動画や音声からSRT字幕を書き出す方法

whispertranscribe.ai 編集部 · 最終更新 2026年11月 · 読了の目安 12分

SRT字幕の書き出し方は、手元にある素材によって変わります。字幕がなければオンラインの字幕生成ツールで音声から作れます。自分が投稿した動画なら、YouTube Studioから既存の字幕をダウンロードできます。Premiere Pro、DaVinci Resolve、Final Cut Proから書き出す方法や、Whisperで自分のパソコン上で作る方法もあります。できたファイルはアップロード前に確認しましょう。

この記事では、4つの方法の手順と、字幕ファイルの不具合につながりやすい書き出し設定、完成したファイルのチェック方法を紹介します。SRTファイルの各行の意味は、SRTファイルとは?で解説しています。

SRT字幕を書き出す4つの方法

手元にある素材や状況 適した方法 必要なもの
字幕がまだない動画・音声ファイル 方法1。音声からオンラインでSRTを生成 ファイルまたはリンク、Webブラウザー
自分のYouTubeチャンネルに投稿済みの動画 方法2。YouTube Studioで字幕トラックをダウンロード チャンネルへのアクセス権
字幕・キャプショントラックがある編集プロジェクト 方法3。動画編集ソフトから書き出し Premiere Pro、DaVinci Resolve、Final Cut Proのいずれか
パソコンの外に出したくない非公開の録音 方法4。WhisperとFFmpegを使う Python、FFmpeg、セットアップにかかる時間

どの方法でも、動画とは別にアップロードする外部の字幕テキストファイルができます。字幕を映像に焼き付ける手順は、ハード字幕とソフト字幕の違いをご覧ください。

書き出す前に確認したい4つの設定

SRTが正しく表示されない原因は、多くの場合、文面より書き出し設定にあります。どのツールでも、次の4点を確認してください。

  1. 1行あたりの文字数。 Netflixの英語(米国)タイムテキスト スタイルガイドでは、1行の上限を42文字としています。英語のWeb動画にも使いやすい目安です。
  2. 字幕1つあたりの行数。 同じガイドでは最大2行とし、収まる場合は1行を推奨しています。
  3. 開始時刻。 プロ向けのタイムラインでは、01:00:00:00が開始時刻になっていることがあります。そのタイムコードを維持して書き出すと、すべての字幕が1時間遅れて表示されます。Final Cut Proの書き出し時に「Relative to Timeline」と「Absolute」を選べるのはこのためです。
  4. 書式。 SRTには装飾を指定する共通の規格がありません。そのためAppleは、Final Cut ProからSRTを書き出すときにInclude Formatting(書式を含める)をオフにすることを推奨しています。

字幕を読み切れる速さかどうかも大切です。Netflixの英語字幕ガイドでは、成人向け番組の上限を1秒あたり20文字としています。この値を指定できる書き出し画面は少ないですが、以下のチェック用スクリプトで、読むのに時間が足りない字幕を検出できます。

方法1:whispertranscribe.aiでSRT字幕を書き出す

録音や動画はあるものの、まだ字幕がない場合に使える方法です。whispertranscribe.aiは、OpenAIのWhisperモデルを使ったブラウザー上の文字起こしツールです。字幕ごとに表示時刻を付け、SRTまたはVTTで書き出せます。手元の素材に合うページを開きます。

利用するページ 対応する素材
AI字幕生成ツール 動画・音声ファイル、マイクでの録音、リンク
MP4からSRTへの変換ツール MP4動画ファイル
MP3からSRTへの変換ツール ポッドキャスト、インタビューなど、音声のみの録音
URLから文字起こし YouTube、Vimeo、Google Drive、Dropboxのリンク

