ブログ

字幕の改行を自然に|1行の文字数と区切り方、AI で自動分割(Mac)

自動字幕が文の途中で切れる、1行が長すぎる。そんなときに VoxStudio for Mac の「字幕を区切る」で直す方法。1行の文字数の目安、ローカル分割と AI 分割の違い、1か所だけ手で切る手順まで。

著者 David, Product Specialist at VoxStudio · · 8 分で読めます

暗い背景の講義動画の上に、読みやすい長さに区切られた字幕を重ねた VoxStudio の動画エディタ画面。

この記事の要点

自動でつけた字幕は、だいたい次の 2 つのどちらかの形になります。ひとつは、文の途中で改行されて、助詞や語の切れ目の悪いところで次の行に移るもの。もうひとつは、句点までの長い発話が 1 行に詰め込まれて、読み切る前に消えてしまうものです。どちらも原因は同じで、意味の切れ目を知らない決まりごとで切っているからです。

この記事では、VoxStudio for Mac で自然な改行と読みやすい長さにする方法を説明します。文字起こしのオプションの意味、AI を使う分割の仕組み、うまくいかないときの直し方までを扱います。手順は、録音または動画がすでにアプリで開いていることを前提にしています。

先に結論:この順番で試す

3 つの手順

字幕は1行何文字が読みやすい?

日本語字幕の 1 行の文字数に、決まった唯一の数字はありません。解説記事では 13〜15 文字前後が目安として紹介されることが多いですが、出典は編集ツールの説明や個人の記事が中心で、規格ではありません。1 秒に 4 文字といった読む速さの目安も、長く使われてきた慣習であり、十分に検証された基準とは言えないと指摘する資料もあります。

一次資料としては、Netflix の日本語タイムドテキスト・スタイルガイドがあります。横書きは 1 行の上限を全角 16 文字前後、縦書きは 11 文字前後とし、字幕は原則 2 行までとしています。同じページの別の箇所には横書き 13 文字の記載もあり、版によって違う可能性があるため、納品や配信が目的なら最新の本文を確認してください。字幕の好みは視聴者によっても違うので、数字は目安として使い、自分の画面で読んで確かめるのが確実です。

VoxStudio の既定は、日本語で 24 文字です。上の目安より余裕のある設定なので、スマホで見る縦型動画や、画面の端に字幕が寄る構図では、12〜16 文字程度まで下げることを検討してください。逆に横長のフレームで大きく表示するなら、既定のままでも構いません。

参考にした一次資料

始める前に:分割は 2 つの方法で動く

分割には 2 つの方法があります。どちらを使うかは、ジョブを始めるときの設定から自動で決まり、エンジンを自分で選ぶ必要はありません。

ローカル分割と AI 分割の違い

比べるところローカル分割AI 分割
使われる条件「字幕を区切る」がオンで、BYOK がオフ、または字幕用モデルが未接続のときBYOK がオンで、字幕用プロバイダーの接続テストに成功し、字幕整形(Subtitle cleanup)モデルが設定されているとき
必要なもの追加のものは不要。Mac の中で動きます「設定」の AI サービスで用意する、自分の API キー
費用API キーも AI クレジットも不要読み書きしたトークン分を、プロバイダーが請求します
テキストの行き先Mac の中にとどまります文字起こしのテキストが、選んだプロバイダーに送られます
言葉認識した文字をそのまま使います認識した文字をそのまま使います。モデルは区切り位置を提案するだけです
向いている場面手早く切りたいとき、オフラインで作業するとき、既定の長さで足りるとき長い話で意味に沿って切りたいとき、句読点の少ない文字起こし

VoxStudio にログインしているだけでは、分割は AI 分割に切り替わりません。ログインで使えるホスト型の AI は、翻訳など別の処理に使われます。AI 分割を使いたいときは、BYOK の設定が必要です。

設定のしかた:2 つの道筋

API キーを持っているかどうかで選びます。あとから切り替えても構いません。設定は、そのあとに作る字幕から反映されます。

道筋 A: API キーなし:ローカル分割を使う

「字幕を区切る」をオンにして、BYOK はオフのままにします。動画エディタの「ローカル字幕を生成」と同じ方法で、Mac の中で字幕を区切ります。

Best for: 手早く作りたいとき、オフラインで使うとき、テキストをモデルに送りたくないとき。 Result: 句読点、読みやすい長さ、単語ごとの時刻に基づいて区切られた、認識どおりの言葉の字幕。

