重要なポイント
テキストをSRTに変換するには、2つの作業が必要です。1つはプレーンテキストを読みやすい字幕キューに分割すること、もう1つは各キューに開始・終了のタイムコードを割り当てることです。すでに文面がある場合、フル機能の文字起こしソフトは必要ありません。必要なのは、適切なタイミング、読みやすい改行、有効な字幕フォーマットを作成できるテキストからSRTへの変換ワークフローです。もっとも手早い方法は、ブラウザベースのテキストからSRTへの変換ツールに原稿を貼り付け、自動でキューに分割し、タイミングを設定したうえで、最後に読みやすさを軽く手動で確認することです。字幕ファイルにまだ慣れていない場合は、プレーヤーや編集ソフトが何を前提としているのかを理解するために、SRTファイルとは何かもあわせて把握しておくと役立ちます。
文字起こし、台本、講義ノート、歌詞、その他のプレーンテキストがあり、そこから字幕を作りたい場合、難しいのはファイル拡張子ではありません。タイミングです。有効な .srt ファイル自体は、番号付きの字幕ブロックにタイムコードとテキストが入っているだけですが、字幕をプロ品質に見せるには、各ブロックが無理なく読める長さであり、自然に追えるだけの表示時間が必要です。
そのため、「txt to srt」は単純にコピーして貼り付け、保存するだけではありません。テキストを字幕向けのまとまりに分割し、表示時間を見積もるか割り当て、その後で実際の話し方に合うようタイミングを調整する必要があります。以下では、実践的な手順を順を追ってご紹介するとともに、よくある字幕ミスを防ぐためのルールも解説します。
テキストからSRTへの変換で実際に必要なこと
「script to srt」や「テキストを字幕に変換」と検索する人が指している内容は、通常次の2つのどちらかです。
- すでに文面がある場合。 テキストを、タイミング付きの字幕キューに変換したいケースです。
- 音声または動画しかない場合。 字幕変換の前に、まず文字起こしが必要です。
この記事では前者、つまりすでにテキストがあるケースを扱います。この場合、変換には2つの基本作業があります。
1. テキストを字幕キューに分割する
字幕は段落ではありません。良い字幕キューには通常、短い1文または意味のまとまった1フレーズが入ります。1つのキューにテキストを詰め込みすぎると、視聴者は行を読み切れなかったり、読むために動画視聴を中断したりしてしまいます。
たとえば、次のプレーンテキストの文は、字幕1つとしては長すぎます。
「始める前に、このツールがどのように動作するのか、自動でどんなタイミングを生成するのか、そして最終ファイルを書き出す前に何を手動で確認すべきかを説明したいと思います。」
より良い字幕の分け方は、次のようになります。
始める前に、
このツールの仕組みを説明します。
自動でどのようなタイミングを生成するのか、
そして手動で何を確認すべきかを。
最終ファイルを書き出す前に。
2. 開始・終了のタイムコードを割り当てる
すべてのSRTキューには、次の形式の開始時刻と終了時刻が必要です。
00:00:12,500 –> 00:00:15,200
テキストが実際の発話ではなく台本由来の場合は、読む速度や話者の実際の話すペースをもとにタイミングを見積もる必要があります。そのため、自動タイミングは最初のたたき台としては便利ですが、重要な動画でそのまま最終版にするのはおすすめできません。
英語字幕では、快適に読める目安として1秒あたり15〜17文字程度が、概ねプロ品質の基準とされています。これより速いと、多くの視聴者は追いつけません。逆に遅すぎると、字幕の表示が間延びしたり、画面に残りすぎたりする印象になります。
手順で解説：ブラウザでプレーンテキストをSRTに変換する方法
できるだけ早く進めたい場合は、txt to srt変換専用のブラウザツールを使うのが便利です。以下の流れはシンプルで実用的で、すでに台本が用意できているときに特に役立ちます。
