動画に字幕をつけたいけど、手作業でやると10分の動画で2〜3時間かかる。かといって外注すると数万円。この時間とコストの壁に悩んでいるクリエイターは多いはずです。
主要ツール比較
YouTube自動字幕 — 無料。精度は約80〜85%。手軽さは随一だが、固有名詞の誤認識が多い。
Whisper（OpenAI） — 無料（ローカル実行）。精度約88〜93%。現時点で最高精度だがGPU推奨。
Vrew — 無料プランあり（月120分）。GUIが直感的で、生成された字幕をその場で編集できるのが大きな強み。
Premiere Pro / DaVinci Resolve — すでにこれらの編集ソフトを使っているなら、追加ツールなしで字幕生成が可能。
AI特化型サービス — Dubifyのようなサービスでは、動画をアップロードするだけで字幕生成から多言語翻訳まで一気に処理できます。
精度を上げるための5つのテクニック
1. 音質を改善する — ラベリアマイク（ピンマイク）を使うだけで劇的に改善します。
2. BGMと音声を分離してから処理する — 話し声のみを字幕生成に使うと精度が上がります。
3. 用語集を事前登録する — チャンネル名、製品名、業界用語などを登録しておけば、誤認識を防げます。
4. 話すスピードを一定にする — 1分間に300文字（日本語）程度のペースが理想的です。
5. 生成後の校正を習慣化する — 全文手打ちに比べれば、校正だけなら5分の1以下の時間で済みます。
無料で始めるおすすめワークフロー
- 文字起こし： Whisper（ローカル） or YouTube自動字幕
- 字幕編集： Vrew（無料プラン） or Aegisub（完全無料）
- 翻訳： DeepL（無料枠5,000文字/月）
この組み合わせなら完全無料で、そこそこの品質の多言語字幕が作れます。