2026年最新！動画字幕を抽出する方法とは？おすすめの字幕抽出ツール3選とAI要約機能を紹介

録音を Tinrec に任せて、数分で文字起こしと要約を作成

音声・動画のアップロード、多言語文字起こし、AI 議事録、タスク抽出に対応

外国語の動画や古い貴重な資料を見るとき、外部字幕ファイルがなく、動画に埋め込まれた「ハード字幕」を抽出したいが、どうすればいいかわからない？手動で打ち込むのは時間と手間がかかり、さらに中国語の認識ミスや言語の壁に悩まされることも。

本記事では、現在最も主流なハード字幕抽出オープンソースツール（VSE、VideOCR）を実際にテストし、比較表、実践的な図解手順、よくある質問（FAQ）を提供します。同時に、ソフトウェアのインストール不要で動画URLを直接解析し、文字起こしとAI要約を生成する代替ツールTinrecも紹介します。

2026年最新！動画字幕を抽出する方法とは？おすすめの字幕抽出ツール3選とAI要約機能を紹介

クイックナビゲーション：ローカル動画のハード字幕を完全無料で処理したいなら👉VSEまたはVideOCRを推奨；URLを直接貼り付けたり音声ファイルをインポートして素早く文字起こしし、さらにその後の要点確認やTODO管理を重視するなら👉Tinrecを優先検討。

一、動画字幕抽出ツールの選び方：3大主流ソリューション比較

動画字幕抽出ツールを選ぶ際は、デバイスの性能、動画のソース、その後の用途に応じて評価しましょう。以下が3つの主流ツールの比較表です：

比較項目	VSE (Video Subtitle Extractor)	VideOCR	Tinrec（秒聽録音）
処理方式	ローカルOCRでハード字幕を枠選択認識	ローカルOCR（PaddleOCRエンジン）	クラウドAI音声認識 / URL解析
対応言語	中日英韓など87言語対応	多言語およびバイリンガル同時認識対応	中、英、日、韓、台湾語、広東語など10言語自動認識
要約とアクション項目	なし、テキスト字幕のみ出力	なし、テキスト字幕のみ出力	AI議事録、結論、TODO項目生成機能あり
AIクエリ機能	従来のCtrl+F検索のみ	従来のCtrl+F検索のみ	意味ベースのAI対話クエリ対応
出力と連携	txt/srtファイル出力	txt/srtファイル出力	マルチフォーマット出力、iOS/Android/Web間同期対応
価格と無料枠	完全無料オープンソース	完全無料オープンソース	無料版あり（月最大100分）、Basic/Proサブスクリプションあり

二、方法1：VSE (Video Subtitle Extractor) ハード字幕抽出チュートリアル

VSEは強力なオープンソースソフトウェアで、完全無料かつインストール不要で使用できます。古くて字幕ファイルがない動画に非常に便利です。

1. ダウンロードと事前設定

VSEのGitHub公式ページにアクセスし、Releasesを見つけてLatestをクリック。
グラフィックボードに応じてCPU版またはGPU版を選択（NVIDIA GPUユーザーはGPU版を強く推奨、処理速度が速い）。
ダウンロードして解凍後、フォルダは日本語やスペースを含まないパスに配置（例：Dドライブ直下）。そうしないとエラーが発生しやすい。

2. 字幕抽出の実践手順

vse.exeをダブルクリックして実行。初回起動時はローカル環境に適応するためコマンドプロンプトが表示される。
「開く」をクリックして抽出したい動画を選択（バッチ処理対応、動画のパスと名前に日本語やスペースを含めないこと）。
「設定」をクリックし、システムインターフェースを日本語に設定し、「字幕言語」を抽出したい言語に設定。
動画下のスライダーを動かして、「緑色の枠」が字幕領域をちょうど囲むように調整。字幕が短い場合は、プログレスバーをドラッグして長い字幕部分を見つけて位置合わせ。
認識モードは「高速」または「精密」を選択可能。通常は高速モードで十分；誤字が多い場合は精密モードに切り替え。「実行」をクリックすると、字幕ファイルが自動的に動画と同じフォルダに保存される。

三、方法2：VideOCR 高精度バイリンガル認識ツール実践

WindowsまたはLinuxシステムを使用している場合、より先進的なPaddleOCRエンジンを搭載したVideOCRも選択可能で、こちらも完全無料のオープンソースソフトウェアです。

録音の整理を手作業から解放

音声・動画をアップロードするだけで、文字起こし、要約、タスクを自動作成

Tinrec を試す Tinrec アプリをダウンロード

1. ダウンロードとインストールの推奨

GitHubでVideOCRのメインページを開き、Latestをクリック。
インストール不要版とインストール版が提供されている。ヘビーユーザーにはインストール版を推奨。アンインストールが簡単で、余分なファイルが残らない。
NVIDIA GPUユーザーはGPU版をダウンロードして認識速度を向上させることを推奨。

2. バイリンガル字幕抽出手順

VideOCRの操作インターフェースを開き、動画ファイルを選択し、字幕出力先を設定。
バイリンガル字幕を抽出する場合、認識言語を Chinese & English に設定。
字幕文字数が多いフレームを見つけ、マウスで中日英字幕領域を完全に枠選択。
「実行」をクリックし、完了後、メモ帳で出力ファイルを開くと正確な字幕内容が得られる。

