ReelsとTikTokの字幕：誰も公開していないセーフゾーン
ショート動画の字幕について誰もが繰り返している2つのことは、調べてみると足元が怪しくなります。1つはセーフゾーン - インターフェースに文字が隠されないよう空けておけと言われる、あの正確なピクセル値。もう1つは、そもそもなぜ字幕を付けるのかという理由です。どちらも一度きちんと見ておく価値があります。実際に公開されているもののほうが、人づてに回っている話より役に立つからです。
「音声オフ」の統計は2016年のもので、一度も確認されていない
見たことがあるはずです。Facebook動画の85%は音声なしで視聴されている。出どころは2016年5月のDigidayの記事で、この数字は数社のパブリッシャーが自社ダッシュボードの数値を申告したものを寄せ集めたものでした - そのうち1社は、実際には50〜80%という幅で報告しています。Facebookはこれを一度も認めていませんし、音声オンのデータを分析画面に出したこともありません。それが10年にわたり、出典を静かに切り離されたまま再利用されてきました。
Instagramは2022年に自社の数字を公開しています。Instagramでの動画再生のおよそ3分の1が音声オフ、というものです。これはInstagramがInstagramを計測した数字であり、85%とはかけ離れています。
TikTokはさらに遠い。自社調査を引きながら、TikTokはユーザーの88%が音を体験に不可欠だと考えていると述べています。TikTokは音声オンのプラットフォームです。「どうせ誰も音を出していないから」という理由でTikTokに字幕を付けるのは、10年前の他社プラットフォームの話を土台にした主張です。
だから、本当の理由のために字幕を付けましょう。耳の聞こえない人、聞こえにくい人のため。待合室で見ている人のため。訛りのある発話、名前、数字、専門用語を理解してもらうため。そして視聴維持のため - 米国の成人5,616人を対象にしたある消費者調査では、字幕があれば動画を最後まで見る可能性が高いと答えた人が80%、字幕を使う人の80%は聴覚に障害のない人でした。この調査は2019年のもので、見出しの数字に付いていた「公共の場では」という条件がしょっちゅう落とされます。正確な値としてではなく、方向性として扱ってください。
完全に避けるべき主張がひとつあります。MetaもTikTokも、字幕がリーチやランキングに影響するとは一度も言っていません。これは誰かが作り上げた話です。
オーガニック投稿に公式のセーフゾーンは存在しない
いちばん驚いた発見がこれでした。オーガニックのReelsやTikTokに向けたセーフゾーンのガイダンスは、どちらの会社も公開していません。 両社が公開しているのは広告主向けのものだけで、しかも互いに噛み合わない形式で出しています。
Metaは広告ガイドの中でパーセンテージを示していて、文言はReelsでもStoriesでも同じです。
素材の上部およそ14%、下部35%、左右それぞれ6%は、テキスト、ロゴ、その他の重要なクリエイティブ要素を置かずに空けておくことをご検討ください。
1080 x 1920のキャンバスなら、上におよそ269px、下に672px、左右に65pxずつ空ける計算になり、使える領域は約950 x 979です。古いガイドで見かける「340px」という数字より、下の余白がどれだけ大きいかに注目してください。あの数字は17.7%で、Stories時代のものです。Metaの現在の35%に対しては、単純に間違いです。
Metaが言っていて、めったに引用されないことがもう2つあります。9:16より縦長の画面では、Metaは「クリエイティブを拡大して画面全体をより埋めることがあり（その場合、セーフゾーンの外側が切り取られることがあります）」、あるいはレターボックス表示にします - つまりセーフゾーンは目安であって、保証ではありません。そして注記や免責文については、Metaは下部**40%**を空けるよう求めています。
TikTokは逆のアプローチを取り、数値を出すこと自体を拒んでいます。
セーフゾーンのサイズは、寸法（縦型、横型、正方形）、広告キャプションの長さ、インタラクティブなアドオンの使用状況によって決まります。キャプションが長くなるほど、セーフゾーンは小さくなります。
ピクセル値の代わりに、TikTokはAds Manager経由でダウンロードできるオーバーレイのテンプレートを配布しています。これは意図的な設計判断であり、同時に誠実な答えでもあります。TikTokのセーフゾーンは、自分のキャプションが伸びるほど縮んでいく動く標的なのです。
つまり、TikTokについて出回っている正確なピクセル値は、すべて第三者による実測値です。この記事のために調べたところ、5つの異なる数値セットが見つかりました。どれも自信たっぷりに書かれ、どれも1080 x 1920向けで、下の余白は120pxから484pxまでばらついていました。このばらつきこそが本題です。TikTokのセーフゾーンの数値は信用しないでください - 私たちが出す数値も含めて。
これらすべてを生き延びる実用的なルールはこうなります。字幕は縦方向で画面の中央3分の1に収め、左右も十分に内側に入れ、公開する前にアプリで結果を確認する。MetaのAds Managerには「Safe zone guardrail」というオーバーレイがあり、実物を見せてくれます。そこまで行く前に、字幕セーフゾーンチェッカーが自分のフレームの上にMetaの余白を描き、どの字幕がその中に入るかを教えてくれます。
