メディアファイル＆URL 文字起こし

長時間の録音ファイル、インタビュー音声、会議の録画、Web 上のオンライン動画などを、構造化された高精度のタイムライン字幕へと素早く変換します。

インポート方法

1. ローカルメディアファイル

1 つまたは複数の音声・動画ファイルをドラッグ＆ドロップするだけで即座にインポート。
対応フォーマット：.mp3, .wav, .m4a, .flac, .aac, .ogg, .mp4, .mov, .mkv, .webm, .avi など。
バックグラウンドでの複数タスク並列一括処理に対応。

2. Web リンクおよびダイレクト URL

主要な動画共有サイトのリンクや、.mp3/.mp4 などのメディア直リンクの貼り付けに対応。
音声データの自動ストリーミング解析と高速抽出を実行。

高度な文字起こし機能

単語レベルのタイムスタンプ (Word-level Timestamps)

単語ごと・1文字ごと のミリ秒単位の開始・終了タイムスタンプを出力。
カラオケ風の字幕ハイライト、動画編集時の正確なカット位置決め、単語単位のアニメーション字幕に最適です。

話者分離 (Speaker Diarization)

発言者の声紋特徴を自動でクラスタリングし、話者を識別（Speaker 0, Speaker 1, Speaker 2 など）。
教師なしクラスタリング：話者の音声サンプルを事前に登録しておく必要はありません。
複数人が参加する座談会、対談インタビュー、ポッドキャストなどの書き起こしに最適です。

字幕エクスポート形式

SRT (.srt)：業界標準の字幕フォーマット。Final Cut Pro、Premiere Pro、DaVinci Resolve、CapCut 等と完全に互換。
WebVTT (.vtt)：HTML5 Web プレーヤー標準の字幕形式。
プレーンテキスト (.txt)：タイムコードを除去した読みやすいテキスト原稿。
JSON (.json)：単語レベルのタイムスタンプや話者メタデータを含む構造化データ。