以下の手順では、2026年11月時点で各ページに表示されていた項目名を使っています。

  1. Step 1: Choose the spoken language(音声の言語を選ぶ)で、130以上の言語から選択します。音声が聞き取りにくい場合は、多くの言語で「Noise / Low-Quality Audio/Video」が選べます。話し手が言語を切り替える場合は「Multilingual Mix」を使います。
  2. Step 2: Upload or drop your file(ファイルをアップロード)で、ファイルを追加します。アップロードはFrom files(1ファイル最大5 GB、プランによって最長10時間の録音に対応)、リンクはFrom URL、マイクで録音する場合はRecordを使います。
  3. 字幕のオプションを設定します。 複数の人が話す場合はEnable Speaker Detection(話者識別を有効にする)をオンにします。Maximum Words per Subtitle(字幕1つあたりの最大単語数)のスライダーは1から50まで設定でき、初期値は8です。1行が約42文字を超える場合は、値を下げてください。
  4. Create Subtitles(字幕を作成)をクリックし、人名、数字、専門用語を確認します。明瞭な音声での精度は最大99%です。雑音、強いアクセント、発言の重なりがあると精度は下がります。
  5. SRTまたはVTTで書き出します。 タイムスタンプなしの文字起こしも必要なら、DOCX、PDF、TXT、CSVの各形式がページに表示されています。

アカウントを作らずに使い始められますが、無料利用でSRTファイル全体をダウンロードできるかどうかはページに記載がないため、最新の利用条件を確認してください。有料プランは年払いで月額9.99米ドルからです(料金ページ)。whispertranscribe.aiが書き出すのは外部の字幕ファイルです。映像に字幕を焼き付けることはありません。表示時刻が不要なら、動画からテキストへの変換ツールを使えます。

方法2:YouTube StudioからSRT字幕をダウンロードする

自分のYouTube動画にすでに字幕があれば、その字幕を直接ダウンロードできます。YouTubeヘルプの字幕を編集する手順は次のとおりです。

  1. YouTube Studioにログインします。
  2. 左側のメニューから字幕を選びます。
  3. 対象の動画をクリックします。
  4. 「字幕」の欄で、必要な言語の横にある編集をクリックします。
  5. オプション、字幕をダウンロードの順にクリックします。ブラウザーが字幕トラックをファイルとして保存します。
  • 管理しているチャンネルが対象です。 Studioに表示されるのは、自分のチャンネルに投稿された動画です。
  • 拡張子を確認します。 YouTubeのヘルプにはダウンロード形式の記載がありません。.vttが保存された場合は、方法4の変換手順を参照してください。
  • 自動生成字幕は先に修正します。 Studioで人名や句読点を直して公開した後、ダウンロードしてください。

Vimeoの場合は、各字幕ファイルの横にある「⋮」メニューからダウンロードできます。詳しくはVimeoヘルプセンターを参照してください。

方法3:Premiere Pro、DaVinci Resolve、Final Cut ProからSRTを書き出す

動画編集ソフトでSRTに書き出せるのは、キャプションや字幕のトラックです。タイトルやグラフィックとして追加した文字は映像の一部なので、SRTファイルには入りません。以下は各社のドキュメントをもとにした手順です。

DaVinci Resolve

DaVinci Resolve 21 リファレンスマニュアルの第59章「Subtitles and Closed Captioning」では、3つの方法が紹介されています。いずれも字幕トラックが少なくとも1つ必要です。

  • ファイルメニュー。 File > Export Subtitleを選び、保存先とファイル形式を指定します。SRTとVTTに対応しています。
  • トラックのヘッダー。 字幕トラックのヘッダーを右クリックし、Export Subtitleを選びます。
  • Deliverページ。 レンダー設定の「Video」パネル下部でExport Subtitleをオンにします。FormatにAs a separate fileを選び、Export AsをSRTに設定して、必要なトラックを選択します。選択したトラックごとにファイルが作成されます。

最初の2つの方法では、映像をレンダリングせずに字幕ファイルを書き出せます。

Adobe Premiere Pro

Adobeのキャプショントラックの書き出しガイド(2026年1月更新)では、ヘッダーバーの書き出しから書き出しワークスペースを開き、映像への焼き付け、ファイルへの埋め込み、外部ファイルのいずれかを選択します。SRTが必要な場合は、拡張子が.srtの外部ファイルとして書き出してください。見落としやすい点が2つあります。

  • .srtファイルに入るのは1つの字幕ストリームです。複数言語は1言語ずつ書き出します。
  • Premiereは、デフォルトでタイムラインのアクティブなトラックを選びます。複数のトラックを有効にしている場合は、番号が最も小さいトラックが使われるため、選択内容を確認してください。