内蔵の自動字幕でできること、できないこと
いまはどちらのプラットフォームも自動で字幕を生成し、どちらもデフォルトでオンになっています。
Instagramは2022年から自動生成字幕をデフォルトでオンにしていて、公開されている対応リストは英語、スペイン語、ポルトガル語、フランス語、ドイツ語、イタリア語、アラビア語、トルコ語、ロシア語、日本語、ヒンディー語、インドネシア語を含む17言語です。このリストはその後、公開の場では更新されていません。クリエイターは投稿時のその他のオプションから、あるいは投稿後に編集の詳細設定から、この切り替えにたどり着けます。
TikTokもアップロード時に字幕を生成するようになりました - 手順の説明が機能の提供開始当時のものなら、知っておく価値があります。当時はクリエイターが自分でオンにする必要がありました。投稿前にその他のオプションで言語を設定でき（動画の言語を選択）、字幕はタップして編集や削除ができます。公開の前でも後でも可能です。
ここからが本当に重要な制限です。どちらのプラットフォームも、字幕ファイルは渡してくれません。 ダウンロードできるSRTはなく、アプリの外で編集できるものもなく、同じ動画のYouTube版やLinkedIn版に使い回せるものもありません。唯一の例外はMetaの有料広告で、clip.en_US.srtという名前のSRTをアップロードし、それをまた書き出すこともできます - オーガニック投稿には端からない機能です。
ですから、同じ動画を2か所以上に出すなら、あるいは字幕が「だいたい合っている」ではなく「合っている」必要があるなら、字幕はプラットフォームの外で作るしかありません。
自分でコントロールできるのは読みやすさの部分
自動字幕はたいてい正確で、しばしば読むのが疲れます。正確さと読みやすさは別の問題だからです。放送の字幕制作は、その数字を何十年も前から知っています。
- 1秒あたり約17文字（17 CPS）。 これを超えると、視聴者は読むのをやめて流し読みを始めます。
- 最大2行。縦型動画なら1行のほうが良い。
- 1行あたり約42文字を上限として。
- 最低でも1秒は画面に出す。 2語だけの字幕でも。
この4つはラテン文字圏の放送字幕から来た数値です。1文字あたりの情報量が大きい日本語では、同じ秒数で読める文字数はこれより少なくなるので、そのまま日本語に当てはまるわけではありません。私たちのチェッカーはこの放送基準をデフォルト値として使っていて、配信先や言語に合わせて変更できます。数値の出どころと考え方は4つの数字と、その根拠で詳しく説明しています。
TikTokは、これときれいに符合する数字を1つだけ自ら公開しています。画面上のテキストは1秒あたり5〜10語で表示することを推奨し、自社調査ではそのテンポが他のタイミングと比べて認知度を2.1倍に押し上げたとしています。1秒に5〜10語は、1秒17文字とだいたい同じ領域に、別々の道からたどり着いた数字です。
私たちの字幕の読みやすさチェッカーは、SRTやVTTをまさにこの上限と照らし合わせ、速く流れすぎる字幕、長すぎる字幕、行数が多すぎる字幕をすべて指摘します。
フォントサイズについては、両プラットフォームとも最小値を公開していません。Metaが言うのは「モダンで読みやすいフォントを、十分に大きなサイズと対比のある色で」という程度です。どこでも見かける「48〜72pxの太字」というアドバイスは、仕様ではなく制作会社の慣習にすぎません - 出発点としては役に立ちますが、ルールとして引用しないでください。
文字を大きく保つべき、もう1つの理由
Instagramのトップ、Adam Mosseriは2024年終盤に、見られていない動画はInstagramが再エンコードすると述べています。「長いあいだ視聴されていないものは……より低い画質の動画に切り替えます。そしてまた多く見られるようになれば、高画質の動画をもう一度書き出します」
再生数の少ないReelsは、エンコードが悪くなります。細くて小さい字幕は、ビットレートが下がったときに真っ先に崩れるものです - つまり、読めない字幕をいちばん抱えられない動画ほど、それを抱え込みやすい。大きく、コントラストを高く、言葉は少なく。
実際に機能するワークフロー
- まず正確な文字起こしを手に入れる。 動画をSpeechoにアップロードして、きちんとした句読点と話者ラベルの付いたSRTを受け取ります - 最初の15分は無料です。
- 見た目を整える前に点検する。 読みやすさチェッカーにかけ、1秒17文字を超えるものは、表示時間を短くするのではなく字幕を分割して直します。
- 編集ソフトが別の形式を求めるなら変換する。 字幕コンバーターが、ブラウザ内でSRT、VTT、プレーンテキストの間を行き来させます。
- 焼き込む。 Caption Studioが代わりにやってくれます。スタイルを選び、画面の中央3分の1に上げ、ショート動画の見た目にしたければ単語ごとのハイライトをオンにするだけ。タイミングは文字起こしから取るのでキーフレームは不要です。もちろん自分の編集ソフトで、大きく高コントラストに入れても構いません。
- 公開前にアプリで見る。 ノートPCのプレビューではなく、スマホで。
プラットフォームのトグルを押すのではなくこの手順を踏む理由は、最後にファイルが自分のものとして残るからです。同じ字幕がYouTube版にも、LinkedInの投稿にも、クライアントに送る版にも乗り、そのどれもゼロから始めずに済みます。
