動画に自動字幕を付ける方法｜Descriptで文字起こしから編集まで進める

日本語字幕を作る前に、元音声の文字起こし方法を決める

Descriptで日本語字幕を付けたいとき、最初に確認するのは字幕の見た目ではなく、元音声を何語として文字にするかです。日本語字幕を出力できることと、日本語音声を自動で正確に文字起こしできることは別です。2026年10月10日に確認した公式Pricingでは、自動文字起こしのmulti-language transcriptionが25言語として別に列挙され、そのリストにJapaneseはありません。一方、字幕翻訳の言語一覧には日本語が含まれます。したがって「日本語音声→日本語字幕」は、利用中アカウントでJapaneseが音声認識言語として選べるかを先に確認してください。

表は横にスクロールできます

作りたいもの	最初に確認する機能	次の判断
英語音声→英語字幕	英語の自動文字起こし	Transcriptを校正してCaptionへ
英語音声→日本語字幕	元言語Transcriptと字幕翻訳	翻訳後に意味を校正
日本語音声→日本語字幕	Japaneseの音声認識対応	非対応なら別の認識手段
外部Transcript→字幕	字幕・Transcriptの取込方法	タイミングと改行を確認

4つの工程を混同しない

• 文字起こし：話された音声を同じ言語の文字にする。

• 字幕翻訳：すでにあるTranscriptを別言語にする。

• 字幕表示：動画に文字を表示するか、字幕ファイルを出力する。

• 校正：元音声と照合し、認識・翻訳の誤りを直す。

「Japanese captions対応」と書かれていても、日本語音声の文字起こしが対応している証明にはなりません。英語の音声から日本語字幕を作る場合は、まず英語Transcriptが正しいかを確認し、その後に日本語へ翻訳します。日本語で話された内容をそのまま字幕にしたい場合、必要なのは日本語の文字起こし機能です。翻訳機能を先に選んでも、元音声の認識不足は解決しません。

音声の言語に応じてWorkflowを分ける

対応言語の音声から同じ言語の字幕を作る

動画を読み込んだら、文字起こし言語が音声と一致することを確認します。自動判定を使う場合でも、複数言語が混在する素材や固有名詞が多い素材では、冒頭・話題の切替・数字の出る箇所を再生します。話者ラベルとタイミングも字幕に影響するため、文字だけ直して終わりにしません。

対応言語の音声から日本語字幕を作る

元言語のTranscriptを先に校正します。誤った人名や否定を含むTranscriptを翻訳すると、自然な日本語でも内容は誤ったままです。その後、日本語字幕を生成し、数字、単位、条件、主語、固有名詞を元音声と照合します。翻訳機能の日本語対応は、すべての文脈が正しく訳される保証ではありません。料金、契約条件、製品仕様に関する動画は公開前に担当者が確認してください。

日本語音声を日本語字幕にする

公式Pricingの現在の文字起こし言語一覧に日本語が見当たらない場合、字幕翻訳を使っても日本語の音声認識にはなりません。アプリの文字起こし言語選択にJapaneseが表示されるか確認し、表示されない場合は公式に対応した別の手段でTranscriptを作ります。外部Transcriptを取り込む際は、文字コード、行分割、話者、タイムコードが崩れていないか試作の短い区間で確認します。

Transcriptは固有名詞・数字・否定から検査する

自動認識のまま字幕へ進めず、誤ると意味や判断が変わる箇所を優先して音声へ戻ります。

• 人名、会社名、製品名、サービス名

• 金額、比率、日付、数量、単位

• 「しない」「できない」「まだ」などの否定・時制

• 「場合」「まで」「以外」などの条件

• 話者が交代する場所、発話が重なる場所

• 専門用語と略語

たとえば「月額5万円ではなく初期費用が5万円」という発言が「月額5万円」と認識されると、字幕としては自然でも価格の意味が逆になります。数字が出る箇所は、周辺数秒を再生し、単位と係り先を確認します。固有名詞は辞書やTranscriptの修正ができる場合でも、最後に映像上の字幕で表記を確認してください。

読みやすさと同期を仕上げる

字幕は原稿をそのまま画面へ貼る欄ではありません。意味のまとまりで分割し、読み切れる時間を確保します。ただし短くするために否定や条件を別画面へ送ると、視聴者が途中で誤解します。

表は横にスクロールできます

QA	確認方法	問題の例
意味単位	句・節の区切りが自然か	主語と述語が離れて意味が不明
読む時間	表示中に読み切れるか	長文が短時間で消える
同期	発話と表示が合うか	次話者の字幕が先に出る
改行	名前や助詞が分断されないか	固有名詞が途中で折れる
安全領域	顔・UI・重要文字を隠さないか	操作ボタンの上に重なる
出力形式	焼き込みかSRT/VTTか	投稿先で字幕が二重になる