Final Cut Pro

AppleのFinal Cut Proでキャプションを書き出す手順に沿って操作します。

  1. タイムラインでプロジェクトを開き、File > Export Captionsを選びます。現行のガイドでの表記はFile > Export Closed Captionsです。
  2. ファイル名と保存先のフォルダーを指定します。
  3. Roles(ロール)で必要な言語のサブロールをそれぞれ選びます。言語ごとに別のファイルが作成されます。
  4. Start Time(開始時刻)で、プロジェクトの開始時刻を差し引くRelative to Timeline(通常はWebへの投稿に適しています)か、元のタイムコードを保持するAbsoluteを選びます。
  5. プレーヤーが装飾を扱えると分かっている場合を除き、SRTの欄のInclude Formatting(書式を含める)をオフにします。
  6. Export(書き出す)をクリックします。

方法4:WhisperとFFmpegでパソコン上にSRTを書き出す

録音を外部に出せない場合や、スクリプトで一括処理したい場合に適した方法です。WhisperはOpenAIのオープンソース音声認識モデルです。FFmpegは無料のコマンドライン用メディアツールです。いずれもwhispertranscribe.aiとは別のツールです。

WhisperのREADMEにある基本コマンドです。デフォルトのturboモデルを使います。以下はドキュメントの例で、この記事の検証ではturboでは実行していません。

whisper audio.flac audio.mp3 audio.wav --model turbo

Whisperはデフォルトですべての形式を書き出します。字幕ファイルだけが必要なら--output_format srtを追加します。この記事の検証では、2026年11月4日にWhisperリポジトリの11秒のサンプルを使い、以下のコマンドを実行しました。環境はLinux、openai-whisper 20250625のtinyモデル、FFmpeg 7.1.5です。確認したのはファイル構造と行の長さで、認識精度は測定していません。

whisper jfk.flac --model tiny --language en --output_format srt

有効なSRTファイルができましたが、文全体が字幕1つにまとまり、1行が107文字になりました。Whisperの--helpには、単語ごとのタイムスタンプを必要とする改行オプションが記載されています。

whisper jfk.flac --model tiny --language en --output_format srt \
  --word_timestamps True --max_line_width 42 --max_line_count 2

2回目の実行では、発話が2つの字幕に分かれ、どの行も41文字以内でした。

1
00:00:00,000 --> 00:00:09,220
And so my fellow Americans, ask not what
your country can do for you, ask what you

2
00:00:09,220 --> 00:00:10,500
can do for your country.

「ask what you」の直後で切れているため、読みやすくするには人の手で調整する必要があります。すでに字幕がある場合は、次の2つのFFmpegコマンドが使えます。

# Extract the first subtitle track as SRT
ffmpeg -i input.mkv -map 0:s:0 subs.srt

# Convert SRT to WebVTT (or the reverse)
ffmpeg -i subs.srt subs.vtt

検証では、MP4からの字幕抽出を含め、どちらも動作しました。テスト動画のコンテナが−0.023秒から始まっていたため、抽出した字幕時刻は23ミリ秒遅れました。抽出後は、いくつかの字幕を映像と照らし合わせてください。これらのコマンドはテキストトラックが対象です。DVDやBlu-rayから取り出した画像ベースの字幕には、文字認識ソフトが必要です。

書き出し後のSRTチェックリスト

使ったツールにかかわらず、書き出したファイルごとに確認してください。

  • 文字コードがUTF-8になっている。 YouTubeはプレーンUTF-8を指定しており、Vimeoも特殊文字を正しく表示するためにUTF-8を求めています。
  • タイムコードが00:00:04,200の形式になっている。 ミリ秒の前にはカンマが入ります。最初の字幕は1時間後から始まるのではなく、最初に話し出す時刻付近から始まります。
  • 行の長さ。 1行42文字以内で、字幕1つにつき2行以内に収まっています。
  • 読む速さ。 成人向けの目安では、1秒あたり20文字以内に収まっています。
  • 時刻の順序。 各字幕の終了時刻は開始時刻より後で、次の字幕と重なりません。
  • 収録範囲。 最後の字幕が発話の終わりに合っています。途中で終わっている場合は、書き出し時に切れたか、プランの上限に達した可能性があります。
  • 再生テスト。 動画と一緒にプレーヤーで字幕を読み込み、冒頭・中盤・最後を1分ずつ見ています。

