YouTube動画を文字起こしする方法

短く実用的な手順のご紹介です。

2つの異なる作業

既存の字幕を読むのは速くて無料で、このツールが既定で行うことです。字幕のない音声を文字起こしするのは別の作業で、音声認識モデルが必要です。

字幕がない場合

動画に字幕トラックがなければ、そこから直接何かを抽出することはできません。音声をダウンロードして音声認識サービスに通す必要があります。フッターの音声ツールは、まさにそのためのアップロードに対応しています。

「YouTube動画を文字起こしする」と言っても、指しているのは2つの別の作業です。どちらを求めているかを分かっているだけで、かなりの時間を節約できます。動画に字幕があれば、文字起こしとはそれを読むことです。すぐに終わり、無料です。字幕がなければ、音声を実際に聞くしかなく、時間がかかるうえに音声認識サービスが必要になります。

このページでは、圧倒的多数を占める前者について説明します。講演、インタビュー、講義、チュートリアルにはほとんど字幕トラックが付いており、それを読めば、再生時間を待たずに1秒で同じテキストが手に入ります。

関連ツール

よくある質問

動画を最後まで聞く必要はありますか？
いいえ。字幕があればテキストはすでに書かれていて、それを取得するだけなので、聞く作業は発生しません。だから1秒ほどで結果が返ってきます。
字幕がまったくない動画の場合は？
その場合は音声を認識させる必要があり、別の処理になります。録音と同じくらいの時間がかかり、音声認識プロバイダーに依存します。このサイトの音声ツールと動画ツールのページがそのケースに対応しています。
字幕と音声認識では、どちらが正確ですか？
通常は字幕です。人が書いたか、動画自体の文脈を踏まえてプラットフォームが生成したものだからです。音声をあらためて認識させても、それより良くなることはほとんどなく、むしろ悪くなることが多いです。
非公開の動画も文字起こしできますか？
できません。字幕は視聴者がたどれるのと同じ経路で取得できる必要があるため、ログインの内側にあるものには手が届きません。
ライブ配信も文字起こしできますか？
配信が終わり、録画に字幕が付いていれば可能です。配信中の段階では、読める形で確定したものはありません。
最も良い結果を得るには？
動画に複数の言語の字幕がある場合は適切な言語を選び、投稿者の字幕と自動生成の字幕が両方ある場合は投稿者のものを優先してください。