  1. 文字起こしのオプションを開く

    ファイルを追加して、オプションを開きます。話している言語が分かっているなら入力言語を選びます。自動のままでも、たいていの録音では問題ありません。

  2. 「字幕を区切る」をオンにする

    初期設定ではオフです。オンにすると、横の情報ボタンで、この Mac でどの方法が動くか確認できます。

  3. 開始して確認する

    ジョブが終わったら、気になる切れ目を再生して確かめます。長さが合わなければ、設定の字幕の区切りで値を変えて、もう一度実行します。

道筋 B: 自分のキーで:AI 分割を使う

「設定」の AI サービスで BYOK をオンにして、プロバイダーのキーを追加し、接続テストを通し、字幕整形モデルを設定します。そのうえで「字幕を区切る」をオンにすると、モデルが区切り位置を提案します。

Best for: 長い講演やインタビューなど、長さのルールだけで切ると不自然になる話。 Result: 時刻と言葉はローカル分割と同じで、区切り位置だけが意味に沿ったもの。

  1. BYOK をオンにする

    設定の AI サービスで、自分の API キーを使う(BYOK)をオンにして、使いたいプロバイダーのキーを追加します。

  2. 接続テストをする

    プロバイダーが「接続済み」と表示される必要があります。表示されない場合、ジョブは失敗せず、ローカル分割で続けます。

  3. 字幕用モデルを確認する

    字幕整形モデルが設定されているか確かめてから、文字起こしのオプションで「字幕を区切る」をオンにします。情報ボタンが「オンのとき:LLM による整形」と表示すれば準備完了です。

文字起こしのオプションの意味

文字起こしのオプションにある項目のうち、字幕の区切りに関わるものを説明します。項目名は、アプリのバージョンによって表示が違う場合があります。

入力言語、ホットワード、字幕を区切る、詳細設定

1行の長さは、設定で一度だけ決める

長さは「設定」の字幕の区切りで決めます。これは厳密な上限ではなく目安で、少し超えることもあり、実際の表示では画面の安全な幅が優先されます。変更は、そのあとに作る字幕から反映されるので、変えたら文字起こしの区切りをやり直してください。

設定項目と既定値

項目既定値設定できる範囲効果
1行の目安文字数(中国語・日本語・韓国語)2412〜40文字の密度が高い言語での 1 行の目標です。縦型動画なら下げます。
1行の目安文字数(その他の言語)5024〜80アルファベット圏の言語向けです。半角単位で数えるため、日本語の数字の約 2 倍になります。
揺らぎの幅35%0〜100%よい切れ目に着地するために、目安をどこまで超えてよいかを決めます。0% は厳密です。
字幕の最長の目安5.0 秒2.0〜10.0 秒この時間を超えると評価が下がります。短くすると、短い字幕が増えます。
読点で区切るオンオン/オフ読点、セミコロン、コロンを、切ってよい位置とみなします。列挙が細かく割れるときはオフにします。
書き出した結果の例:講義動画に重ねた VoxStudio の字幕。素材:Sinha Foundation「Think Like a Physicist — Classical Mechanics 1」(英語の講義)。

AI 分割は、どう動くのか

役割分担のある 2 段階の作業だと考えてください。意味を読むのはモデルが得意で、時刻の計算はソルバー(計算部分)が得意です。VoxStudio は、それぞれの得意なところだけを任せます。

4 つのステップ

この分担のおかげで、モデルが作り出した時刻に字幕が動くことはなく、モデルの文字数の数え方で時刻が変わることもありません。モデルが使えなくても、ローカル分割が時刻付きの字幕を一式作ります。

