字幕を音声に：各行をそれぞれのタイミングで、1本のMP3に

はい。Speechoのテキスト読み上げを「字幕」モードにしてファイルを開き、声を選んで読み上げます。各字幕がそれぞれのタイミングで話される1本のMP3ができ、必要なら行ごとのファイルも受け取れます。

各字幕はそれぞれの開始時間に始まります。時間に収まらないほど言葉が多い行は、声の高さを保ったまま最大25%速められます。それでも足りない場合は、後の無音部分で遅れが取り戻されるまで、次の行が少し遅れて始まります。時間がきつい行は、支払いの前にパネルに表示されます。

SRT、WebVTT（.vtt）、SBVで、ファイルでも貼り付けたテキストでも使えます。字幕番号、WEBVTTヘッダー、ノート、スタイル指定は無視され、<i>などのタグは本文から除かれます。

はい、ファイルに話者名がある場合です。字幕の先頭に<v Anna>のようなWebVTTの音声タグがあれば、名前ごとに別の声が最大8つまで付き、どの声も変更できます。行を別の話者に移すには、タグを書き換えます。

効果音タグだけの字幕はトラック上で無音のままで、課金もされません。その件数はパネルに表示されます。

はい。MP3は字幕の始まる位置から始まるので、動画と位置が合います。チャンネルでYouTube Studioから音声トラックを追加できる場合は、その言語のトラックとしてアップロードしてください。

動画とMP3を、動画の音声を差し替える無料ツールにドロップします。ブラウザ内で動き、映像はそのままコピーされます。どの動画編集ソフトでも同じことができます。元の音声をミュートして、MP3を先頭に置きます。

すべての字幕を1つのテキストとして計算します。スタンダード、エンハンスト、プレミアムの声で1,000文字あたり50、110、160クレジット、各字幕は最低10文字として数えます。10分の動画の字幕なら、エンハンストで約1,000クレジットです。

口の動きに合わせた吹き替えではありません。声は字幕のタイミングに従い、話す人の口元には合わせないため、ナレーション、チュートリアル、講座、プレゼンテーションに最も向いています。

「文字起こし」で動画をアップロードしてください。字幕を作り、必要なら翻訳し、元のタイミングで読み上げるところまで一度に行えます。