動画 字幕 自動生成 — 無料〜有料8ツール比較 (2026年版)

3つの選択肢があります: (1) YouTube Studio の自動字幕 — 完全無料、YouTube にアップした動画に自動生成される。編集不可なわけではないが、日本語精度は 60-75% と低め。(2) 動画ファイルを VexaScribe / Notta / Vrew にアップロード → SRT/VTT/TXT でエクスポート → 動画編集ソフトに読み込み。(3) CapCut / Vrew / Premiere Pro などの動画編集ソフト内の自動字幕機能を使う (編集と字幕生成を同じソフトで完結)。用途で選択。

どちらも字幕ファイル形式ですが対応先が違います。<strong>SRT (SubRip)</strong>: 最も一般的、Premiere Pro/Final Cut/DaVinci Resolve/CapCut/Vrew/YouTube 全て対応、テキストのみのシンプル形式。<strong>VTT (WebVTT)</strong>: Web 動画向け、HTML5 video タグで直接表示可能、スタイル指定 (色・位置) が可能、YouTube・HTML5 プレイヤー対応。動画編集ソフトに読み込む場合は SRT、Web サイトで直接表示する場合は VTT を選択。

Whisper large-v3 ベースのツール (VexaScribe, Notta, Vrew, TurboScribe) で 88-93%。YouTube 自動字幕は 60-75% と大きく劣り、実務では使い物にならない場合が多い。専門用語・訛り・複数話者・BGM ありの動画は精度がさらに 10-15% 低下します。字幕は Whisper 系ツールで生成 → 動画編集ソフトで微修正、が現実的なワークフロー。

手順: (1) VexaScribe / Notta で動画から SRT ファイルを生成、(2) YouTube Studio → 対象動画 → 字幕タブ、(3) 「言語を追加」→ 日本語 (または対象言語)、(4) 「字幕を追加」→「ファイルをアップロード」→ SRT を選択、(5) タイミング・翻訳ありなしを選択して保存。YouTube 自動字幕を使うより、事前に高精度な SRT を作成してアップロードする方が編集時間を大幅に短縮できます。

TikTok と Reels は動画アプリ内で撮影・編集する場合、内蔵の自動字幕機能があります (TikTok: 編集 → 字幕、Reels: 編集 → ステッカー → 自動字幕)。日本語対応、無料。編集の自由度は限定的。高品質な字幕が必要なら別途 CapCut や VexaScribe で SRT を作成 → 動画に焼き付けて (ハードサブ) TikTok/Reels にアップロードする方式が一般的。ショート動画向けは字幕の位置・色・アニメーションも重要な要素です。

3ソフト共に SRT/VTT の読み込みに対応。<strong>Premiere Pro</strong>: 「ファイル」→「読み込み」→ SRT を選択、または内蔵の「音声からキャプション」機能 (2022+) で自動生成可能。<strong>Final Cut Pro</strong>: 字幕トラックに SRT をドラッグ&ドロップで読み込み可能 (10.4.1+)。<strong>DaVinci Resolve</strong>: 「Studio」版で自動字幕生成、Free 版は SRT の読み込みのみ対応。VexaScribe / Notta で SRT を生成 → 各ソフトに読み込むワークフローが精度・柔軟性の両面で優位。

<strong>CapCut</strong> (ByteDance/TikTok): 動画編集ツール、自動字幕機能付き、無料、TikTok/Instagram 向けショート動画に最適化。日本語対応・多言語対応。字幕のアニメーション・スタイル種類が豊富。<strong>Vrew</strong> (Voyager X): 動画編集 + 自動字幕統合、無音カット・不要部分自動削除機能、日本語 UI 完備、無料版と有料版あり。長尺動画 (10分以上) では Vrew の編集効率が高い。ショート動画中心なら CapCut、長尺の解説動画やインタビュー動画なら Vrew。両方無料版があるので試して選ぶのが実用的。

無料オプション: YouTube Studio (自動字幕、精度低)、CapCut (無料版で自動字幕対応)、Vrew Free、VexaScribe 30分無料、CLOVA Note (月300分無料)。有料オプション: VexaScribe $2〜$20/月 (200分〜6000分)、Notta ¥1,317/月 (720分)、TurboScribe US$10/月 無制限、Rimo Voice ¥22/分従量。100本ある動画などの大量処理は VexaScribe Basic ($5/月, 1000分) が最もコスパが良い。単発の動画なら無料枠で足りることが多い。

はい、Whisper ベースのツールが対応: VexaScribe, Notta, LINE WORKS AiNote, Rimo Voice で話者分離 (speaker diarization) が有効になった場合、字幕に「話者1: 」「話者2: 」などのラベルが自動付与されます。編集画面で実名に変更可能 (「田中: 」など)。SRT/VTT エクスポート時にも保持されます。話者分離精度は 2〜3人のクリア音声で 90-95%、複数話者や重なり発話で 70-80% に低下。

3つの方法: (1) VexaScribe で英語動画を英字幕生成 → DeepL/Google 翻訳で SRT テキストを翻訳 → 日本語 SRT を動画に再度適用。(2) Notta の自動翻訳字幕機能 (Pro プラン以上) を使う。(3) YouTube 動画なら YouTube 自動翻訳字幕機能で日本語表示可能 (精度は元字幕依存)。より高品質な翻訳字幕が必要なら (1) の方法で DeepL の翻訳品質を活用するのが最も自然。