短いスクリプトでSRTファイルを確認する

この記事用に次のPythonスクリプトを作成し、上記のファイルで実行しました。UTF-8以外のファイルではエラーで停止します。時刻行の書式ミス、字幕の重なり、文字数・行数の超過、読むのに時間が足りない字幕を検出します。最初のWhisper出力では「cue 1: 107 characters in one line」と表示されました。改行を入れて書き出した方はチェックに通りました。

import re, sys

MAX_CHARS, MAX_LINES, MAX_CPS = 42, 2, 20
TIME = re.compile(r"(\d\d):(\d\d):(\d\d),(\d{3}) --> (\d\d):(\d\d):(\d\d),(\d{3})$")

def ms(h, m, s, f):
    return ((int(h) * 60 + int(m)) * 60 + int(s)) * 1000 + int(f)

text = open(sys.argv[1], encoding="utf-8").read()  # errors if not UTF-8
prev_end = 0
for block in re.split(r"\n\s*\n", text.replace("\r\n", "\n").strip()):
    num, timing, *body = block.split("\n") + [""]
    body = [line for line in body if line]
    t = TIME.match(timing)
    if not t:
        print(f"cue {num}: bad timing line {timing!r}")
        continue
    start, end = ms(*t.groups()[:4]), ms(*t.groups()[4:])
    if end <= start or start < prev_end:
        print(f"cue {num}: ends before it starts, or overlaps")
    prev_end = end
    if len(body) > MAX_LINES:
        print(f"cue {num}: {len(body)} lines")
    for line in body:
        if len(line) > MAX_CHARS:
            print(f"cue {num}: {len(line)} characters in one line")
    if len(" ".join(body)) / max((end - start) / 1000, 0.001) > MAX_CPS:
        print(f"cue {num}: faster than {MAX_CPS} characters per second")
print("check finished")

python3 srt_check.py subs.srtで実行し、冒頭にある3つの上限を投稿先や納品先に合わせて調整してください。

SRTの書き出しでよくあるエラーと対処法

症状 考えられる原因 対処法
すべての字幕が約1時間遅れる タイムラインが01:00:00:00から始まり、書き出し時にその値が維持された タイムラインの開始点を基準に書き出し直すか、すべての字幕を前にずらす
字幕の書き出し項目がない、またはファイルが空 テキストを字幕トラックではなくタイトルとして作成した 字幕トラックに移すか、音声からSRTを作り直す
<i>や<b>のタグが画面に出る 装飾の書式を含めて書き出した 書式を外して書き出し直す
アクセント付きの文字が記号に化ける ファイルがUTF-8で保存されていない プレーンテキスト用エディターでUTF-8にして保存し直す
長い字幕1行が画面を覆う 書き出し時に行の長さを制限していない Maximum Words per Subtitleの値を下げるか、Whisperで--max_line_width 42を使う
最後の発話より前にファイルが終わる 書き出しが途中で切れたか、プランの上限に達した 最後の字幕を動画の長さと比較し、プランの上限を確認する
動画が進むにつれて字幕のずれが広がる 編集途中の動画からSRTを作った 最終版の動画から作り直す

SRTとVTTのどちらを書き出すべきか

動画サービスへの投稿や編集ソフトでの利用にはSRT、自社サイトのHTML5プレーヤーにはVTTが向いています。迷う場合は両方を書き出せます。

ファイルの利用先 書き出す形式 理由
YouTube SRT 初めて字幕ファイルを使う人に案内されている形式。装飾を含まない基本的なSRTのみ対応(YouTubeヘルプ)
Facebook SRT ヘルプセンターで.srtファイルの命名規則を定めている
Vimeo どちらでも可 SRTとWebVTTに対応し、WebVTTを推奨している
自社サイトのプレーヤー VTT HTML動画に表示時刻付きテキストを載せるためのW3C形式(W3C)
Premiere Pro、DaVinci Resolve、Final Cut Pro SRT 3つの編集ソフトすべてが字幕形式としてSRTをサポートしている

書き出したSRTをアップロードする公式手順

サービス アップロードの手順 事前に確認すること 公式ヘルプ
YouTube YouTube Studioで「字幕」から対象動画を開いて「言語を追加」を選び、「ファイルをアップロード」で「タイムコードあり」を指定する マークアップを含まないプレーンUTF-8 字幕を追加する
Facebook 動画の投稿を編集し、キャプションを追加する video.en_US.srtのようにファイル名を付ける SubRip(.srt)ファイルの命名規則
Vimeo 動画を開き、「言語」から「+」を選んでアップロードし、言語と種類を指定する UTF-8で保存し、アップロード後に字幕トラックをオンにする キャプションまたは字幕を追加する方法

SRTファイルとは?では、3つのサービスの操作手順をさらに詳しく説明しています。Vimeoで種類を選ぶときは、字幕とキャプションの違いも参考にしてください。

よくある質問

無料でSRT字幕を書き出すにはどうすればよいですか?

