動画のテロップ作成でメンタルが崩壊しそうになったので、完全無料の字幕生成ツールを作った話

コンテンツ制作を2年間やってきて、最も苦痛だったのは企画を考えることでも動画編集でもなく、字幕（テロップ）付けの作業でした。

10分程度のトーク動画を撮り終えるたびに、Premiere Proで1時間以上も字幕作業に苦しめられてきました。手動でクリップを切り刻み、一文ずつ聞き取り、聞き取れなければ何度も巻き戻す。その後、世間に「AI文字起こし」ツールがいくつも登場し、喜んで試してみたものの、結局はトラップだらけでした。「最初の3分だけ無料」だったり、肝心の.srtエクスポートが9.9ドルの有料プランに隠されていたり。

純粋で、クリーンで、本当に無料で使えるツールがどうしても見つからなかったので、いっそのこと自分で作ることにしました。

なぜ大手ソフトの自動文字起こしは「イマイチ」なのか？

正直なところ、PremiereやCapCut（キャップカット）の自動文字起こし機能もかなり優秀ですが、特定のシーンでは本当にイライラさせられます。例えば、専門用語を交えたり、背景に少しノイズが入っていたりすると、内蔵エンジンは途端に意味不明な文章を生成し始めます。

さらに致命的なのは、長時間の会話に対する「区切り（セグメンテーション）」の最適化が甘いツールが多いことです。生成された字幕が長すぎて画面からはみ出したり、不自然な位置でぶつ切りにされたりします。結局、後から修正するのにかかる時間が、自分で最初から手打ちするよりも長くなることさえありました。

私が欲しかったのは、最高のオープンソースモデル（改良版Whisperなど）で動き、専門用語も理解でき、そして何よりクリーンな標準のSRTファイルを一発で吐き出してくれるものでした。

そこで、この小さなツールを作りました

最初は自分と数人のクリエイターの友人のためだけに、極めてシンプルなWebアプリを構築しました。そのコアロジックは非常にストレートです：

どんなに長くても、音声ファイルをポンと放り込む。
バックエンドで文字起こしエンジンをフル稼働させる。
タイムスタンプが極めて正確なSRTファイルが直接出力される。

強制的なログインも、「最初の5分だけ無料」といった罠も、SRTのダウンロードを阻む課金の壁もありません。もしあなたが普段から音声を字幕ファイルに変換したり、長時間の議事録を整理したりする機会が多いなら、私が個人的に作ったこのサイトを試してみてください：freeaudiototext.com。

私のちょっとしたエゴ

このツールを完全無料で公開したのには、ちょっとした実験の意図もあります。AIの計算コストが日々安くなっているこの時代に、一体どれだけの人が未だに使い勝手の悪い基本的なツールに我慢しているのかを知りたかったのです。

もちろん、たまにVlogを編集する程度の初心者なら、CapCutの自動字幕で十分です。しかし、もしあなたが私のように強いこだわりを持つコンテンツクリエイターで、おかしな文章の区切りや誤字脱字、そしてプラットフォームに搾取されることにうんざりしているなら、一度使ってみる価値はあるはずです。

最後におまけのTipsですが、字幕を作る時はまず音声だけを書き出すのがベストです。動画ファイルは容量が大きすぎてアップロードに時間がかかります。編集ソフトで動画からMP3だけを書き出し、それを文字起こしにかけるのが、最も効率的なワークフローです。

画像プロンプト：クリーンでミニマルなワークスペースのデスク。モニターにはコードエディタと動画のタイムラインが表示され、柔らかな照明が深夜の作業における孤独な集中力を醸し出している。 --ar 16:9