著者:whispertranscribe.ai 編集部 · 最終更新:2026年11月 · 読了目安:12分
YouTube動画を文字起こしする方法は3つあります。字幕付きの動画なら、YouTubeの文字起こしを表示するか、字幕を文書にコピーして整えます。もうひとつは、動画のURLをAI文字起こしツールに貼り付ける方法です。字幕がまったくない動画にも使えるのは、3つ目の方法です。
この記事では、それぞれの手順に加え、コピーした文字起こしを整えるチェックリスト、目的別の比較表、文字起こしを字幕・要約・ブログ記事に活用する流れを紹介します。
YouTube動画を文字起こしする手順
無料で手早く確認するなら、YouTubeの 文字起こしを表示(Show transcript) が便利です。ただし、表示できるのは字幕付きの動画に限られ、テキストをファイルとしてダウンロードすることもできません。整った文字起こしをファイルに書き出したいときや、動画に字幕がないときは、URLに対応したAIツールを使います。
- YouTubeに文字起こしがあるか確認する。 動画の説明欄を開き、文字起こしを表示 をクリックします。
- テキストをコピーして整える。 文書に貼り付け、タイムスタンプや効果音のタグを削除します。
- 文字起こしがない場合や、ファイルが必要な場合。 動画のURLを whispertranscribe.aiのURL文字起こしツール に貼り付け、TXT、DOCX、SRTのいずれかに書き出します。
方法1:YouTubeの「文字起こしを表示」を使う
投稿者が追加した字幕でも、YouTubeが自動生成した字幕でも、字幕付きの動画なら全文の文字起こしを表示できます。YouTubeヘルプ によると、動画の説明欄から表示でき、再生に合わせて文字起こしがスクロールします。
必要なもの: 字幕付きの動画。投稿者が字幕を追加しておらず、YouTubeの自動字幕もない場合は、ボタンが表示されません。
パソコンの場合(Webブラウザ)
- youtube.comで動画を開きます。
- 動画の下にある説明欄をクリックして展開します。
- 説明欄の末尾までスクロールし、文字起こしを表示 をクリックします。プレーヤーの横に文字起こしパネルが開きます。
- 任意の行をクリックすると、動画のその箇所に移動できます。
- コピーするには、パネル内のテキストを選択して文書に貼り付けます。パネルのメニューにある タイムスタンプの表示を切り替える(Toggle timestamps) を使えば、コピー前に時刻を非表示にできます。
スマートフォンの場合(YouTubeアプリ)
- YouTubeアプリで動画を開きます。
- 動画の説明欄をタップして開きます。
- 文字起こしを表示 をタップし、任意の行をタップすると、動画のその箇所に移動できます。
YouTubeのヘルプには、文字起こしの読み方や動画内の移動方法が載っています。アプリからテキストをコピーする手順は記載されていません。文書に貼り付けたい場合は、パソコン版のサイトを使う方が簡単です。
💡 ヒント: 自分の動画なら文字起こしパネルを開く必要はありません。YouTube Studioで 字幕 に移動し、動画を開いて、該当する言語の横の 編集、続いて オプション → 字幕をダウンロード を選びます(YouTubeヘルプ)。一般の視聴者はこの操作を利用できません。
YouTubeの文字起こし機能でできないこと
YouTubeの文字起こしは、内容をざっと読んだり、引用したい発言を探したりするのに便利です。正確な全文を別の用途に使いたい場合は、以下の制約があります。いずれもYouTubeのヘルプに基づいています。
1. 字幕がなければ文字起こしも表示されない
文字起こしパネルの内容は字幕トラックから生成されます。字幕がなければ表示する内容もありません。YouTubeによると、自動字幕が生成されない理由には、音声の処理が終わっていない、言語がサポートされていない、動画が長すぎる、音質が悪い、冒頭の無音が長い、複数の人が同時に話す、途中で言語が変わる、といったものがあります(自動字幕起こしを使用する)。
2. 自動字幕には認識ミスがある
YouTubeは、発音の誤り、アクセント、方言、背景の雑音によって、自動字幕が実際の発言を正しく反映しないことがあると説明し、投稿者に確認を勧めています。投稿者が字幕を修正していなければ、音声認識の間違いはそのまま文字起こしに残ります。
3. 自動字幕が対応するのは1つの言語だけ
音声トラックが複数ある動画でも、YouTubeが自動字幕を生成するのは既定の言語だけです。また、話者が2つの言語を交ぜて話す動画は、自動字幕が生成されないことがある例として挙げられています。
4. 話者ラベルがない
自動字幕は発話をテキストに変換します。YouTubeのヘルプに話者を識別する機能の記載はありません。インタビューやパネルディスカッションでは、誰の発言か分からないままテキストが続きます。話者名が表示されるのは、投稿者が字幕に名前を入力した場合です。
5. 視聴者はファイルをダウンロードできない
視聴者にできるのは、読む、行をクリックして移動する、テキストをコピーする、の3つです。TXT、DOCX、SRTをダウンロードするボタンはありません。字幕をダウンロード はYouTube Studioの機能なので、チャンネルの所有者か、Studioへのアクセス権がある人だけが使えます。
