Slop Transcribe · 無料、ブラウザーで

動画から字幕（SRT または VTT）を作る

動画または音声トラックをドロップすると、各行に開始時刻と終了時刻が付いた字幕ファイルが得られます。Whisper はお使いのデバイス上で音声を聞き取るため、映像がアップロードされることはありません。

手順

このページから Slop Transcribe を開きます。形式はすでに「字幕（.srt）」に設定されています。初回は「さらに入手…」を押し、Whisper tiny モデル（約 40 MB）のダウンロードを確認します。次回のためにブラウザーに保存されます。
動画または音声ファイルをページにドロップし、「文字起こし」を押します。
「時刻を表示」をオンにして、各区間の開始時刻とともに確認します。
「字幕（.srt）」のままにするか、HTML5 動画用に「Web 字幕（.vtt）」を選び、「ダウンロード」を押します。
ファイルを、動画プレーヤーや編集ソフトで動画と一緒に読み込みます。

字幕ファイルは、Whisper が聞き取った区間を、そのタイミングのままに保持します。テキストボックスに入力した修正は、テキストと Word のダウンロードに反映され、字幕には反映されません。SRT ファイルはプレーンテキストなので、ダウンロード後にテキストエディターで 1 行ずつ直すこともできます。

ファイルはこのデバイスに保存されたままです：Slop Transcribe はブラウザーで動作し、アップロードもアカウントも透かしも必要ありません。

よくある質問

SRT と VTT の違いは何ですか？

どちらも、各行に開始時刻と終了時刻を持つプレーンテキストの字幕ファイルです。SRT は最も広く受け入れられている形式です。WebVTT（.vtt）は、HTML5 の動画プレーヤーが読み込む形式です。

ここで字幕を編集できますか？

1 行ずつの編集はできません。テキストボックスでの修正はテキストと Word にだけ反映されます。SRT と VTT は、モデルが聞き取ったタイミング付きの区間をそのまま保持します。

どの言語に対応していますか？

話し言葉の言語の一覧で、Whisper が対応する 99 の言語（アフリカーンス語からヨルバ語まで）から選べます。英語、スペイン語、フランス語、ドイツ語、中国語、日本語、アラビア語も含まれます。「自動検出」のままにすることもできます。字幕は話された言語で書かれ、翻訳はされません。

動画はアップロードされますか？

いいえ。音声はお使いのブラウザーで読み込まれ、文字起こしされます。ダウンロードされるのは Whisper モデルだけで、Hugging Face から一度だけダウンロードされ、ブラウザーに保存されます。