YouTube自動字幕はどれくらい正確？ズレや誤りを直す方法

YouTube自動字幕はどれくらい正確なのか。動画の内容を追うには十分ですが、チャンネルの顔として出せるレベルにはほど遠い、というのが答えです。クリアな音声で話者が1人の英語なら実用的ですが、なまり、話し声の重なり、音楽、専門用語、風の強い公園で使うピンマイクなどが加わると、誤りの率は一気に跳ね上がります。さらに重要なのは、最良の状態でも、字幕を読みやすくする要素が欠けていることです。確実な句読点、話者の切り替わり、フレーズを尊重した改行がありません。ここでは、自動字幕が実際に何を間違えるのか、その理由、そして現実的な直し方を解説します。

自動字幕が間違えること

1. 固有名詞と専門用語

人名、製品名、地名は音から推測されます。「BlaBlaScribe」が「ぶらぶらスクライブ」になり、ゲストの東海林（しょうじ）さんが「障子さん」になります。専門用語も同じ運命をたどります。こうした誤りこそ、視聴者にスクリーンショットを撮られるものです。

2. 句読点と表記

この点で自動字幕は改善してきましたが、早口になると今でも文の区切りがあいまいになり、文章というより言葉の羅列のように読めてしまいます。句読点のない字幕は、字幕の表示速度で読むには明らかに読みにくくなります。

3. 話者の切り替わりがない

2人のホストの会話が、区別のない1人の声になってしまいます。インタビューやポッドキャストでは、これが知らないうちに意味を壊します。どれが質問でどれが答えなのかがわからなくなるのです（きちんとした字幕では話者の切り替わりを示します。文字起こしで話者分離が解決しているのと同じ問題です）。

4. 音楽、発話の重なり、ノイズ

歌詞はシュールな自由詩になり、話し声の重なりは意味不明な単語の寄せ集めになり、背景ノイズからは存在しない言葉が生まれます。YouTube自身も、自動字幕は音声の品質に左右され、話された内容を正しく表さない場合があると明記しています。詳しくは自動字幕に関するヘルプセンターのページをご覧ください。

5. 読むためではなく、話し声に合わせたタイミング

自動字幕の行は音声を一語ずつ追いかけるため、安定して読める行ではなく、ちらちら変わる細切れの断片になります。よい字幕は、1つのフレーズを無理なく読める時間だけ画面に表示し続けます。

見た目以上に重要な理由

• アクセシビリティ：字幕を頼りにしている視聴者が、コンテンツの最も質の低いバージョンを受け取ることになります。しかも多くの場面で、字幕の品質は「あれば親切」ではなく、アクセシビリティ上の義務です。

• 音を消した視聴：SNSでの視聴の大部分は音を消した状態で行われます。字幕がひどければ、そうした視聴者は数秒で離れていきます。

• 検索：字幕のテキストは、機械が読み取れるコンテンツです。そこにある誤りは、プラットフォームが「この動画は何について話しているか」を判断する材料の誤りになります。

• ブランド：撮影も照明も編集もしっかり作り込んだ動画に、製品名を3通りに書き分けるロボットが字幕をつけることになります。

直し方：修正するより、差し替える

YouTube Studioで自動字幕を1行ずつ編集することもできますし、2分の動画ならそれで問題ありません。しかしある程度の長さになると、断片を手作業で直すより、きれいな字幕を一から作るほうが早く済みます。

1. 動画を字幕生成ツールにかけます。最新の音声認識モデルなら、最初の処理の時点で句読点を入れ、表記を整え、フレーズの切れ目で行を分けてくれます。

2. エディターで人名や専門用語を直します。繰り返し出てくる誤りは、一括置換でほとんど一度に直せます。

3. SRTを書き出し、YouTube Studioで動画にアップロードします。投稿者がアップロードした字幕は自動字幕に置き換わり、文字起こしパネルにもきれいなバージョンが表示されます（Webプレーヤー用にVTTも必要なら、変換ツールで1つの元データから両方を作れます）。

字幕の形式やショート動画向けの焼き込み字幕を含む一連の流れは、動画に字幕をつける方法のガイドで解説しています。

クリアな音声はどんな字幕にも効く

自動字幕かどうかにかかわらず、字幕の品質は音声の品質で決まります。文字起こしの精度を上げるのと同じルールが、字幕の品質も上げてくれます。マイクは口元の近くに置く、話すのは一度に1人、音楽は声にかぶせず下に敷く、静かな部屋で録る。マイクの位置に10ドルかけるほうが、1時間の字幕編集よりも効果があります。

自動字幕ときちんとした字幕の比較

よくある質問

YouTube自動字幕の精度は何パーセントくらいですか？

正直なところ、1つの数字では表せません。精度は音声の品質、なまり、語彙によって大きく変わります。下書きとして扱いましょう。ほぼ正しいこともありますが、確認なしで公開できるレベルになることはありません。

アップロードした字幕は自動字幕より優先されますか？

はい。自分で字幕ファイルをアップロードすると、視聴者には初期設定でそちらが表示され、その言語の自動字幕は表に出なくなります。

自動字幕でアクセシビリティの要件を満たせますか？

基本的には満たせません。アクセシビリティ基準では正確な字幕が求められており、確認していない自動字幕はその基準に届かないことがよくあります。確認済みの字幕が安全な最低ラインです。

自動翻訳された字幕はどうですか？

自動文字起こしの上に自動翻訳を重ねると、両方の誤りが掛け合わさります。代わりに、修正済みの文字起こしから翻訳しましょう。字幕翻訳ツールなら、直したタイミングを保ったまま、きれいなテキストを翻訳できます。

まとめ

自動字幕はYouTubeのセーフティネットであって、字幕戦略ではありません。きれいな字幕を一度作り、5分かけて人名を直し、SRTをアップロードしましょう。そうすれば、すべての視聴者、音を消してスクロールする人、そして検索エンジンのクローラーに、実際に作ったとおりの動画を届けられます。