ステップ1：台本または文字起こしを貼り付ける
変換ツールを開き、プレーンテキストを貼り付けたら、キューを生成する前に内容を見直します。入力の整え方は重要です。話者メモ、場面指示、別形式のタイムスタンプ、繰り返しの見出しなど、画面に表示すべきでないものは削除してください。
良い元テキストの例：
- 話し言葉の自然な文。 「おかえりなさい。今日は料金、設定、書き出しについて見ていきます。」
- 適度な句読点。 句点や読点があると、ツールが自然な区切りを見つけやすくなります。
- 字幕トラックごとに1言語。 複数言語が混在したテキストは、不自然なキュー分割につながりやすくなります。
良くない元テキストの例：
- 文字が詰まった長文。 句読点のない大きな段落。
- 書式のノイズ。 箇条書き、タイムスタンプ、絵文字、演出メモ、またはPDFからコピーした際の崩れた改行など。
- 文字起こし特有の不要語。 字幕に入れたくない過剰な「あの」「えっと」や重複語句。
ステップ2：テキストを字幕サイズのキューに自動分割する
自動分割機能を使って、字幕として読めるサイズのまとまりにテキストを分けます。こうすることで、テキストの塊を番号付きキューに変えられるため、字幕を1つずつ手作業で作るより大幅に時間を短縮できます。
目標は、単に「小さく分ける」ことではありません。読みやすく分けることです。出発点としては、次を目安にしてください。
- 1行を短く保つ。 1行あたり42文字以内を目安にします。
- 最大2行まで。 3行以上になると、画面の情報を覆いすぎます。
- 意味の切れ目で分ける。 可能であれば、読点、接続詞、自然な間で区切ります。
たとえば、あるキューが「私たちは顧客インタビューを分析し、オンボーディングに関する3つの共通課題を見つけました」だとして、次のように分けるのは避けてください。
私たちは顧客インタビューを分析し、
オンボーディングに関する3つの共通課題を見つけました
これは許容範囲です。ですが、次の分け方はより不自然です。
私たちは顧客
インタビューを分析し、オンボーディングに関する3つの共通課題を見つけました
後者はフレーズの切れ目が不自然です。機械的な長さよりも、読みやすさを優先してください。
ステップ3：自動タイミングを適用する
テキストを分割したら、次はタイミングを生成します。優れたテキストからSRTへの変換ツールは、テキストの長さから各キューの表示時間を見積もり、字幕が読むのに十分な時間だけ画面に残るようにします。これは、台本ベースの案件、ラフカット、社内レビュー用動画、あるいは最終的なボイスオーバーのタイミングがまだ確定していない段階で字幕を準備する場合に特に適しています。
ここでの実用的な利点のひとつは、処理がブラウザ内で行われることです。つまり、SRTを作成している間にテキストがアップロードされません。これは、非公開の台本、クライアント向けの草案、社内会議の資料などで役立ちます。
タイミングの目安は次のとおりです。
- 最短表示時間： 1キューあたり約1秒。
- 最長表示時間： 1キューあたり約7秒。
- 読書速度： 1秒あたりおおよそ15〜17文字。
たとえば、30文字の字幕であれば2秒前後必要になることが多いです。2行で70文字の字幕なら、4〜5秒程度必要になる場合があります。自動タイミングでかなり近いところまでは持っていけますが、長いキュー、短すぎるキュー、話すペースが変化する箇所は、必ず見直してください。
ステップ4：改行と文言を調整する
ダウンロード前に、すべての字幕ブロックを確認し、重く感じる箇所や不自然な箇所を修正します。この工程で、平均的な字幕がプロらしい字幕へと変わります。
確認したいポイント：
- 長すぎるキュー。 読むのが遅く感じる場合は、2つの字幕に分けます。
- 不自然な改行。 名前、動詞、短いフレーズはできるだけ分けずに保ちます。
