99言語の字幕と、誰も書かない但し書き
短尺動画の多くは音を出さずに見られます。字幕は飾りではなく、視聴者の相当数にとっては音声そのものです。Kattoはそれを自動で焼き込みます。このページでは技術がどこで止まるかも書いています。そこは、ツールを決めた後に気づくことになる部分だからです。
文字起こしはWhisper large-v3が担当するため、あなたのエピソードの言語はほぼ確実に対応しています。
強制アライメントのモデルがある言語です。字幕が発話中の単語を正確に強調できるのはこの41言語です。
名前のついたプリセットで、うち16は無料プランで使えます。エディタのプレビューは書き出しと同じ描画エンジンです。
メニューに並べているだけでなく、描画するマシンに実際に導入されています。マシンにないフォントは黙って別のものに置き換わります。
99言語、うち41言語が単語単位
これは別々の作業で、多くの比較記事は一つの数字にまとめてしまいます。文字起こしは音声を文字にするもので、99言語で機能します。アライメントは個々の単語をタイムライン上に置くもので、言語ごとに別のモデルが要ります。当社にはそれが41あります。残る58言語でも字幕は正確で読めますが、単語ごとに光るのではなく、行単位で表示されます。
この区別を明記するのは、単語ごとの強調こそ「アニメーション字幕」と言うときに思い描かれる効果そのものだからです。対応するすべての言語で単語単位の同期をうたうツールは、実際には文字起こしの対応範囲を語り、残りをあなたの推測に委ねています。
考え方そのものが崩れるところ
日本語、タイ語、中国語は分かち書きをしないため、そもそも揃えるべき単語の境界が存在しません。どのモデルを使っても単語単位の同期は曖昧な概念にとどまり、字幕は文字単位または句単位で合わせられます。これは当社の実装の不足ではなく正直な上限であり、そうでないと言う相手は、これらの文字で試していません。
プレビューは描画エンジンそのもの
字幕はトラックとして添付するのではなく映像に焼き込まれるため、再アップロードや字幕ファイルを無視するプラットフォームでも残ります。だからプレビューは約束になります。エディタで整えたものが、フォントに至るまでそのまま焼き込まれます。選択肢の48フォントは、並べてあるだけでなく描画するマシンに導入されています。メニューにしか存在しないフォントは黙って置き換わり、書き出しで初めて気づくことになるからです。
文字起こしの誤りを直す
固有名詞は文字起こしが最初に崩れる場所であり、同時に視聴者が真っ先に気づく語でもあります。クリップを開く前に、名前や珍しい用語をひと通り補正する処理が走ります。それでも残った箇所は、文字起こしパネルで単語ごとに直せます。その修正は字幕に直接反映されるので、名前は一度直せば済み、クリップごとに直す必要はありません。
よくある質問
文字起こしと同期は別の作業です。99言語すべてで正確な文字が得られます。うち41言語には、個々の単語をタイムライン上に置くアライメントモデルもあります。残る58言語では同期は文単位なので、発話中の単語を強調するのではなく行単位で表示されます。
単語ごとの強調こそ、多くの人が「アニメーション字幕」で思い浮かべる効果だからです。対応言語すべてで単語単位の同期をうたうツールは切り上げており、ご自身の言語で試したときに気づくことになります。
分かち書きのない言語には、そもそも揃えるべき単語の境界がありません。どのモデルでも単語単位の同期は曖昧な概念にとどまります。これらの言語では文字単位または句単位で同期します。当社が選んだ制限ではなく、正直な上限です。
はい。ファイルに描き込まれるので、再アップロードや字幕トラックを無視するプラットフォームでも残ります。エディタのプレビューが重要なのもそのためです。整えたものがそのまま焼き込まれます。
はい、エディタの文字起こしパネルで直せます。原因はたいてい固有名詞ですが、目にする前に自動で補正されているため、手作業は普通ごく短く済みます。
51のうち16です。残る35はCreatorです。無料の範囲は機能を削ったお試しではなく、単語ごとの強調を含め、よく使われる見た目を押さえています。
ご自身の言語で試してください
無料プランには51のうち16のスタイルが含まれます。あなたの言語の同期が単語単位か文単位かを確かめるには十分です。