すでに使っているツールで書き出すか、Whisperを自分のパソコンで実行します。自分のYouTube動画なら、YouTube Studioで字幕トラックをダウンロードできます。DaVinci Resolve、Premiere Pro、Final Cut Proで字幕を編集している場合は、追加料金なしでその字幕トラックを書き出せます。WhisperはMITライセンスのオープンソースツールです。セットアップに時間はかかりますが、自分のパソコン上で無料で実行できます。whispertranscribe.aiはアカウントを作らずに使い始められます。無料利用でSRTファイル全体をダウンロードできるかどうかは、ページの最新条件を確認してください。

他の人のYouTube動画からSRT字幕をダウンロードできますか?

YouTube Studioのダウンロード機能は、自分が管理しているチャンネルの動画が対象です。他のクリエイターから動画を再利用する許可を得ているなら、リンクをwhispertranscribe.aiのYouTube文字起こしツールに貼り付け、新しい文字起こしからSRTを書き出せます。字幕ファイルを取得しても、第三者の発言や映像を再公開する権利が得られるわけではありません。先にクリエイターに許可を取ってください。

書き出したSRTがちょうど1時間ずれるのはなぜですか?

タイムラインが01:00:00:00から始まっており、書き出し時にそのタイムコードが維持された可能性があります。アップロードされた動画は00:00:00から始まる一方で、SRTの最初の字幕は01:00:00に置かれます。Final Cut Proでは、Start TimeをRelative to Timelineにして書き出し直してください。他の編集ソフトでは、タイムラインの開始時刻をゼロにして書き出すか、字幕編集ソフトですべての字幕を1時間前にずらします。

SRTとVTTのどちらで書き出すべきですか?

動画サービスへの投稿や編集ソフトでの利用にはSRT、自社サイトの動画プレーヤーにはVTTを使います。YouTubeもFacebookもSRTに対応しており、この記事で取り上げた編集ソフトはいずれもSRTを書き出せます。VTT(WebVTT)はHTML動画に向けたW3Cの形式で、SRTでは共通仕様のない表示位置や装飾を指定できます。Vimeoは両方を受け付けており、WebVTTを推奨しています。どちらも小さなテキストファイルなので、判断に迷う場合は両方を書き出せます。

SRT字幕は1行に何文字まで入れるべきですか?

英語の字幕では1行42文字以内を目安にし、字幕1つにつき最大2行に収めます。Netflixの英語字幕スタイルガイドに沿った目安で、同じガイドは成人向け番組の読む速さを1秒あたり20文字に制限しています。サービスごとに規定が異なるので、投稿先や納品先のガイドも確認してください。上限を設定するには、whispertranscribe.aiのMaximum Words per Subtitleの値を下げる、Whisperの--max_line_widthを使う、編集ソフトで行の長さを指定する、といった方法があります。

書き出したSRTにタグや見慣れない記号が表示されるのはなぜですか?

<i>などのタグが表示されるのは、装飾を含めて書き出したためです。見慣れない記号が出る場合は、文字コードが合っていない可能性があります。SRTには装飾の共通規格がなく、YouTubeはマークアップを無視し、プレーヤーによってはタグをそのまま表示します。たとえばFinal Cut ProならInclude Formattingをオフにして書き出し直します。アクセント付きの文字がéのように表示される場合は、プレーンテキスト用エディターで開いてUTF-8として保存してください。YouTubeとVimeoはいずれもUTF-8を求めています。


録音からSRTファイルを作りたい方へ。 whispertranscribe.aiの字幕生成ツールにファイルをアップロードし、130以上の言語から選んでSRTまたはVTTで書き出せます。ほかのツールは機能一覧をご覧ください。

参考資料

録音を文字に起こしませんか?

whispertranscribe.ai で音声と動画を文字起こしできます。

文字起こしを始める ↗