Option 01
YouTubeの自動字幕
無料、Studioに組み込み。YouTubeに限定、英語寄り、真のエクスポート機能なし。
必須要件ショーツチャンネルを所有
スピーカーラベルなし
言語対応約13言語
エクスポートSBV / SRT in Studio
音楽処理しばしば[Music]を挿入
コスト無料
Best forYouTube自体でのみ字幕が必要で、クリップを他の場所で再利用しないクリエイター向け。
YouTube ショーツの文字起こし。動画60秒、文字起こし10秒。
ショーツのURLを貼り付けるか、MP4をドロップ。SRT、VTT、クリーンなテキストを数秒で取得 — ショーツクリップをReels、TikTok、ブログ記事に再利用する準備ができています。
Drop a file, or pick one
MP3 · WAV · M4A · MP4 · MOV · MKV · OGG · OPUS · FLAC · WEBM — up to 100 MB anonymously
Paste a link, we’ll fetch the audio
YouTube · TikTok · Vimeo · Twitter · SoundCloud · Spotify · 50+ more
↓ 出力結果を見る
ショーツのURLを入力。 字幕が出力。
ショーツ動画からオーディオをサーバー側で取得し、音楽トラックを除去して、タイムスタンプ付きテキストとフレーム精度のSRTを返します。ブラウザ拡張機能、OBSキャプチャ、自分でのスクレイピングは不要。
youtube.com/shorts/aB3kQ…
自動検出 en-US44.1 kHz · ボーカルトラック分離
~90s
文字起こし · ストリーミング
S1
3つのiPhoneの設定、誰も教えてくれない — その1はアクセシビリティに隠れている。
S1
設定を開いて、アクセシビリティ、タッチと進んで、下にスクロールしてバックタップを探す。
S1
ダブルタップをスクリーンショットに設定。片手でスクリーンショット撮影ができるようになる。
S1
これをフィードに埋もれさせる前に保存してください。
顔出しショーツで94%SRT · VTT · DOCX · TXT · JSON
↓ This is the dashboard
This is what loads when the job finishes.
Same layout as the real dashboard — Summary, full Transcript, Speakers tab, Exports. Key points and action items extracted automatically. Auto-tags on every job.
Summary 5Transcript 1,420Speakers 2Exports
Founders need post-call content, not just transcripts. Tools force them to stitch 5 apps together.
Sample preview from a founder interview about post-call workflow. Real transcripts look exactly like this — same tabs, same summary block, same key-points / action-items split, same auto-tag chips.
Key points
Gap exists between raw recordings and shippable content — tools stop at transcript.
Show notes, social clips, blog drafts all expected by call's end, not next-day.
Current tooling fragmented across 5 apps — no single pipeline.
Conversion-rate signal flipped a buyer-segment assumption at week 3.
40% of original hypothesis survived — the shape held, mechanics rebuilt.
Action items
Speaker 1Investigate single-pipeline approach to replace 5-app stitch.
Speaker 2Mock how show-notes draft could flow from the transcript.
Speaker 2Pull conversion-rate by segment, Monday EOD.
Speaker 1Map the 5-app stitch & list which steps actually need a human.
3つの実際の選択肢 · 正直な比較
YouTubeの自動字幕。SubMagic。 またはTranscription.Solutions。
YouTubeはStudio内で無料で字幕を生成します。SubMagicやSubMagic風のツール（CapCut、Veed）はアニメ字幕を動画に焼き込みます。私たちはデータとして使える、処理済みの文字起こしとクリーンな字幕ファイルを提供します。
Option 02
Transcription.Solutions
任意の公開ショーツのURLを貼り付け。クリーンなSRT、VTT、テキストを取得 — どこでも使える。
必須要件公開URL またはMP4
スピーカーラベルダイアリゼーション含む
言語対応99言語、自動検出
エクスポートSRT · VTT · DOCX · TXT · JSON
音楽処理ボーカル分離がデフォルトON
コスト · 分単位$0.03
Best forショーツをTikTokとReelsに再利用するクリエイター、他のチャンネルを運用するエージェンシー、Studio外でテキストが必要な誰もが対象。
