インタビュー動画の編集者
インタビュー映像には、話された回答のほかに音楽や冒頭のタイトルシーケンスが含まれています。必要な音声トラックを分離し、発話が実際に始まる位置を記録します。
文字起こしは、すべてのシーンの説明と取り違えることなく、編集タイムラインと照らし合わせて確認できます。
deepgramの文字起こしdeepgramの動画文字起こしの進め方
deepgramの動画文字起こしでは、まず音声トラックに着目します。音声認識が処理するのは音声であり、各フレームに映るものではありません。対応する音声を抽出または提供し、字幕や編集に使う前に、文字起こしを元の映像と照らし合わせて確認してください。
動画入力と一般的な文字起こしの違い
違いは元の素材と準備にあります。音声認識が画像を解釈できるという意味ではありません。
映像特有の3つの作業
動画プロジェクトでは、音声トラック、編集タイムライン、有用な発話がないシーンについて判断が必要になります。
コンテンツ制作者
製品デモでは、ナレーションと画面上の操作が組み合わさっています。話された説明は音声として扱い、画面上の操作は別途記録します。
制作者は、音声認識ではなく人が書いた視覚的な説明が必要な箇所を把握できます。
deepgramの音声ローカライズ担当者
クリップ内で話者が変わると使用言語も切り替わります。音声認識のワークフローを選び、名前や専門用語を確認する前に、使用されている言語を特定します。
レビュー担当者は、字幕を作成する前に言語の切り替わりや聞き取りが不確かな箇所を重点的に確認できます。
deepgramの言語音声トラックから始める方法
言葉やタイムスタンプが映像のどこに対応するか確認できるよう、元の映像のコピーを保存しておきます。
素材を確認する
発話、音楽、話者の声の重なり、長い無音区間がないか聴いて確認します。使用する文字起こし方法のメディア形式と入力要件も確認します。
音声を準備する
使用する方法が動画ファイルに対応していない場合は、対応形式で音声トラックを抽出します。元の時間軸を維持してください。冒頭を切り取ると、文字起こしのタイムスタンプがクリップ全体と合わなくなります。
文字起こしと確認
準備した音声に音声認識を実行し、聞き取りにくい箇所を再生して確認します。字幕を公開する前に、名前、話者の切り替わり、タイミングを映像と照らし合わせてください。
入力方法の参考情報
このdeepgramの動画文字起こし比較では、準備と確認を扱います。受け付けられる入力の詳細は、使用する方法と設定によって異なります。
映像から始めるワークフロー
音声から始めるワークフロー
1
元の素材
映像から始めるワークフロー
映像と音声トラックを含むクリップ
音声から始めるワークフロー
既存の音声録音
2
最初の確認事項
映像から始めるワークフロー
クリップに聞き取れる音声トラックがあることを確認する
音声から始めるワークフロー
録音に利用可能な音声が含まれていることを確認
3
準備
映像先行のワークフロー
入力形式への対応を確認するか、音声トラックを抽出
音声先行のワークフロー
音声形式と録音品質を確認
4
タイミング
映像先行のワークフロー
編集、時間のずれ、冒頭のカットを考慮
音声先行のワークフロー
タイムスタンプを録音と照合
5
視覚情報
映像先行のワークフロー
文字起こしとは別に確認が必要
音声先行のワークフロー
元の録音には含まれない
6
確認の重点
映像先行のワークフロー
発話を映像および字幕の配置と照合
音声先行のワークフロー
単語を実際に聞こえる内容と照合
7
一般的な引き渡し内容
映像先行のワークフロー
編集者または字幕制作工程向けの確認済みテキスト
音声先行のワークフロー
検索、メモ、分析用に確認済みのテキスト
処理前に確認すべき制限事項
- 音声のない映像の内容は読み取れません
-
音声認識では、画面にしか映らないグラフ、ジェスチャー、タイトルカードを説明できません。
対処法別途映像を確認する際に、視覚的な説明を追加してください。
- 字幕にそのまま使えるタイミングは保証されません
-
カット、速度変更、イントロの削除後には、文字起こしのタイムスタンプの調整が必要になる場合があります。
対処法字幕の表示タイミングは、元の音声だけでなく、最終編集版と照らし合わせて確認してください。
- 聞き取りにくい音声は自動的には復元されません
-
映像が鮮明でも、音楽、発話の重なり、録音品質の低さによって言葉が聞き取れないことがあります。
対処法不明瞭な箇所は耳で確認し、検証できない部分には印を付けてください。
- すべてのファイル形式に対応しているわけではありません
-
編集ソフトで使える動画コンテナやコーデックでも、文字起こし用エンドポイントで受け付けられるとは限りません。
対処法現在の入力要件を確認し、必要に応じて対応形式の音声トラックを抽出してください。
音声ワークフローに進む
クリップから使えるテキストを得たい場合は、発話音声を準備し、映像と照らし合わせて確認する方法を決めてください。リンク先の音声サービスは別のサービスです。メディアを送信する前に、対応する入力形式と機能を確認してください。
- タイミングの確認用に元のクリップを保存する
- 発話内容と映像の説明を分ける
- 公開前に結果を確認する
動画の文字起こしに関するよくある質問
Deepgramの音声認識は、メディア内の音声を処理します。使用するルートの現在の要件を確認してください。動画ファイルが対応する入力形式でない場合は、音声トラックを抽出し、その音声を文字起こししてください。
いいえ。音声の文字起こしに含まれるのは音声トラックから検出された言葉であり、無音の動作、図形、フレーム内に表示される文字は含まれません。それらの詳細は、別途映像を確認して追加してください。
文字起こしは下書きとして扱ってください。特に、文字起こし後に音声トラックを短くしたり映像を編集したりした場合は、最終版と照らし合わせて言葉とタイミングを確認してください。
そのような場合、言葉や話者の切り替わりを特定しにくくなることがあります。不確かな箇所を聞き直してテキストを修正し、結果を公開する前に話者ラベルを確認してください。