SRTWhisper

macOS app

動画の音声を字幕にするMacアプリ。

このアプリを作ったのは自分自身が必要だったから。動画に字幕をつける場面がよくあるのに、既存ツールはファイルを外部サーバーに上げる必要があったり、UIがやたら複雑だったりで、どれもしっくりこなかった。なら自分で作ろうと思った。

中身はOpenAIのWhisperモデルだけど、処理は完全にMac上で完結する。オフラインでも動く。動画を放り込めば、音声トラックを抽出して、音声認識を走らせて、タイムコード付きの字幕ファイルを吐き出してくれる。ファイルがMacの外に出ることはない。

翻訳機能もある。ローカル言語モデル、OpenAI API、Ollamaに対応していて、手元にあるものを使えばいい。出力はSRT、VTT、ASSに対応。字幕を動画に直接焼き付けることもできる。

Whisperの認識精度が毎回100%にはならないのは誰でも知っていること。だからエディタを内蔵して、動画を再生しながらタイミングとテキストをその場で直せるようにした。別のソフトを行ったり来たりする必要はない。

機能

音声認識 WhisperをMac上でローカル実行。モデルサイズはTinyからLarge-v3まで選択可能で、用途やマシンスペックに合わせて使い分けられる。オフラインでも動作。
字幕翻訳 文字起こしの後、そのまま翻訳へ。ローカルLLM、OpenAI GPT、Ollamaに対応。英語、中国語、韓国語、フランス語、ドイツ語、スペイン語など十数カ国語をカバー。
書き出し SRT、WebVTT、ASSの3フォーマットに対応。字幕を動画に直接焼き付けることもできるので、後工程を省ける。
字幕エディタ 1行ずつテキストを編集、開始・終了時間の調整、元に戻す・やり直しに対応。動画を見ながら編集して、納得したらそのまま書き出し。
インターフェース言語 English、繁體中文、日本語の3言語。設定からいつでも切り替え可能。

プライバシーについて

動画や音声ファイルがどこかにアップロードされることはない。音声認識はすべてMac上で実行され、アカウントの作成も不要で、利用データの収集も行っていない。インターネットに接続するのは、最初にWhisperモデルをダウンロードするときと、OpenAI APIで翻訳する場合だけ。