動画をテキストにする方法
動画からすべての文字を取り出します。人が話している内容と、スライド、動画に焼き込まれた字幕、タイトル、看板など、映像に映る文字です。時間順の 1 つのリストになり、お使いのコンピューターで読み取るので、録画した会議や講義がどこかに送られることはありません。
3 つのステップで動画をテキストにする
- 1動画を選びます。
MP4、MOV、WebM、MKV に対応しています。すべてを取り出すなら選択はそのままで、話した内容だけ、または画面の文字だけを選ぶこともできます。
- 2最初の部分を確認します。
無料のプレビューで最初の 30 秒を読み取り、最初の数行を表示します。
- 3ダウンロードし、直して、保存し直します。
すべての行と時刻が入った .txt ファイルができます。気になる行はページ上で直してから、テキストを保存し直すか、話した内容を字幕（.srt または .vtt）として保存します。
読み取るもの
- 音声：音声認識モデルが聞き取り、話した内容を各文の時刻つきで書き出します。
- 映像：2 秒ごとに静止画を取り出し、そこに映る文字を読み取ります。直前と同じに見える静止画は飛ばします。
- 確かな言葉だけを残すので、汚れや模様が文字として読まれることはありません。
- しばらく映ったままのスライドは、最初に映った時刻で 1 回だけ表示されます。
- テキストファイルでは、話した行は「[0:12] …」、画面の文字は「[0:15] 画面：…」と書かれます。
できないこと
どんな自動の読み取りでも間違いは出ます。使う前にテキストを読み直してください。
- 手書き、とても小さな文字、動く文字は、うまく読めないか、まったく読めません。
- 映像は 2 秒ごとに調べるので、それより短い時間しか映らない文字は見逃すことがあります。
- 選んだ言語は、画面の文字を読むときにも使われます。ほかの言語の文字は読み取りにくくなります。
- 「より正確」は、ほかの言語や雑音の多い音声に強いですが、初回のダウンロードが大きく（77 MB ではなく 240 MB）、処理も遅めです。パソコン向きです。
- ノートパソコンかデスクトップコンピューターが必要です。スマホには処理が重すぎます。
動画は手元に残ります
動画はこのデバイスの上で読み取られ、ウェブサイトやサーバーに送られることはありません。初回のあとは、音声認識モデルと読み取りの仕組みがブラウザに残ります。