幅広いメディア読み込み
MP4、MOV、MKV、AVI、WebM、MP3、WAV、M4A、AAC、FLAC、OGG など多くの一般的なファイルを読み込めます。実際の互換性はコーデックによって変わる場合があります。
機能詳細
ローカル AI 字幕、音声文字起こし、一括書き出し
Voice2Sub がデスクトップ AI 音声認識、一括処理、CUDA/Metal 対応、必要に応じた英語字幕出力によって、ローカル動画・音声を字幕、文字起こし、書き出し用テキストファイルに変える方法を確認できます。
デスクトップ中心の作業フロー
ファイルを手元に置いたまま使える
Voice2Sub は、スマートフォン動画、カメラ書き出し、画面収録、ポッドキャスト、インタビュー、会議、授業など、実際の作業で発生するファイルを想定しています。処理はブラウザーのアップロード待ちではなく、デスクトップアプリ内で行われます。
字幕を一括作成
複数の動画または音声ファイルを追加し、一度の処理で字幕または文字起こし出力を作成。コース、ポッドキャスト、クライアントフォルダー、公開キューに便利です。
動画内の音声トラックを利用
動画ファイルから開始できます。Voice2Sub は動画内の音声トラックを使うため、多くの場合、事前に音声を手動抽出する必要はありません。
音声文字起こしと AI 文字起こし
ローカルの動画、音声、会議、講義、録音を、確認しやすい文字起こしテキストと字幕出力に変換します。
最大 99 言語の音声認識
多言語レッスン、インタビュー、クリエイター向けクリップ、社内素材の字幕や 文字起こしを人の確認前に準備できます。
確認してエクスポート
結果を確認し、動画制作、字幕、メモ、ドキュメント向けに字幕、文字起こし、テキストをエクスポートできます。
必要に応じた英語字幕出力
英語字幕ファイルだけを作成するか、元の字幕出力を残して別の英語ファイルを作成し、確認、公開、受け渡しに使えます。
字幕エディターとファイル確認
生成済み字幕の確認、対応字幕ファイルのオープン、音声プレビューによる時間調整、修正ファイルの別書き出しに対応します。
ハードウェア別ビルド
Windows x64、macOS Universal、Linux x64ビルドを利用できます。対応NVIDIA GPU環境ではCUDA、対応Apple Silicon MacではMetalを使用できます。
Apple Silicon向けMetal高速化
Voice2SubはmacOS上でMetalを使ってApple Siliconの性能を活用し、Mac向けに高速でネイティブなローカルAI字幕生成と文字起こしワークフローを提供します。
メディア互換性
まず動画・音声を読み込み、特殊なファイルだけ変換
Voice2Sub は、カメラ、スマートフォン、画面収録、ポッドキャスト、会議、編集ツールからソースファイルが届くクリエイターの実務を想定しています。幅広いフォーマット対応により、字幕や 文字起こし 生成前の変換作業を減らせます。
動画の読み込み
- MP4、MOV、MKV、AVI、WebM など多くの一般的なコンテナ。
- 日常的なツールからの横動画、縦動画、画面収録クリップ。
- 動画ファイル内の音声トラックを使えるため、多くの場合、手動の音声抽出は不要です。
音声の読み込み
- MP3、WAV、M4A、AAC、FLAC、OGG など一般的な音声ファイル。
- ポッドキャスト、インタビュー、ボイスメモ、講義、会議録音。
- 長い、音量が小さい、ノイズが多い録音では、必要に応じて音声を準備できます。
生成パス
- Whisper AI 音声認識はPC上でローカル実行されます。
- 多言語の字幕や 文字起こし 向けに99の認識言語を利用できます。
- 通常の字幕・文字起こし 作成ではウェブサイトへのアップロードは不要です。
確認とエクスポート
- 字幕エディターとファイル確認
- 確認後、公開や受け渡し向けに字幕をエクスポートできます。
- メモ、検索、ドキュメント、要約向けに 文字起こし やテキストをエクスポートできます。
- 結果は確認用の出発点として扱い、公開前に必ず確認してください。
プロセス
制作フローの中身
Voice2Sub は、非エンジニアにも分かりやすい流れを保ちつつ、編集者がソースファイルから出力までを予測しやすい順序で進められます。
-
01
動画または音声ファイルを読み込む
PC上のソースファイルを選択します。カメラ、スマートフォン、画面収録、ポッドキャスト、会議でよく使われる形式を想定しています。
-
02
必要に応じて音声を準備する
クリアな録音では標準の流れを使います。長い、音量が小さい、ノイズが多い、音量差が大きい場合は、必要に応じて音声を準備できます。
-
03
AI字幕または文字起こしをローカルで生成
必要に応じて音声を準備し、PC上で音声認識を実行して確認可能な字幕や 文字起こしを作成します。
-
04
確認・編集して書き出す
字幕テキストを確認し、必要に応じてタイミングを調整して、SRT、VTT、TXT、LRC、CSV として書き出します。
活用例
日々の作業で使える場面
録音・録画された音声を、読める、検索できる、受け渡しやすい状態にしたいときに役立ちます。
- YouTube、Shorts、Reels、TikTok 向けAI字幕
- 動画や録音フォルダー向けの一括字幕作成
- 講座、チュートリアル、講義の 文字起こし
- ポッドキャストメモとインタビュー 文字起こし
- 会議メモと社内レビュー資料
- 多言語字幕作業の準備
- プライベートな録音のオフライン処理
- 録画コンテンツを記事やドキュメントへ変換
- 公開や受け渡し前のテキスト準備
デスクトップメディアワークフロー
字幕、文字起こし、音声テキスト化を 1 つのアプリで
Voice2Sub は、ローカル字幕作成、AI 文字起こし、動画/音声のテキスト化、一括処理、最大 99 言語の認識、字幕レビュー、実務向け出力、必要に応じた英語字幕出力に使えます。
- ローカルの動画、音声、録音向けの音声文字起こしと AI 文字起こし。
- 複数の動画または音声ファイルの字幕を一括作成。
- 最大 99 の認識言語から選択可能。
- 必要に応じて、英語のみ、または別ファイルの Original + English 字幕出力を作成できます。
- 字幕、文字起こし、レビュー用に SRT、VTT、TXT、LRC、CSV を出力。
- 生成済みの結果や対応する字幕ファイルをアプリ内で確認し、タイミングを整えて、編集済みファイルとして別に書き出せます。
- 生成済み字幕や対応字幕ファイルを確認し、時間を調整して、必要に応じて SRT、VTT、TXT、LRC、CSV を書き出せます。
- 対応する Windows/Linux では CUDA、対応する Apple Silicon Mac では Metal。