- 不要な言いよどみ。 用途上問題なければ、逐語字幕ではなく整えた字幕として、重複語句を削除します。
元が整った台本であれば、この工程は通常すぐ終わります。粗い文字起こしから作る場合は、数分程度のクリーンアップを見込んでおくとよいでしょう。
ステップ5：.srt ファイルをダウンロードする
キューの文面とタイミングを確認したら、.srt として書き出します。その後、利用する動画プラットフォーム、編集ソフト、またはプレーヤーで必ずテストしてください。プラットフォームがファイルを受け付けない場合や、字幕表示に違和感がある場合は、ほかの原因を疑う前にSRT validatorで形式を検証するのがおすすめです。
仕上がりをプロらしく見せる字幕作成ルール
自動変換は時間短縮に役立ちますが、見やすい字幕にするにはやはり作り込みが必要です。ここでのルールが、「技術的には正しい」字幕と「見やすい」字幕を分けます。
行の読みやすさを保つ
- 1行最大42文字。 これは多くの動画レイアウトで信頼できる目安です。
- 1キュー最大2行。 3行必要になる字幕は、ほとんどの場合分割した方が適切です。
- 行の長さのバランスを意識する。 極端に長い1行と短い1語の組み合わせより、長さが近い2行の方が通常読みやすくなります。
読書速度を守る
プロの字幕制作者は、感覚だけでなく1秒あたりの文字数を基準に作業することがよくあります。一般的な視聴者向けには、15〜17 CPS前後がしっかりした基準です。短いSNS動画では多少速めでも成り立つことがありますが、それを継続的に超えると、読みやすさは急激に落ちます。
例：
- 50文字を2秒で表示 = 25 CPSで、多くの視聴者には速すぎます。
- 50文字を3.5秒で表示 = 約14 CPSで、かなり読みやすくなります。
自然な発話の区切りに合わせてタイミングを取る
最初は見積もりタイミングから始める場合でも、キューの区切りは発話の流れに沿っているべきです。可能であれば、句読点、間、節の切れ目、話者の切り替わりで字幕を終えるようにします。考えの途中で字幕が切れ、次のキューがすぐに出ると、機械的な印象になります。
無理のない表示時間に収める
目安として、各字幕の表示時間は1〜7秒に収めるのがおすすめです。1秒未満は読みにくいことが多く、7秒を超えると、よほど短い文でない限り静止して見えがちです。
最初の書き出し後にタイミングを微調整する方法
多くのscript-to-SRT作業では、書き出し後にもう一度調整が必要になります。特に、実際の動画やボイスオーバーが手元にある場合はなおさらです。どこを見ればよいか分かっていれば、微調整はそれほど難しくありません。
字幕トラック全体をずらす
すべての字幕が同じだけ一貫して早い、または遅い場合は、各キューを1つずつ編集しないでください。ファイル全体を一括でずらしましょう。専用の字幕タイムシフトツールを使えば、SRT全体に固定オフセットを加算または減算するのがもっとも簡単です。
例：すべての行が1.2秒早く表示されるなら、ファイル全体に +1.2 秒のシフトを適用します。
問題のある区間だけを再調整する
冒頭は合っているのに後半でずれが出る場合、元の台本と実際の発話ペースが異なっている可能性が高いです。その場合は、次のように対応します。
- 情報量の多いキューを短くする。 速読を強いる長い字幕は分割します。
- 重要な行の表示時間を延ばす。 重要な内容や技術的な内容は、少し長めに表示します。
- 切り替え位置を再調整する。 開始と終了を、間や区切りに合わせて移動します。
最終的な掲載先で確認する
すべてのプレーヤーが同じように字幕を表示するわけではありません。必ず実際の掲載先、たとえばYouTube、学習プラットフォーム、メディアサーバー、または編集ソフト上でプレビューしてください。掲載先がSRTではなくWebVTTを推奨している場合は、最終版を書き出す前に、VTTとSRTの違いを比較したガイドを確認しておくと安心です。
