小さな作業にこそ、専用の道具が要る

映像を公開する人は、遅かれ早かれ字幕と向き合うことになります。映像に字幕が入っていない、入手した字幕ファイルが半秒ずれている、いくつかの形式を変換しないと焼き込めない。Subtitle Edit は 2001 年から手入れが続いている、この分野でもっとも歴史のあるオープンソースの答えです。SRT、WebVTT、ASS と SSA、TTML といった主要な形式を開いて編集し、互いに変換できます。波形とスペクトルの表示があれば、フレーム単位の位置合わせを目で行えます。フォルダーごとの一括変換も一度で終わり、ライセンスは GPLv3 なので、入手した先に別の支払いが待っていることもありません。

すべての環境に届いた作り直し

2026 年 6 月の版は更新ではなく、作り直しでした。画面は Avalonia と .NET 10 の上に移り、macOS が Windows と Linux と並んで正式に対応する環境になりました。Apple Silicon 向けの原生パッケージも含まれます。9 月 10 日に公開された 5.2 版は、以前の Windows 版との差を埋めました。章の編集、強制表示のナレーション字幕の列、誤りの一覧、統計の画面が戻ってきたのです。

さらに、口で言うのは簡単でも手でやると面倒な種類の提案も加わりました。分割と移動の補助は、読みやすさの速度と文の区切り方の規則から新しい区切り位置を提案し、その提案を一度の操作で適用できます。高解像度の画面への対応や、システム設定に従う暗い表示など、現代的な細部もそろっています。

音声モデルの時代の字幕の流れ

音声を文字にするのは、この道具のもう半分です。Whisper と WhisperX が組み込まれており、字幕がまったくない映像からでも、プログラムの中で最初の案を作れます。文字がすでに映像に焼き込まれている場合は、Tesseract による OCR で編集できる文字として取り出せます。翻訳は DeepL、Google 翻訳、あるいは手元のモデルを使え、一括変換の中でも実行できるため、ファイルごとに操作する必要はありません。

まとめると、ふだんは三つか四つの別々のソフトが必要になる流れを一つに収めています。字幕がまったくない状態から粗い文字起こしを作り、それに時間軸を与え、最後に視聴者が必要とする言語へ直して校正する。字幕を作るグループや個人で発信する人、アクセシビリティのための内容を作るチームにとって、この組み合わせの無償の代わりを探すのは簡単ではありません。

一日の仕事のどこに収まるか

このプログラムは目立つ機能を一つ中心に組み立てられてはいません。そこが要点です。字幕の作業の大半は修正です。読むには速すぎる行を短くし、話し手より先に出ている表示を後ろへずらし、ある名前が百行目でも一行目と同じつづりかを確かめる。そのための一覧と統計の画面があり、大量のファイルを同じ水準にそろえる日のための一括変換があります。

ファイル全体を決まった秒数だけずらしたいだけなら、もっと簡単な手段があります。このプログラムの出番は、ファイルを読み、判断し、一部を書き直す必要が出たところから始まります。そしてそこは、素のテキスト編集では足りなくなる場所でもあります。

実際に使うと、この流れの楽なところは行き来が要らない点にあります。同じ映像で、まずプログラムの中で最初の案を作り、そのまま時間軸で時刻を直し、区切りを直します。翻訳が要るときはファイルごと一括の処理に回せば、終わったときには別の言語の版ができています。書き出して読み込み直す往復がありません。

ただし、自動でできた案はあくまで案です。音声の認識は、なまりが強い場合や複数の人が話を重ねる場面、音楽が大きい区間では誤りが出ます。数値と固有名詞はとくに崩れやすく、OCR もコントラストの低い字幕では文字を取りこぼします。最初の聞き取りを省く助けとして使い、確認を省く理由にはしないことです。

Subtitle Edit は、一つの用途に絞った道具を真面目に作るとどうなるかを示しています。二十五年の手入れ、一度きちんと行われた全環境向けの作り直し、そして本当に役に立つようになった時点で加わった音声認識。派手さはありませんが、字幕に携わる人ならいつか、入れておいて助かったと思うはずです。