方法2:whispertranscribe.aiでYouTube動画を文字起こしする
whispertranscribe.ai は、OpenAIの音声認識モデルWhisperを使ったブラウザベースの文字起こしツールです。YouTube、Vimeo、Google Drive、Dropboxの公開URLを貼り付けると、動画の音声そのものを文字起こしします。既存の字幕に依存しないため、YouTubeが字幕を付けていない動画にも使えます。
OpenAIの論文 によると、Whisperは多言語・マルチタスクの教師ありデータ68万時間で学習し、追加のファインチューニングを行わなくても高い汎化性能を示しました。whispertranscribe.aiは130以上の言語に対応し、音声が明瞭な場合は最大99%の精度に達します。背景の雑音、強いアクセント、発話の重なりは精度を下げるため、結果は確認しましょう。
ステップ1:URL文字起こしを開き、話されている言語を選ぶ
URLから文字起こし または YouTube動画の文字起こしページ を開きます。ステップ1 で動画内の話し言葉を選びます。英語(英国)、英語(インド)、スペイン語(ラテンアメリカ)、ポルトガル語(ブラジル)など、該当する地域の選択肢があればそちらを選びます。
ステップ2:YouTube動画のURLを貼り付ける
ブラウザのアドレスバーかYouTubeの 共有 ボタンから動画のURLをコピーし、URL入力欄に貼り付けます。リンク先の動画は一般に公開されている必要があります。
ステップ3:必要に応じて話者検出を有効にする
インタビュー、ポッドキャスト、パネルディスカッションなど、複数の人が話す動画では 話者検出を有効にする(Enable Speaker Detection) をオンにします。発言ごとに話者ラベルが付くので、YouTubeの文字起こしでは分かりにくい、誰が何を話したかを確認できます。
ステップ4:文字起こしを開始する
URL文字起こしを開始(Start URL Transcription) をクリックします。タイムスタンプ付きのテキストが生成されます。
ステップ5:必要な形式で書き出す
メモや編集には TXT または DOCX、共有には PDF、分析には CSV、字幕ファイルには SRT/VTT を選んで書き出します。
アカウント登録不要で無料の文字起こしを始められます。有料プランは年払いで月額換算9.99米ドルからです。最新の内容は 料金ページ で確認できます。
方法3:動画ファイルをアップロードする(自分の動画の場合)
自分で作った動画なら、手元にある元ファイルをアップロードするのが手堅い方法です。リンクの問題を避けられ、手元で最も品質の高い音声を使えます。
- whispertranscribe.aiのホームページ でファイルの文字起こしを開きます。
- 動画で話されている言語を選びます。
- ファイルをドラッグ&ドロップするか、ファイル選択画面から指定します。MP4、MOV、MKV、WEBM、AVI、MP3、WAV、M4Aなどに対応し、1ファイルあたり最大5GBです。
- 必要なら 話者検出 をオンにし、文字起こしを開始して結果を書き出します。
アップロードするのは、自分で制作した動画、利用許諾を得た映像、文字起こしの許可を得たコンテンツなど、使用する権利があるファイルに限ります。この記事では、他人のYouTube動画をダウンロードする手順は扱いません。YouTubeの 利用規約 では、YouTubeが明示的に認めている場合や許可を得ている場合を除き、コンテンツのダウンロードは認められていません。他の人が公開した動画には方法1か方法2を使ってください。
会話が中心でファイルが大きい場合は、先に MP3に変換 すると、アップロードするファイルを小さくできます。
目的別にどの方法を選ぶか
数行を読んだり引用したりするだけなら、YouTubeの文字起こしが便利です。字幕がない動画、話者が複数いる動画、ファイルとして保存したい動画には、URLに対応したAIツールを使います。自分の動画なら、元ファイルをアップロードしましょう。
| 目的 | おすすめの方法 | 理由 |
|---|---|---|
| 再生しながら読む、引用箇所をすぐに探す | 方法1:YouTubeの「文字起こしを表示」 | 無料で使え、別のツールがいらない |
| 字幕がない動画をテキストにする | 方法2:URLを貼り付ける | 字幕ではなく音声を文字起こしする |
| 誰が何を話したか分かるようにする | 方法2または3で話者検出を使う | YouTubeの字幕には話者ラベルがない |
| TXT、DOCX、PDFをダウンロードする | 方法2または3 | YouTubeの視聴者にはダウンロードボタンが表示されない |
| SRTまたはVTTの字幕が必要 | 方法2または3でSRT/VTTを書き出す | 時刻情報付きの字幕ファイルを作れる |
| 自分の動画を文字起こしする | 方法3:元ファイルをアップロードする | 最も品質の高い音声を使え、URLが不要 |
| 複数の言語が混ざる動画を文字起こしする | 方法2で「Multilingual Mix」を使う | YouTubeの自動字幕は1言語のみ |
