動画 文字起こしで、SNSの動画も手元の録画もテキストに

対応するプラットフォームにある動画ならリンクを使います。パソコンに元の録画があるなら、そのファイルを送れます。どちらも対象は音声です。画面にだけ表示された文字は読み取りません。

どのWebページでも使えるわけではありません。対応する動画投稿のリンクが必要です。プロフィール、検索結果、サイトのトップページでは動画を指定できません。投稿は公開されている必要があり、ログインを求められる動画も取得できない場合があります。

YouTube、X、TikTok、Bluesky、Dailymotion、LinkedInでは、使える元の言語の字幕を優先し、なければ音声から文字起こしします。Instagram、Facebook、Twitch、Pinterest、Snapchat Spotlightは音声からのみ処理します。Twitchはクリップと配信終了後のVOD、Pinterestは動画ピンが対象です。対応リンク一覧にある短縮リンクも使えますが、繰り返し使う処理では文字起こしを再利用できる完全な投稿リンクが適しています。

画面収録、カメラで撮った動画、SNSに投稿する前の元ファイルなどを送れます。先にMP3へ変換する必要はありません。ただし音声は必要です。無音の画面収録から、画面上の文字を取り出すことはできません。

ダッシュボードは、アカウントの上限内で2GBまでの分割アップロードに対応します。APIでは95MBまでを1リクエストで送れます。AI文字起こしの時間上限は5時間です。サイズと時間は別々の制限なので、長い録画は両方を確かめてください。

自分で一部を切り出して送る場合は、元の動画での開始位置を記録します。文字起こしの時刻は送信したファイルの先頭から始まり、元の動画の位置は引き継ぎません。

transcript1が扱うのは発話です。YouTubeでは使える字幕を取得することもできます。スライドの文字の読み取り、無言の場面の説明、投稿へのコメントの取得は行いません。

たとえば「この項目を選びます」と話しながらカーソルでメニューを指している場合、文字起こしにはその発言が残ります。項目名まで必要なら、映像を見て自分で補います。

テキストから要約や構成案を作る作業は、AIアシスタントに頼めます。ただし、文字起こしにない映像の情報まで確認したものとして扱わないようにしてください。

調査用ならタイムスタンプを残して引用を確認します。Webページに載せるなら段落を整え、プレーヤーの下に掲載できます。動画編集にはSRT・VTTを使います。同じテキストでも、読む場所に合わせた確認が必要です。

字幕の時刻は送信した動画に合わせています。後で一部を削ったり冒頭を足したりした場合は、完成版に合わせて調整してください。transcript1は字幕ファイルを用意しますが、映像への焼き付けやSNSへの投稿は行いません。

JSONにはセグメントのテキスト、開始・終了位置の秒数、言語、指定した話者ラベルを残せます。取得APIで形式を指定します。完了した文字起こしを別形式で読み出しても、追加の分数は使いません。

リンクなら、個別の動画投稿で、公開されているかを確認します。ファイルなら拡張子、サイズ、長さ、音声を確認してください。削除済みの動画を再送しても取得できず、無音の録画に発話を足すこともできません。エラーメッセージを読んで原因を確かめます。

まだ処理中なら、同じ文字起こしを開いて完了を待ちます。成功した文字起こしは録音の長さを分単位で切り上げ、1分あたり1クレジットを使います。失敗やキャンセルの場合は課金しません。新規アカウントはメール認証後に1回限り60分を無料で使えます。