動画の字幕を自動生成:SRT ファイルをオフラインで作成(Mac・iPhone)

2026 年 11 月 22 日公開

動画の字幕を、アップロードせずに自動で作るには? 動画を Whisper Notes に読み込みます。音声は Mac や iPhone の中で文字起こしされます。SRT で書き出せば(Mac は「形式を選んで書き出す」→ SRT、iPhone は「…」→「共有」→「字幕を書き出す」)、どのプレーヤーや動画編集ソフトでも読み込める字幕ファイルになります。

書き出せるもの

iPhoneMac
動画の読み込みできるできる
SRTできるできる
VTT話者を識別したあとできる
字幕に話者の名前を入れる話者を識別したあと話者を識別したあと
動画を見ながら字幕を直すできないできる
字幕を映像に焼き付けるできないできない

緑は使えるもの、オレンジ色は使えないか条件付きのものです。Mac は Mac App Store 版と公式サイトの Mac 版の両方を指します。

SRT ファイルとは?

SRT ファイルは、テキストだけでできた字幕ファイルです。名前は、この形式を広めたソフト SubRip から来ています。字幕 1 つが 1 つのブロックで、番号、「時:分:秒,ミリ秒」で書いた開始時刻と終了時刻(間に矢印)、1 行以上(ふつうは 1〜2 行)のテキスト、空行の順に並びます。ただのテキストなのでどのテキストエディタでも開け、ほとんどのプレーヤーや動画編集ソフトは動画と一緒に読み込めます。VTT(WebVTT)は同じ考え方の Web 向けの形式で、ファイルの先頭に WEBVTT の行があり、ミリ秒の前がピリオドになります。下の例は Whisper Notes が書き出した SRT ファイルです。

できあがる字幕の形

字幕は、読みやすさのための一般的な決まりに沿って区切られます。

  • 1 行は日本語で約 21 文字まで(中国語・韓国語も同じ。英語などは 42 文字まで)
  • 最大 2 行
  • 1 つの字幕が画面に出るのは最長 7 秒(短い言葉の途中に長い間があるときは、1 つの字幕のまま 7 秒を超えることがあります)

話者を識別すると、SRT では各字幕の頭に話者の名前が入り、VTT では voice タグとして記録されます。

1
00:00:01,200 --> 00:00:04,800
佐藤: 本日はありがとうございます。
新しい料金ページを見ていきます。

2
00:00:05,100 --> 00:00:07,900
鈴木: 年額プランを先に出しますか?

動画 1 本にかかる時間は?

内蔵の Parakeet はヨーロッパの 25 言語用で、日本語は文字起こしできません。日本語の動画を読み込む前に、設定で SenseVoice か Whisper をダウンロードして選んでおきます。SenseVoice Small は MacBook Air(M5)で実時間の 115〜131 倍の速さなので、1 時間の動画でもモデルの処理は 1 分もかかりません。日本語でいちばん正確なモデルは言語別のモデル比較で確かめられます。

Mac で字幕を作る

  1. 動画を Whisper Notes のウインドウにドラッグします。録音ボタンの横のフォルダボタンをクリックし、「音声・動画を読み込む」で選んでもかまいません。MP4、MOV、M4V は読み込めます。macOS で開けない MKV や WebM は、先に MP4 に変換してください。
  2. 文字起こしが終わったらメモを開きます。動画が字幕と並んで再生され、行をクリックするとその場面に移動し、ダブルクリックすると文字を直せます。
  3. 「形式を選んで書き出す」→ SRT(または VTT)を選びます。
Whisper Notes の Mac 版で、メモの「…」メニューから Export As(形式を選んで書き出す)を開いたところ。TXT、Markdown、SRT、VTT が並んでいる

Mac ではメモの「…」メニューから「形式を選んで書き出す」→ SRT(画面は英語表示)

「字幕を表示」で、字幕が動画の上に重なります。字幕の「サイズ」は小・中・大から選べ、上下にドラッグして、映像にもともと入っている字幕と重ならない位置に動かせます。Mac App Store 版でも公式サイトの Mac 版でも同じです。

Whisper Notes の Mac 版で動画のメモを開いた画面。ベランダ菜園の動画が 00:24 で一時停止し、映像の上に字幕の行と再生コントロールが重なっている。横には Subtitles(字幕)の一覧(タイムスタンプ付きの 12 行)があり、再生中の行が緑で強調されている

Mac 版では動画が字幕と並んで再生され、再生中の行が強調されます(画面は英語表示)

iPhone で字幕を作る

  1. 録音ボタンの横のフォルダボタンをタップし、動画を選びます。
  2. 文字起こしが終わったら、メモの「…」→「共有」→「字幕を書き出す」をタップします。

VTT が必要なら、先に「…」→「話者を識別」を実行します。そのあと「…」→「共有」に「VTTファイルを書き出す(話者付き)」が表示されます。

字幕を映像に焼き付けるには動画編集ソフトを使う

Whisper Notes が作るのは字幕ファイルだけで、動画そのものには手を加えません。VLC と IINA は、動画と同じ名前の .srt を自動で読み込みます。字幕を映像に焼き付けたいときは、動画と .srt を HandBrake(無料)、Final Cut Pro、DaVinci Resolve などの動画編集ソフトで開いてください。

よくある質問

動画はどこかにアップロードされますか?

いいえ。Whisper Notes は Mac や iPhone の中で動画を文字起こしし、字幕ファイルもそこに保存します。モデルをダウンロードしたあとは、文字起こしにインターネットは要りません。

字幕を動画に焼き付けることはできますか?

いいえ。書き出せるのは SRT と VTT のファイルです。焼き付けるには、無料の HandBrake などの動画編集ソフトを使ってください。

どの言語の字幕を作れますか?

文字起こしできる言語なら、どれでも字幕にできます。モデルごとの対応言語は対応言語にあります。

無料ですか?

iPhone 版は App Store で買い切り $7.99 で、同じ購入で Mac App Store 版も使えます。公式サイトの Mac 版は毎週 5,000 語まで無料、以降は買い切り $14 です。