動画字幕の追加方法｜自動字幕・手動字幕・SRT形式の解説

動画字幕には以下の種類があります：1）クローズドキャプション（CC）：動画に埋め込まれたテキストで、視聴者がON/OFFを切り替えられる。YouTubeの自動字幕・手動字幕がこれにあたる。2）オープンキャプション（バーン字幕）：映像に焼き込まれた字幕。視聴者はON/OFFできない。TikTok・Instagram向けの動画でよく使われる。3）字幕（Subtitle）：主に翻訳目的の字幕。スピーカーが話している言語以外の言語で表示。

字幕が重要な理由：1）SNSでのミュート視聴：TikTok・Instagram Reelsのユーザーの多くが音声なしでスクロール視聴します。字幕があれば内容を把握できます。2）SEO：YouTubeは字幕テキストをインデックスするため、字幕の追加が検索順位に影響します。3）アクセシビリティ：聴覚障害者・難聴者に情報を届けることができます。4）多言語対応：字幕翻訳で海外視聴者にリーチできます。

YouTubeは動画アップロード後に自動的に字幕を生成する「自動字幕（自動キャプション）」機能を持っています。言語は日本語・英語・スペイン語・ポルトガル語・ドイツ語・フランス語等多くの言語に対応。自動字幕の精度は音声品質に大きく依存します。明瞭な音声・少ない背景ノイズ・標準的な話速であるほど精度が上がります。

自動字幕に誤りがある場合は、YouTube Studioの「字幕」タブから修正できます。手動字幕（SRTファイル）：SRT（SubRip Text）形式のテキストファイルをYouTubeにアップロードすることで正確な字幕を追加できます。SRTファイルは各字幕のタイムコード（開始・終了時間）とテキストを含むシンプルなテキスト形式です。

OpenAI Whisper：高精度な音声認識AIで多言語対応。ローカルで実行でき、プライバシーが守られる。複数のUIアプリが無料で提供されています（MacWhisper・Whisper Transcription等）。Descript：動画編集と字幕生成を統合したツール。音声認識で自動的に字幕を生成・編集できる。Adobe Premiere Pro：2023年から音声認識による自動字幕生成機能を搭載（Adobe Senseiを使用）。

VEED.IO・Kapwing：オンラインの動画編集ツールで字幕自動生成機能を持つ。CapCut・Clipsなどのスマートフォンアプリも字幕自動生成に対応しています。字幕生成AIの精度はVideoAudioTuneで音声品質を向上させることで改善できます。特にWhisperはVoice Clarityプリセットで処理された明瞭な音声の認識精度が高いです。

字幕生成AIの精度は音声品質に直接依存します。VideoAudioTuneで音声品質を向上させることで、自動字幕・AI字幕生成の精度が改善されます。具体的には：こもった声・背景ノイズが多い音声→自動字幕の誤認識が多い。Voice Clarityプリセット適用後→声の明瞭さが向上→自動字幕の精度が改善。

音声品質改善が字幕精度に与える効果：1）誤字・誤認識の削減：聞き取りにくかった言葉が正確にテキスト化される。2）字幕修正作業の削減：誤りが少なくなることで手動修正の工数が減る。3）多言語翻訳の品質向上：精度の高い字幕は翻訳の基礎としても優秀。VideoAudioTuneでの音声処理→字幕生成AIでの字幕作成、というワークフローが効率的です。

効果的な字幕のデザイン・タイミングのポイント：1）1画面あたりの字数：日本語は1画面15〜20文字、英語は約42文字以内が読みやすい。2）表示時間：最低1秒、最大7秒程度。話速に合わせた適切な長さに。3）フォント：太めで読みやすいフォントを使用（源ノ角ゴシック・Noto Sans等）。4）コントラスト：白いテキストに黒い縁取り・または黒い背景に白いテキストが視認性高い。

5）位置：画面下部中央が標準。字幕と映像の重要な部分が重ならないよう注意。TikTok・Instagram Reels向けのオープンキャプション（焼き込み字幕）は、縦型動画の上部3分の1が字幕スペースとして使われることが多いです（下部はUIが重なるため）。VideoAudioTuneで音声品質を向上させてから字幕生成ツールで字幕を追加し、プラットフォームに投稿するワークフローが最も効率的です。