるだけです。

最初の解析だけ遅いのはなぜですか？

最初の一回は YouTube からデータを取りに行くため数秒かかります。その後の言語切り替えや本文の検索はブラウザー側の処理なので、ほぼ待ち時間がありません。