YouTube動画の文字起こしを取得する方法
これを検索すると、代わりに文字起こしを取ってきますというサイトがずらりと並びます。ほとんどの場合、そのどれも必要ありません。YouTube自身が、あなたがいま開いているそのページで、無料で文字起こしを見せてくれるからです。ここでは他人の動画の場合の公式ルート、自分の動画の場合の公式ルート、そしてそのどちらでも足りないのはどんなときかを、正直に書きます。
他人の動画：文字起こしは説明欄の中にある
デスクトップ版サイトなら、動画の下の説明欄までスクロールして展開します。そのブロックの一番下に文字起こしという見出しのセクションがあり、「Follow along using the transcript」の一文と文字起こしを表示ボタンが並んでいます。クリックすると動画の右側にパネルが開き、再生に合わせてスクロールします。
しばらくぶりにこの機能を探した人のために書いておくと、場所が変わりました。以前は動画の横の三点メニューの中にあり、古い解説記事の多くはいまもそこへ案内しています。現在は説明欄の中です。
パネルを開いたあとに効いてくる点が2つ。行をクリックすると動画がその時点に飛ぶので、本当に見たかった一箇所を探すのが一気に速くなります。もう1つ、パネル自身のヘッダーにある三点メニューにToggle timestampsがあり、テキストをコピーする前に時刻を取り除けます。
モバイル版のWebサイトには、このパネルがそもそもありません。 スマホで見ているなら、デスクトップ版サイトをリクエストするか、パソコンで開き直してください。
表示できる文字起こしがないとき
文字起こしパネルは動画の字幕から組み立てられているので、字幕のない動画には文字起こしもありません。自動字幕が生成されない理由としてYouTube自身が挙げているものは、空振りのほとんどを説明してくれるので知っておく価値があります。
- 動画に含まれる複雑な音声の処理に時間がかかっているため、字幕がまだ完成していない。
- 自動字幕起こし機能が動画の言語に対応していない。
- 動画が長すぎる。
- 動画の音質が悪い、またはYouTubeで認識できない音声が含まれている。
- 動画の冒頭で無音状態が長く続いている。
- 複数の人が同時に話していて音声が重なっている、または複数の言語が同時に話されている。
自動字幕は、長尺動画とショートのどちらでも67言語で生成されます。ライブ配信については英語のみです。
自分の動画：Studioから字幕ファイルをダウンロードする
自分のチャンネルの動画なら、YouTubeは字幕をファイルとして渡してくれます。
- YouTube Studioにログインします。
- 左側のメニューから字幕を選びます。
- 動画をクリックします。
- 目的の言語の横にある編集をクリックします。
- オプションを開いて字幕をダウンロードを選びます。
ひとつ癖があります。手を加えていない自動字幕トラックの場合、言語の横のボタンは「編集」ではなく複製して編集になります。YouTubeが自動字幕をその場で書き換えさせるのではなく、そこから編集可能な新しいトラックを生成するためです。
どんなファイルが手元に来たとしても、当サイトの無料の字幕コンバーターがプレーンテキストに、あるいは別の字幕形式に変換します。処理はどこにもアップロードせずに行われます。
自動字幕は実際のところどんなものか
YouTubeはこの点について珍しく率直です。自社のドキュメントで、自動字幕は機械学習によって生成されるため「品質にばらつきが出る可能性があります」と述べ、クリエイターにはまず専門サービスによる字幕を用意するよう勧め、さらに自動字幕起こしは「間違った発音、アクセント、方言、雑音が原因で」動画の中で話されている内容を正しく表示できないことがあるとしています。締めくくりは、内容を必ず確認して修正するように、という一文です。
ほとんどの人が目にしない設定もあります。不適切な可能性がある単語を表示しないはデフォルトでオンになっていて、該当する語を自動字幕の中で[ __ ]に置き換えます。自動文字起こしから引用していてこれに出くわしたなら、その単語は音声から抜け落ちたのではなく、フィルタされたということです。
そしてテキストの形そのものの問題があります。自動字幕は動画と同期させながら読むために書かれていて、発話に合わせた短い断片になっています。これは文書として読まれる仕事とは別物です。自動文字起こしをドキュメントに貼り付けると、一語一句が正しくても句の壁のように感じられるのは、そのためです。
元ファイルを文字起こししたほうがいいとき
元の録音が手元にあるなら - 自分で録ったインタビュー、自分のポッドキャスト、自分の講義 - ファイルに戻ることで、字幕トラックにはないものが手に入ります。
- 話者ラベル。 自動字幕は誰が話しているかを教えてくれません。声が2つ以上あるものでは、たいていそこが肝心です。
- 読まれるために書かれた文字起こし。 字幕の断片ではなく、段落のある文章です。
- 同じ処理のなかでの他言語への翻訳。
- 不適切語フィルタがない。 引用できる範囲を勝手に決められることがありません。
それがSpeechoのやることです。音声か動画をアップロードすれば、タイムスタンプと話者ラベル付きの文字起こしが返ってきます。必要なら字幕と要約も付きます。最初の15分は無料で、サブスクリプションはありません。
手元にあるのが音声ではなく動画ファイルなら、音声抽出ツールがブラウザ内でサウンドトラックを先に取り出します。自分のアップロードを準備しているところなら、チャプター整形ツールが雑なタイムスタンプをYouTubeのチャプター要件を満たすリストに整えてくれます。
ひとつだけはっきり言っておきたいこと
他人の動画をダウンロードして音声を取り出すことは、YouTubeが公開している文字起こしを読むこととは別の行為で、YouTubeの利用規約もそう扱っています。文字起こしパネルも、自分のチャンネルの字幕ファイルも、YouTubeが意図して用意している機能です。そちらを使い、Speechoは自分で録った素材に使ってください。
