Twitter 動画 文字起こしで、発言を前後の文脈から確認

動画を含む投稿を開き、/status/が入ったURLをコピーしてください。twitter.comの古いリンクも、x.comのリンクも使えます。プロフィール、検索ページ、スレッド全体のリンクでは、対象の動画を指定できません。

x.com/user/status/1234567890のような投稿URLと、同じ形式のtwitter.comのURLに対応しています。このURLは形式を示す例で、試せる動画ではありません。動画を取得でき、音声トラックがあることが必要です。テキストだけの投稿には、文字起こしする音声がありません。

非公開アカウントの投稿など、ログインが必要な動画は取得できません。プロフィール、ライブ配信ページ、ストーリーも対象外です。Spacesへの参加や録音には対応していません。手元に対応形式の音声ファイルがある場合は、別途アップロードできます。

同じ投稿に動画が複数ある場合も、最初の動画だけを処理します。すべての添付動画やスレッド全体の文字起こしとして扱わず、実際にどの動画を処理したか確認してください。

長いインタビューの一部が切り抜かれているときも、テキストは必要な言葉を探す手がかりになります。ただし、機械の文字起こしには誤りがあり得ます。人名、数字、断定を避ける表現、短い否定は音声で確認してください。話者ラベルも、その瞬間の声と一致しているか確かめます。

引用は、意味が通るだけの前後を残してください。動画が文の途中から始まっていれば、欠けた冒頭は復元できません。編集済みの抜粋から、映っていない部分の出来事も判断できません。こうした限界を、作業用の記録に残しておくと確認しやすくなります。

たとえば「発言は00:18、質問は00:12から。人名は音声で確認済み」と投稿URLをメモします。これは自分で確認した記録であり、自動判定ではありません。transcript1は発言と時間を扱いますが、発言内容の真偽は検証しません。

投稿文は動画を要約したり、一部を強調したりします。映像に焼き込まれた字幕も、編集や翻訳で音声と異なる場合があります。transcript1は利用できるXの字幕を優先し、なければAIで音声を文字起こしします。投稿文や映像内の文字は取り込みません。必要な投稿文は別に保存してください。

文字起こしと画面の字幕が違う場合は、元の音声を確認します。圧縮された音声、重なった声、背景の雑音などで認識を誤ることがあります。字幕がきれいでも、文字起こしが自然でも、その文言が正しい証拠にはなりません。

グラフ、スクリーンショット、スライドの文字も音声の文字起こしには入りません。映像から確認した情報は、該当時刻とともに別のメモへ残し、発言の引用と区別してください。

読みやすい文書にするならTXT、アプリで検索できる形にするならJSONを使えます。JSONには区間ごとの開始・終了時間が秒単位で含まれます。元の投稿URLと文字起こしIDを残せば、同じ文字起こしを再び参照できます。

編集・公開する権利のある動画には、SRT・VTTの字幕ファイルを使えます。プレーヤーや編集ソフトで文面と時間を確認してください。途中から切り出した動画では開始位置が変わるため、字幕時間をずらすか、完成版に合わせて作り直す必要があります。

複数の投稿を調べるときは、動画ごとに文字起こしを分け、出典を付けます。区別せずにまとめると、同じ人の発言や同じ動画の再投稿を、別々の根拠と取り違えることがあります。

REST APIに投稿URLを送ります。プラットフォームは自動判定しますが、platformにxを明示することもできます。Xの字幕を使う場合、transcript_sourceはx_captionsです。自動生成字幕でも区間ごとの時間だけを返し、wordsはnullです。AI文字起こしの単語ごとの時間が必要ならsource=sttを指定してください。

返されたIDを保存し、処理中は同じ文字起こしのステータスを確認します。完了した文字起こしは、追加の分数を使わず複数の形式で取得できます。MCPで接続したAIアシスタントには、関連する発言を最後まで読み、タイムスタンプを示し、引用と要約を区別するように伝えてください。短い抜粋の外側の文脈は、テキストからは分かりません。

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。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。動画を取得できない場合やログインが必要な場合を含め、失敗やキャンセルでは課金しません。