ワードレベルの自動字幕生成
正確な単語のタイムスタンプから字幕クリップを生成し、話した言葉がタイムラインの正しい瞬間に表示されるようにします。
ScreenKiteは話した内容から字幕を作ります。文字起こしエンジンは単語ごとの時間を出します。ScreenKiteは単語を字幕の行にまとめ、話している単語を1つずつ強調表示することもできます。
文字起こしエンジンを選ぶ
設定 → キャプションを開きます。このページには3つのタブがあります: AI、AI Text Model、書式と書き出し。
AIタブで詳細 → 文字起こしエンジンを開き、エンジンを選びます。
| エンジン | 動作する場所 | メモ |
|---|---|---|
| Qwen3 (on-device) | お使いのMac | デフォルトの無料のローカルエンジンです。モデルを一度ダウンロードすると、オフラインで正確な単語の時間を出します。 |
| WhisperKit | お使いのMac | 選択したモデルをダウンロードでモデルをダウンロードします。 |
| MOSS Transcribe + Speakers | お使いのMac | 話者のラベルを付けます。 |
| Apple Speech (on-device) | お使いのMac | macOS 26以降が必要です。話す言語を選びます。 |
| ElevenLabs | オンライン | 正確な単語のタイミングに最適です。APIキーが必要です。 |
| Fish Audio | オンライン | 残高のあるAPIアカウントが必要です。 |
AI Text Modelタブでは、整形や校正などのAIのテキスト処理に使うモデルを設定します: OpenAI、Azure OpenAI、Anthropic、Google Gemini。字幕のタイミングは設定しません。
ElevenLabsのキーをテストする
キーを入力したら、キーをテストをクリックします。結果はボタンの横に表示されます。
| 結果 | 意味 |
|---|---|
| Speech to Text に有効 | キーは使えます。 |
| 無効な API キー | キーが間違っているか、取り消されています。 |
| キーには ElevenLabs Speech to Text 権限が必要です | ElevenLabsのダッシュボードで、キーのSpeech to Textのアクセスをオンにします。 |
| ElevenLabs rate limit reached. Try again later. | 待ってから、もう一度テストします。 |
字幕を生成する
- エディターでプロジェクトを開きます。
- インスペクターのキャプションタブをクリックします。
- 文字起こしをクリックします。
文字起こしが設定されていない場合、ボタンにはSet up transcriptionと表示されます。ScreenKiteは文字起こしの設定ウィンドウを開き、エンジンを選ぶのを手伝います。
字幕はタイムラインのキャプショントラックに置かれます。話し声が見つからない場合、ScreenKiteはNo speech detected. と表示します。
字幕を編集してスタイルを付ける
キャプションタブには3つのタブがあります。
- トランスクリプト: トランスクリプトを読み、スペルを直します。スペルの修正で動画は変わりません。
- スタイル: ピル、プレーン、カラオケ、ボックスなどの字幕のスタイルを選びます。テキスト、ボックス、位置、行を設定します。発話中の単語を強調をオンにすると、話している単語を1つずつ強調表示します。
- 編集: 単語、フィラーワード、無音をカットします。テキストベース編集を参照してください。
1行の長さ
スタイル → 行で改行と最大文字数を設定し、行長を適用をクリックします。デフォルトは1行42文字です。中国語、日本語、韓国語では18文字です。
字幕を書き出す
- ファイル → 字幕を書き出し… を選びます。
- または、書き出しダイアログで字幕のみを選び、SubRip (.srt) またはWebVTT (.vtt) を選びます。
YouTube用のチャプターをコピーするには、トランスクリプトタブのメニューを開き、YouTubeチャプターをコピーを選びます。またはマーカータブでチャプターをコピーをクリックします。
エージェントと字幕
AIエージェントも同じエンジンで字幕を作れます。AIチャットアシスタントのパネルで頼むか、ターミナルから頼みます。Agentic Video Editingを参照してください。