TikTok 文字起こしで、動画の発言を読み返す

投稿者のプロフィールではなく、文字起こししたい動画を開いてください。検索ページのリンクも使えません。スライドにだけ書かれた説明は文字起こしに入りません。

音声付きの公開動画が対象です。プロフィール、ライブ配信ページ、ストーリー、写真投稿には対応していません。公開投稿でも、取得時にTikTokがログインを求めると処理できません。手元に元の動画があれば、ファイルをアップロードできます。

APIやAIエージェントで同じ動画を扱う場合は、通常の動画リンクを使うと便利です。過去の文字起こしを再利用する指定があれば、そのリンクで動画を照合できます。短縮リンクは送信時に投稿を特定できないため、この照合には使えません。

TikTokには投稿文、画面に重ねた文字、字幕、音声があります。autoでは利用できる元の言語の字幕を優先し、なければ音声を文字起こしします。投稿文や映像内の文字は読み取りません。レシピの分量が画面にしか出ない場合は、動画を見て補ってください。

BGMや歌声に埋もれた発言は、認識を誤ることがあります。不自然な文は必ず聞き直してください。音声が無音なら、書き起こせる発言もありません。音声トラック自体がない動画ではno_audioになります。テキストにあるというだけで、聞き取れない言葉が実際に発言されたとは判断できません。

対話やデュエットでは話者分離を使えます。Speaker 1、Speaker 2などで声を区別しますが、アカウント名を特定する機能ではありません。発言が重なる部分は、音声と照らし合わせてください。

自分の解説動画なら、話した内容を手順書の下書きにできます。準備、作業、仕上がりの順に整理し、無言で見せた操作は動画を見て追記してください。話し言葉をそのまま載せるより、読んで実行しやすくなります。

冒頭のひと言は、タイムスタンプと画面の状況を一緒にメモしておくと見直しやすくなります。その後の説明が冒頭の約束に応えているか、自分で確認してください。文字起こしで分かるのは言葉と時間です。視聴維持率や、動画が人気を集めた理由は測定しません。

長い記事にするなら、動画で省いた例や参考リンク、背景を加えます。他の人の動画を調べる場合は元のリンクを残し、引用と自分の解釈を分けてください。

TXTは構成の見直しや検索用のメモに使えます。SRTとVTT（WebVTT）は、表示時間付きの字幕ファイルです。編集ソフトやプレーヤーに読み込んで使ってください。TikTokの動画に装飾付き字幕を自動で付ける機能ではありません。

冒頭を切ったり再生速度を変えたりすると、字幕の時間がずれます。映像の編集を終えてから、字幕を合わせてください。単語を順に強調する演出には、AI文字起こしの単語ごとのタイムスタンプをAPIのinclude=wordsで取得して使えます。区間ごとのテキストが、そのまま字幕の行になるとは限りません。

公開動画のURLをPOST /v1/transcriptionsに送ります。プラットフォームはURLから判定するため、platformの指定は任意です。返されたIDを保存してステータスを確認し、処理中に同じ動画を送信し直さないでください。MCPで接続したAIアシスタントからも利用できます。

sourceにはauto、captions、sttを指定できます。autoは字幕を優先します。captions（字幕のみ）は音声をダウンロードせず、AI文字起こしにも切り替えません。使える字幕がなければno_captionsになります。source=stt、または話者分離を指定した場合は、字幕を使わず音声から処理します。TikTokの字幕を使った場合のソースはtiktok_captionsで、caption_kindはnullです。区間ごとの時間は含みますが、単語ごとの時間は含みません。

完了した文字起こしは、動画の長さを分単位で切り上げ、1分につき1クレジットを使います。45秒なら1クレジット、90秒なら2クレジットです。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60分を初回のみ無料で使えます。カード登録は不要です。MCP経由でも同じ料金ルールです。