Descript Helpでは字幕と字幕ファイルのExportが別の扱いとして説明されています。画面に焼き付けるCaptionが必要なのか、SRT/VTTとして別出力したいのかを投稿先に応じて決めます。書き出した動画を小さい画面で再生し、字幕が読めるか、改行と表示時間が自然かを最後まで確認します。

Media minutesとAI Creditsを個別に確認する

Descriptの公式資料は、メディアの読み込み・録画に関わるMedia minutesとAI機能に使うAI Creditsを別に説明しています。翻訳やその他のAI処理がどの枠を消費するかは機能ごとに異なり、プランとDrive内のEditor席によっても変わります。「動画の長さと同じ分数だけ翻訳枠を消費する」と一括で考えず、アプリのUsage画面で対象機能、Drive、Editor seat、残量を見てから処理します。使い残しやTop-upの扱いも契約状態で確認してください。

申込直前には、公式Pricingと契約画面で現行プランを再確認します。古い価格表やスクリーンショットから月額費用や利用枠を固定して見積もらず、試作1本の処理量を測って月間作業量を見積もります。処理を続けるのに追加費用が必要なら、先に承認を取ります。

書き出し前の完了チェック

• 元音声の言語と文字起こし言語が一致している。

• 日本語字幕翻訳と日本語音声認識を区別した。

• Transcriptの否定・数字・固有名詞を音声で確認した。

• 翻訳した場合は元文と照合した。

• 表示Captionか字幕ファイルか、出力先に合わせて選んだ。

• 字幕の同期、改行、読みやすさ、画面との重なりを確認した。

• Usage画面でMedia minutesとAI Creditsを区別した。

• 日本語認識が使えない場合、字幕翻訳で代替できると誤解していない。

AIものさしの判断

Descriptで日本語字幕を作るなら、まず元音声の文字起こし対応を確認し、その後に翻訳・字幕表示・校正へ進みます。現行公式資料では日本語は字幕翻訳の言語リストにあり、自動文字起こしの25言語一覧には記載されていません。利用画面に新しい対応表示があればそこで再確認し、対応しない場合はTranscript作成手段を変えてください。作業の入口でこの分岐を判断すれば、翻訳だけ先に進めて元音声の認識問題を見落とすのを防げます。

まず短い素材で字幕工程を受け入れ確認する

大量の動画を処理する前に、音声の種類ごとに短いサンプルを作ります。日本語音声、英語音声、日本語と英語が混ざる音声を分け、同じ言語の認識、翻訳、字幕表示の各段階を確認します。これは対応言語を推測するためではなく、契約中のアカウントで実際に選べる設定と、出力品質を作業開始前に確認するためです。

サンプルの受入条件は次のように決められます。

表は横にスクロールできます

テスト素材	合格条件	不合格時の対応
人名・会社名を含む会話	Transcriptと字幕の表記が確認できる	辞書・手修正、再認識を検討
数字・金額がある説明	単位と対象が音声どおり	誤り箇所を直接修正
英語から日本語翻訳	条件・否定・日付が保持される	翻訳後に担当者が校正
日本語音声	Japaneseが認識言語として選べるか明確	非表示なら別の認識手段へ

数分の試作で通ったからといって、すべての素材で同じ精度になるとは限りません。話者の重なり、雑音、固有名詞、専門分野など、実際の素材に近い難所をテストします。利用できる言語の表示と出力品質は別に判定し、字幕が作れたことだけで日本語認識の要件を満たしたとしません。

翻訳後の字幕で意味が曖昧なら、字幕を短くする前に元の発話を再生します。切り詰めによって条件や否定を消していないか確認し、読みやすさと内容の正確さを同時に保ちます。

書き出し後は再生確認を行い、字幕ファイルだけを納品する案件ではSRT/VTTの開始・終了時刻も見直します。

作業前に言語経路を確定すれば、翻訳だけを先に進めて再作業になるのを避けやすくなります。

日本語音声の受入れテストを分けて行う

翻訳字幕を追加できることは、日本語音声を日本語テキストへ認識できる証拠ではありません。日本語音声の案件では、まず元音声と同じ言語のTranscriptが作れるかを短い素材で確認し、その後に必要な字幕言語への翻訳を試します。日本語の言語選択がない、またはテスト音声が期待した文字列にならない場合は、翻訳で見かけ上整えるのではなく、認識工程を別の方法で完了してから編集へ進みます。