| 数時間の講義や配信を文字起こしする | 方法2または3 | プランでは最大10時間のファイルに対応 |
コピーしたYouTubeの文字起こしを整える方法
方法1でコピーしたテキストは、使う前にひと手間かけて整えましょう。以下を順に確認してください。
- タイムスタンプを削除する。 コピー前に文字起こしパネルの タイムスタンプの表示を切り替える を選びます。すでに貼り付けた場合は、時刻だけの行を削除します。正規表現に対応したテキストエディターなら、
^\d{1,2}(:\d{2}){1,2}\s*$を検索し、空欄に置換します。 - 途中で改行された文をつなぐ。 字幕は画面に収まるように短く区切られています。単独の改行を空白に置き換え、話題が変わる箇所で段落を分けます。
- 効果音のタグを削除する。 英語の自動字幕には、音や雑音が角括弧で表示されることがあります。YouTubeでは「Expressive Captions」と呼ばれる機能です。
[を検索し、不要な [Music] や [Applause] などのタグを削除します。 - 大文字と小文字の表記を直す。 Expressive Captionsでは、大きな声の発言がすべて大文字になることがあります。通常の表記に戻しましょう。
- 句読点と話者名を補う。 自動字幕では句読点が少なく、誰が発言したかも表示されません。引用したい箇所はもう一度聞いて確認します。
- 人名と数字を確認する。 公開前に、固有名詞、数字、専門用語を動画の音声と照合します。
手間を減らしたいときは、方法2を使うと多くの作業を省けます。話者ラベルとタイムスタンプが付き、書き出し時に残すか外すかを選べます。
文字起こしから字幕・要約・ブログ記事を作る
作成した文字起こしには、いくつかの活用方法があります。
- 字幕: SRTまたはVTTを書き出し、YouTube Studioの 字幕 → ファイルをアップロード から追加します。細かく調整したい場合は AI字幕生成ツール を使えます。動画ファイルが手元にある場合は MP4からSRTへの変換ツール も使えます。
- 要約やメモ: TXTを書き出し、ChatGPTの「Whisper Transcribe AI Summary GPT」で開くと、要点、章ごとのメモ、学習用のガイドを作れます。
- ブログ記事や番組の補足ノート: DOCXを書き出し、使いたい引用を残して、残りを記事として書き直します。文字起こしは記事の素材になります。
- 翻訳: 英語以外の動画から英語のテキストを作りたいときは、音声を英語に翻訳 を使います。
長時間の動画と複数言語の動画
YouTubeの文字起こしだけでは対応しにくいのは、主に次の2つです。
- 長時間の動画。 カンファレンスの録画、ライブ配信のアーカイブ、終日の講座などでは、自動字幕が生成されないことがあります。YouTubeも字幕が表示されない理由として「動画が長すぎる」ことを挙げています。whispertranscribe.aiのプランでは、最大10時間、1ファイルあたり最大5GBに対応します。
- 複数言語の動画。 英語とスペイン語などを行き来するインタビューでは、単一言語の自動字幕がうまく認識できないことがあります。whispertranscribe.aiの Multilingual Mix は、英語、スペイン語、フランス語、ドイツ語、ヒンディー語、ロシア語、ポルトガル語、日本語、イタリア語、オランダ語が混ざる録音に対応しています。
文字起こしの精度を上げるコツ
- 言語の種類を細かく選ぶ。 英語には米国、英国、オーストラリア、ニュージーランド、インドの選択肢があります。中国語では簡体字、繁体字、広東語を選べます。
- 音質が悪い場合は Noise / Low-Quality モードを使う。 街頭インタビュー、スマートフォンで撮影した映像、古い投稿などに向け、雑音の多い音声や低品質な動画に対応する選択肢が多くの言語にあります。
- 会話の途中で言語が変わる場合は Multilingual Mix を使う。 同じ会話で話者が複数の言語を使う場合に選びます。
- 歌の音声には English (Songs & Lyrics) を試す。 歌声に特化した選択肢です。
- 複数の話者がいるときは話者検出をオンにする。 インタビューやパネルディスカッションが読みやすくなります。
- 結果が思わしくなければ別の設定を試す。 whispertranscribe.aiの案内によると、言語によって複数の選択肢があります。最初の結果が十分でなければ、別の選択肢でやり直します。
- 手元にあれば元ファイルをアップロードする。 自分の動画の元ファイルを使えば、モデルが最も良い音質で認識できます。
ほかの種類の動画については、動画をテキストに変換するツール も確認してください。
著作権とフェアユースについて
文字起こしするのは、利用する権利があるコンテンツに限ります。他の人の動画を文字起こししても、発言はその人のものです。出典を明示して短い一節を解説、研究、教育に引用できる場合は多くありますが、全文を再公開するには通常、投稿者の許可が必要です。YouTubeの フェアユースのガイド には考え方が説明されています。ルールは国によって異なります。ここで扱うのは一般的な情報です。判断に迷う場合は、投稿者または弁護士に確認してください。
よくある質問
字幕がないYouTube動画も文字起こしできますか?