Option 03
SubMagic / CapCut
焼き込みアニメ字幕。画面上で見栄えがいいが、テキストはピクセル内に閉じ込められている。
必須要件ソースMP4をアップロード
スピーカーラベルシングルスピーカーのみ
言語対応約30言語、英語中心
エクスポートビデオファイル（テキストではない）
音楽処理良好 — ショーツ向けに設計
コスト約$10–25/月
Best forポップオンワードレベル字幕をエクスポートに焼き込みたい、生の文字起こしが不要なクリエイター向け。
料金と機能フラグは2026年時点の概算です。YouTube字幕言語サポートは地域によって異なります。
ショーツ固有
クリエイターがで突き当たる3つのこと。 汎用トランスクリプションツール
ショーツは小さなポッドキャストではありません。音楽床、スピード、ハッシュタグ満載のスクリプトはすべて、会議向けに設計されたツールを壊します。
何が機能していないのか
- 1音楽床がホットミックス。 汎用ASRは歌詞を文の真ん中に文字起こしします。「[Music] go to settings [Music] tap on」のようになります。
- 2ブランド名とハッシュタグ（Notion、Arc、Linear、#buildinpublic）は小文字で音声として返されます。再アップロード時、キャプションがアマチュアに見えます。
- 3速いペースの配信。 ショーツクリエイターは60秒のフック内に収まるため200+ WPMで話す。会議ケイデンス向けにチューニングされたツールは単語の終わりをドロップします。
ここで何を反転させるか
- 1ボーカル分離をONのままに — これがデフォルトです。認識前に音楽抑制パスを実行するため、歌詞は文字起こしにリークしません。
- 2ブランドリストをカスタム語彙にドロップ。チャンネル名、製品名、繰り返しハッシュタグ。これらを認識用ただし多様化ヒントとして渡します。
- 3短編スピーカーモデルを選択。シングルスピーカー、速いペース配信用にチューニングされ、会話モデルより単語境界検出に重みづけします。
ショーツの推奨ジョブ設定
ショーツのURLを貼り付けると、これらがデフォルトでONになります。フォームからジョブごとにオーバーライド。
- 入力
- 公開URL またはMP4アップロード
- スピーカーモデル
- 短編 · 1-2スピーカー
- ボーカル分離
- ON（音楽抑制）
- フィラーワード
- 保持 — クリエイターは正確さを望む
- 要約
- フック＋ペイオフ（Pro/Business）
- エクスポート
- SRT · VTT · ワードレベルJSON
Accuracy · real-world numbers
顔出しショーツで94%。 音楽床がセットの天井を決める。
ショーツは短いため、1つの間違った単語が目立ちます。 音楽トラックに対するボーカル分離がチューニングの焦点です。 以下の数値は、アクティブなショーツURLから処理した実データであり、合成クリップではありませ���。
96%
スタジオボイスオーバー、音楽なし
マイクで録音、音楽は後処理で追加だがミックスは低め。最もクリーン — エラーは主に固有名詞とスラングで発生。
94%
トーキングヘッド、軽い音楽床
スマートフォンまたはDSLR、音声の下に音楽を下げたもの。ボーカル分離で対話をクリーンリフト。ほとんどのショーツはここに該当。
87%
大きなトレンドオーディオバック
音楽が音声と同じレベル。硬い子音と対話と重なる歌詞で単語がクリップ。
82%
街、フィールド、またはBロールボイスオーバー
風、交通、周囲の人声。使用可能なテキストだが、数字、名前、ブランド言及に30秒のクリーンアップパスを想定。
よくある質問
クリエイターが質問する8つのこと ショーツトランスクリプションについて
01youtube.com/shorts/ URLを貼り付けるだけで動作しますか?+
はい — これが主なフロー。URLを貼り付けると、オーディオをサーバー側で取得して文字起こしを開始します。ブラウザ拡張機能、OBSキャプチャ、最初にMP4をダウンロードする必要はありません。
02所有していないショーツで機能しますか?+
はい、ショーツが公開されている限り。YouTubeは匿名取得をそれらでブロックするため、非公開またはプライベート動画にはアクセスできません。プライベートショーツの場合、StudioからMP4をダウンロードして直接アップロード。
03TikTokまたはReelsで再アップロードされた動画と同期しますか?+
はい。タイムスタンプがオーディオ開始を参照するため、再アップロード時にクリップの先頭をトリミングしない限り、SRTはクリーンに適用されます。先頭をトリム？ 任意の字幕エディターでそのオフセットを差し引きます。
04音楽はどうなる — YouTubeのように[Music]として表示される?+
いいえ。認識前にボーカル分離を実行するため、音楽床は抑制され、スポーク音声のみを文字起こしします。文字起こし全体に[Music]タグが散在しません。
05無料枠では何個のショーツできますか?+
月30分。平均ショーツは30-45秒のため、これは大体月40-60ショーツです（Proに達する前）。ダイアリゼーションとSRTエクスポートはすべてのプランに含まれています。
06アニメ字幕用ワードレベルタイムスタンプを処理しますか?+
はい、すべてのプラン。エクスポートドロップダウンからワードレベルJSONを選択。CapCut、Premiere、またはカスタムRemotionテンプレート��直接フィードしてポップオン字幕をレンダリング。
07非英語ショーツについては?+
99言語対応、オーディオから自動検出。スペイン語、ポルトガル語、ヒンディー語、タガログ語、アラビア語 — 本番環境ですべてテスト済み。混合言語ショーツ（コード切り替え）は機能しますが精度は4-6ポイント低下。
08文字起こしから要約またはタイトル候補を取得できますか?+
Pro/Businessで可能。要約はワンラインフック、ペイオフ、スクリプトに基づいた3-5個の推奨タイトルバリアントを返します。無料枠は文字起こしのみ。