YouTube動画の文字起こしを取得する方法

YouTube動画の文字起こしを取得するには、リンクをコピーして文字起こしのページに貼り付け、ボタンを押します。テキストがページに表示されます。「テキストをコピー」「ChatGPT用にコピー」を使うか、TXT・SRT・VTTでダウンロードしてください。動画に字幕があればそれを使い、なければ音声認識が文字起こしを作ります。

文字起こしを持っておく価値

文字起こしがあれば、1時間の動画が5分で流し読みでき、Ctrl+Fで検索でき、正確に引用できます。字幕がまったくない動画も含めて、ほとんどの公開YouTube動画で取得できます。

パソコンの場合

1. アドレスバーから、YouTube動画のリンクをコピーします。
2. YouTube文字起こしを開きます。最初から「文字起こし」が選ばれています。
3. リンクを貼り付けて、ボタンを押します。準備ができると、文字起こしがページに表示されます。
4. コピーまたはダウンロードします。プレーンテキストなら「テキストをコピー」、チャットに貼るなら「ChatGPT用にコピー」。同じ結果からTXT・SRT・VTTもダウンロードできます。

スマホの場合

1. YouTubeアプリで、「共有」→「リンクをコピー」をタップします。
2. スマホのブラウザで文字起こしのページを開き、リンクを貼り付けます。
3. 「テキストをコピー」をタップして、メモ、ドキュメント、メッセージに貼り付けるか、ファイルをダウンロードします。iPhoneでは「ファイル」アプリ、Androidでは「ダウンロード」に入ります。

新しくなった点

• 文字起こしがページに表示されるので、何かをダウンロードする前に読めます。
• その上に「テキストをコピー」と「ChatGPT用にコピー」のボタンがあります。
• TXT・SRT・VTTのダウンロードは同じ結果から行えて、2回目の実行は不要です。
• サインインして作った文字起こしは、アカウントの履歴に90日間保存されます。過去のものを、追加のダウンロード回数を使わずに開けます。
• アカウントなしで、1日1本の文字起こしを試せます。この場合は字幕のみを使い、動画は20分以内に限ります。

文字起こしの元になるもの

方法は2つあり、自動で選びます。

• 動画に字幕がある場合：それを使います。投稿者が手作業で付けた字幕は、たいてい非常に正確です。YouTubeの自動字幕は、当たり外れがあります。
• 動画に字幕がない場合：音声認識（Whisper）が音声を聞き取り、一から文字起こしを作ります。1時間までの動画に対応しています。

どの動画でも、全体の上限は3時間です。字幕のある2時間の動画は使えます。字幕のない2時間の動画は、音声認識には長すぎます。

どんなものが得られるか

字幕のある20分のトークなら、約3,000語になります。TXTなら読みやすいテキストのかたまりです。SRTなら同じ言葉が、時刻付きの番号つきの短い行に分かれ、次のようになります。

1
00:00:01,200 --> 00:00:04,000
Thanks for watching, let's get started.

精度はどのくらいですか？

1人がはっきり話している録音なら、音声認識はほとんどの言葉を正しく書き起こします。間違いやすいのは、人名、ブランド名、専門用語、数字です。声の下で音楽が流れているとき、人が重なって話すとき、音が小さいときや反響があるときも苦手です。自動の文字起こしは、とても良い下書きと考えてください。公開したり引用したりする前に、通して読んでください。

文字起こしには、誰が話しているかは載りません。インタビューなら、話者名は自分で追加してください。

文字起こしでできること

• 講義から勉強用のメモを作り、あとで検索する。
• 何度も巻き戻さずに、インタビューを引用する。
• 自分の動画をブログ記事やニュースレターにする。
• 翻訳ツールに貼り付ける。
• 「ChatGPT用にコピー」でチャットに貼り付け、要約や要点を頼む。要約はChatGPTで行われます。当サイトの中では要約しません。

TXT、SRT、VTTのどれ？

形式	時刻	向いている用途
TXT	なし	読む、メモ、引用、ほかのツールへの貼り付け
SRT	あり	VLCや動画編集ソフトでの字幕
VTT	あり	ウェブサイトやオンライン講座の字幕

詳しい比較はSRT・VTT・TXTの比較にあります。字幕がほしい場合は、YouTubeの字幕をSRTでダウンロードする方法をご覧ください。

うまくいかないとき

• 非公開、メンバー限定、ライブの動画は使えません。ライブ配信が終わってからもう一度お試しください。
• 字幕がなく、1時間を超える動画は、音声認識には長すぎます。3時間を超える動画は、どの方法でも長すぎます。
• アカウントなしのお試しは、字幕があり20分以内の動画だけが対象です。それ以外は無料アカウントを作ってください。
• テキストがおかしいのは、音声の状態が悪いときです。きれいな元データなら、きれいな文字起こしになります。

失敗した試行はダウンロード回数を消費しません。トラブルシューティングガイドにも詳しい説明があります。

料金

無料アカウントには3回分のダウンロードが含まれます。その後は20回分で$2.50（1回払い）、またはProで月$5.99のダウンロード無制限です。

ほかのサイトでも使えます

同じ「文字起こし」の選択が、TikTok、Instagram、Vimeo、ほかの対応サイトでも使えます。リンクを貼って「文字起こし」を選んでください。

簡単な実例

45分のカンファレンス講演を見つけて、要点がほしいとします。文字起こしのページにリンクを貼ります。講演に字幕があれば、短い時間でテキストが準備できます。ページ上で流し読みし、気になる用語を検索して、「ChatGPT用にコピー」でチャットに貼り付け、要約やアクション項目を頼みます。引用用にTXTファイルを、動画内の場所を探すときのためにSRTを手元に残せます。

字幕がない場合は、同じ講演を音声認識が書き起こすので、時間がかかります。出来上がりの形は同じですが、通して読む必要があるので、頼る前に人名や数字を確認してください。

より良い文字起こしのコツ

• 音声がいちばんきれいなバージョンを選びます。再アップロードより、公式の投稿のほうが向いています。
• 話者が複数いるときは、読んだあとに名前を手で追加します。
• 引用するときは、公開する前に動画と正確な表現を照らし合わせます。
• 名前がすべて間違って綴られていたら、テキストエディタの検索と置換を使います。

よくある質問

長い動画の文字起こしも取得できますか？

はい。動画に字幕があれば最長3時間、音声認識で書き起こす場合は最長1時間です。処理中はタブを開いたままにしてください。

タイムスタンプは含まれますか？

TXTには含まれません。SRTとVTTには、すべての行にタイムスタンプがあります。

ダウンロードせずに文字起こしをコピーできますか？

はい。ページ上の「テキストをコピー」を使ってください。

言語を選べますか？

動画自体の字幕があればそれを使います。音声認識は、聞こえたとおりに書き起こします。別の言語にしたいときは、テキストを翻訳ツールに貼り付けてください。

文字起こしはどのくらい保存されますか？

アカウントの履歴に90日間です。ダウンロード用のファイルは、準備ができてから15分後にサーバーから削除されます。