はい。字幕トラックではなく、音声そのものを文字起こしするツールを使います。YouTubeの文字起こしパネルは字幕付きの動画にのみ表示されるため、字幕がない場合は使えません。whispertranscribe.aiでは、公開されているYouTube動画のURLを貼り付けて話し言葉を選ぶと、音声から発言をテキストに変換できます。字幕を使わないので、雑音、動画の長さ、複数言語の混在が原因でYouTubeの自動字幕が付かなかった動画にも使えます。
YouTube動画を無料で文字起こしできますか?
はい。字幕付きの動画なら、YouTubeの文字起こし機能を無料で使えます。動画の説明欄を開き、「文字起こしを表示」をクリックしてテキストをコピーします。この機能では、ファイルのダウンロードや話者ラベルの付与はできず、字幕のない動画にも使えません。whispertranscribe.aiはアカウント登録なしで無料で始められるので、有料プランが必要か決める前に動画で試せます。有料プランは年払いで月額換算9.99米ドルからです。
タイムスタンプのない文字起こしを取得するにはどうすればよいですか?
コピー前にタイムスタンプを非表示にします。パソコンで「文字起こしを表示」を選び、文字起こしパネルのメニューから「タイムスタンプの表示を切り替える」を選びます。その後、テキストを選択してコピーします。すでに文書に貼り付けている場合は、上のチェックリストを参考に、検索と置換で時刻だけの行を削除します。whispertranscribe.aiを使う場合、読みやすいテキストにはTXTまたはDOCXを、時刻情報が必要な場合はSRT/VTTを選びます。
他の言語のYouTube動画を文字起こししたり、英語に翻訳したりできますか?
はい。whispertranscribe.aiは、スペイン語(ラテンアメリカ)や広東語などの地域別の選択肢を含め、130以上の言語に対応しています。文字起こしを始める前に、話されている言語を選びます。会話の途中で話者が言語を変える場合は「Multilingual Mix」を選びます。英語以外の動画を英語のテキストにしたい場合は、音声を英語に翻訳するツールを使ってください。YouTubeの自動字幕が対応する言語はこれより少なく、動画の既定の言語だけで生成されます。
何時間のYouTube動画まで文字起こしできますか?
whispertranscribe.aiのプランでは、最大10時間、1ファイルあたり最大5GBに対応しています。ほとんどの講義、ポッドキャスト、ライブ配信のアーカイブをまとめて処理できる長さです。YouTubeでは、長すぎる動画に自動字幕が付かず、文字起こしパネルが表示されないことがあります。数時間に及ぶ動画には、URLやファイルを直接処理するツールの方が確実です。
YouTubeの文字起こしをTXTやWordファイルで保存できますか?
視聴者はYouTubeから直接保存できません。文字起こしパネルで読んだりコピーしたりできますが、ダウンロードボタンはありません。自分の動画なら、YouTube Studioで「字幕 → オプション → 字幕をダウンロード」と進み、字幕トラックを取得できます。公開動画の場合は、URLをwhispertranscribe.aiに貼り付けて、文字起こしをTXT、DOCX、PDF、CSV、SRT、VTTで書き出せます。
次の動画で試してみましょう。 YouTube動画のURLを whispertranscribe.ai に貼り付けると、130以上の言語に対応した文字起こしができます。話者ラベルを付けたり、SRT/VTT形式で書き出したりできます。
参考資料
- YouTubeヘルプ:動画の文字起こしを表示する
- YouTubeヘルプ:自動字幕起こしを使用する
- YouTubeヘルプ:字幕を編集または削除する
- YouTubeヘルプ:YouTubeにおけるフェアユース
- YouTube:利用規約
- Radfordほか、OpenAI:Robust Speech Recognition via Large-Scale Weak Supervision(Whisperの論文)