直し方:症状から設定を探す

切れ目がおかしいときに変えるところ

見えることまず試すこと
1行が画面に収まらないほど長い1行の目安文字数を下げて、もう一度実行します。
短い断片ばかりになる1行の目安文字数を上げるか、揺らぎの幅を下げて、長さが目標に近くなるようにします。
1つの字幕が何秒も続く字幕の最長の目安を下げます。
読点で、まとめたい列挙が割れる「読点で区切る」をオフにします。
ローカル分割で、語句の途中で切れるまず時刻を確認してください。切れ目は単語の時刻に従うため、雑音や重なった発話で境界が動くことがあります。意味の重い長い話なら、BYOK で AI 分割を試してください。
日本語なのに句読点がほとんどないエンジンによっては句読点を付けません。接続済みの AI モデルを使い、入力言語を日本語にしてください。

設定では足りないとき:字幕を手で切る

設定は全体の平均を目標に寄せるものなので、1 つの字幕だけが長い、好ましくない場所で切れている、ということは起こります。そのために全体をやり直す必要はありません。その字幕を、その場で切れます。作業している場所によって、2 つの方法があります。

方法 1:セッションの字幕タブで切る

セッションを開いて、字幕タブに切り替えます。長い字幕の文字をクリックして、新しい字幕を始めたい位置にカーソルを置きます。字幕の右端にはさみのボタンが表示されるので、押すとカーソルの位置で字幕が 2 つに分かれます。そのあと、前後を再生して、切れ目が自然か確かめてください。

方法 2:動画エディタの字幕トラックで切る

セッションをすでに動画エディタに取り込んでいるなら、タイムラインで作業します。ツールバーでカミソリ(はさみ)ツールを選び、切りたい字幕の上にポインターを動かすと、切ったあとの 2 つの文が、切れ目の緑の線とともにプレビューされます。クリックすると、そこで切れます。

書き出す前に、切れ目を確認する

短い見直し

この記事で扱わないこと

この記事は、Mac アプリでの区切りを扱います。VoxStudio Cloud ではサーバー側で字幕が作られるため、上の方法の選択は Mac で処理するときの話です。配信先ごとに、字幕の長さや読む速さの基準は違うので、公開先の要件を確認してください。

よくある質問

字幕は 1 行に何文字くらいが読みやすいですか?

決まった唯一の数字はありません。日本語では 13〜16 文字前後が目安として挙げられることが多く、Netflix のガイドは横書きで全角 16 文字前後としています。VoxStudio の既定は 24 文字なので、縦型やスマホ向けなら 12〜16 文字程度まで下げることを検討し、配信先の基準を優先してください。

自動字幕が文の途中で改行されるのを直すには?

文字起こしのオプションで「字幕を区切る」をオンにします。API キーなしなら、句読点、読みやすい長さ、単語の時刻に基づくローカル分割です。BYOK と接続済みの字幕用モデルがあれば、意味に沿った区切りを AI が提案し、時刻は認識エンジンのものを使います。書き出す前に切れ目を再生して確かめてください。

ローカル分割と AI 分割の違いは何ですか?

ローカル分割は Mac の中で動き、API キーも AI クレジットも不要です。AI 分割は BYOK で設定したプロバイダーにテキストを送り、トークン分の料金がかかることがあります。どちらも認識した言葉をそのまま使い、時刻は単語の時刻から取ります。

VoxStudio にログインすると、AI 分割が使えますか?

いいえ。字幕の AI 分割には、BYOK と接続済みの字幕用プロバイダーが必要です。ログインで使えるホスト型 AI は、翻訳など別の処理で使われます。

分割のときに、AI が言葉を変えてしまうことはありますか?

分割は言葉を変えない仕組みで、モデルの答えにテキストの変更があれば、アプリが受け付けません。同音異義語や人名を直す AI による補正は別の設定で、初期設定ではオフです。補正でも時刻は変わりません。

設定を変えたのに、すでにある字幕が変わらないのはなぜですか?

長さの設定は、そのあとに作る字幕から反映されます。新しい長さにしたいときは、文字起こしの区切りをもう一度実行してください。

関連する Mac の機能

話の切れ目で字幕を区切る

VoxStudio for Mac の文字起こしのオプションで「字幕を区切る」をオンにして、書き出す前に切れ目を確認しましょう。 Mac 版をダウンロード · 料金と試用版(英語)

David — David works on the VoxStudio product team and spends most days inside the video editor, turning real customer workflows into faster ones.

関連記事