よくあるテキストからSRTへの変換ミスと対処法
| ミス | 起こりがちな状態 | 対処法 |
|---|---|---|
| 文字が詰まった長文 | 1つのキューに完全文や段落レベルの長さが入っている | 意味の切れ目で短いキューに分割し、最大2行・1行42文字を目安にします |
| 読むには速すぎるキュー | 情報量の多い字幕が2秒未満で流れてしまう | 表示時間を延ばすか、1秒あたり15〜17文字前後になるまでキュー数を増やします |
| ミリ秒のカンマとピリオドの誤り | タイムコードが 00:00:05.500 のようにカンマではなくピリオドになっている | SRTではミリ秒に必要なのはピリオドではなくカンマです |
| 空行の不足 | 字幕ブロックが続いてしまい、正しく解析できない | 各キューには、番号、タイムコード行、字幕テキスト、その後に空行が必要です |
| 文字エンコーディングの誤り | アクセント記号や英語以外の文字が文字化けする | ファイルをUTF-8で保存し、アップロード前に特殊文字を再確認してください |
変換ではなく文字起こしを先に行うべきケース
テキストからSRTへの変換が使えるのは、すでに文面がある場合だけです。実際に手元にあるのが音声または動画なら、変換だけでは解決しません。まず文字起こしを行い、その後で字幕形式に整える必要があります。
文字起こしが必要な代表例：
- 録音・録画しかない。 台本も文字起こしも字幕もありません。
- 話者がアドリブで話している。 書かれた台本と実際の発話が一致していません。
- 正確な同期が必要。 文言とタイミングを、見積もりではなく実際のメディアに合わせる必要があります。
元データがYouTube動画であれば、まず話された内容を取り出すのがもっとも実用的な出発点になることが多いです。字幕に変換する前に文面を抽出したい場合は、YouTube transcriptの取得方法に関するこのガイドが役立ちます。
また、録音、文字起こし、字幕の調整をモバイル環境で日常的に行う場合は、Soz AI appも、音声を記録して字幕化前のテキストを整えるためのシンプルな補助ツールとして活用できます。
よくある質問
ソフトをインストールせずにテキストをSRTに変換できますか？
はい。すでに台本や文字起こしがあるなら、ブラウザベースのテキストからSRTへの変換ツールだけで十分対応できるケースは多くあります。テキストを貼り付け、字幕キューに分割し、タイミングを適用して、結果を確認したうえで .srt ファイルをダウンロードします。プライバシーに配慮が必要な作業では、テキストをアップロードせずローカルで処理できるブラウザ内処理が特に便利です。
字幕を動画にぴったり合わせるにはどうすればよいですか？
必要に応じてまず自動タイミングを使い、その後で実際の動画に字幕を重ねて確認します。各キューの開始・終了を、発話の間、文末、話者の切り替わりに合わせて調整してください。字幕トラック全体が同じだけ早い、または遅い場合は、固定オフセットでファイル全体をずらします。一部の区間だけずれる場合は、元テキストと話すペースが異なるため、その区間を手動で再調整します。
SRTとVTTのどちらを使うべきですか？
SRTは動画プラットフォーム、編集ソフト、プレーヤーで広く対応しているため、もっとも無難な標準形式です。掲載先が明示的にVTTを求めている場合や、WebVTTに関連するWeb向け機能が必要な場合はVTTを使ってください。迷った場合は、まずSRTを書き出して試し、掲載先がVTTを好む場合のみ切り替えるのがおすすめです。
字幕1行あたり何文字が適切ですか？
プロ品質の目安としては、1行42文字以下、かつ1字幕あたり最大2行が安定しています。これはすべてのプラットフォームに共通する絶対ルールではありませんが、実際の字幕レイアウトの多くでうまく機能します。また、表示時間が短すぎると、短い行でも読みにくくなるため、読書速度も必ず確認してください。