四、代替ソリューション：Tinrec 秒聽録音——「URLと音声ファイル」から直接抽出しAI要約を生成

動画がYouTube、オンライン会議（Teams/Meet）、ポッドキャストからの場合、またはダウンロードやインストールによるPCリソース消費を避けたい場合、Tinrec（秒聽録音）はマルチプラットフォーム対応のAI代替ソリューションです。音声や動画を文字起こしするだけでなく、「録音→理解→アクション」の完全なワークフローに焦点を当てています。

以下は、Tinrecを使用して動画をテキストに変換し、その後の応用を行う手順です：

1. 動画リンクのテキスト化（ネット動画とポッドキャスト対応）

オンライン動画の内容を抽出したい場合、動画ファイルをダウンロードする必要はありません。ポッドキャスト/ネット動画の文字起こし機能にアクセスし、YouTubeなどの対応プラットフォームのURLを入力すると、システムが自動解析してテキストに変換し、AI要約を生成します。

2. 音声ファイルのテキスト化（複数フォーマット対応）

動画から抽出した音声ファイルや会議録音がある場合、音声ファイルの文字起こしページにアクセスし、ファイルをアップロードします。Tinrecは10言語（台湾語、広東語含む）の自動認識機能を備え、文字起こしだけでなく、自動で議事録とTODO項目を生成します。

3. 録音のリアルタイム文字起こし（授業や会議の現場に最適）

字幕のない対面講義や会議に参加している場合、スマートフォン（iOS/Android）またはWebブラウザから録音のリアルタイム文字起こしを開始できます。録音と同時にテキストに変換され、待ち時間なく、その場のコミュニケーションに集中できます。

4. AI対話クエリ（従来の文字起こし検索から脱却）

従来の文字起こしはCtrl+Fでキーワード検索するだけでしたが、TinrecはAI対話クエリ機能を提供します。変換された内容に対して直接質問できます。例えば「さっきの動画で言及された3つの解決策は何ですか？」と尋ねると、AIが意味に基づいて素早く検索し回答します。

五、応用テクニック：抽出した字幕を無料で翻訳する方法

VSEやVideOCRで抽出した外国語のハード字幕を日本語に翻訳したい場合、「Immersive Translate」のようなブラウザ拡張機能と組み合わせることができます：

Immersive Translateの「ドキュメント翻訳」機能を開く。
抽出した英語版（または外国語版）字幕ファイルを直接ドラッグ＆ドロップ。
好みの翻訳モデルを選択し、対象言語を「日本語」に設定。
「翻訳結果をエクスポート」をクリックすると、新しい翻訳字幕ファイルが取得でき、元の動画とシームレスに再生できます。

六、よくある質問（FAQ）

Q1: iPhoneやスマートフォンで動画字幕を抽出できますか？ A: VSEやVideOCRなどのオープンソースのハード字幕抽出ソフトウェアは、主にWindows/Mac/Linux PC向けに設計されています。スマートフォンで処理する場合は、TinrecのようにiOSとAndroid間で同期可能なクラウドツールを使用し、動画URLを貼り付けるか音声ファイルをアップロードして文字起こしを生成することをお勧めします。

Q2: 「ハード字幕」と「ソフト字幕」の違いは何ですか？ A: ソフト字幕（外部字幕）は通常、独立したファイル（srt、vttなど）であり、直接ダウンロードしたりオン/オフを切り替えられます。ハード字幕は動画フレームに埋め込まれたテキストです。本記事で紹介したVSEとVideOCRは、OCR（光学文字認識）技術を利用して、画面上のハード字幕を「読み取り」、テキストファイルに変換します。

Q3: MeetやTeamsの会議動画から直接文字起こしをするには？ A: ビデオ会議の録画には、通常ハード字幕が含まれていないことが多いです。会議動画ファイル（またはmp3音声ファイルに変換したもの）を音声認識機能を持つツールにアップロードすることをお勧めします。このようなシナリオでは、クラウドAIツールが発言内容を認識するだけでなく、自動で議事録やTODOリストを整理し、管理作業の時間を大幅に削減します。

Q4: 動画字幕抽出ソフトは完全無料ですか？ A: はい、VSEとVideOCRは完全無料のオープンソースソフトウェアです。一方、クラウドAIサービス（Tinrecなど）は通常、基本の無料枠（月100分など）を提供しており、高頻度または大量の利用が必要な場合にのみ有料プランへのアップグレードを検討します。

Q5: 字幕がまったくない外国語動画の場合はどうすれば？ A: 動画自体にハード字幕がなければ、OCR枠選択抽出ツールは使用できません。その場合は「音声認識」技術に頼り、音声ファイルを多言語認識対応のAIツールにアップロードして原文の文字起こしを生成し、その後翻訳ツールと組み合わせて使用します。

Q6: ハード字幕を抽出すると、なぜ多くの文字化けや誤字が発生するのですか？ A: これは通常、動画の画質、字幕フォント、背景の複雑さに起因します。VSEを使用する際は認識モードを「精密」に切り替えるか、PaddleOCRエンジンを搭載したVideOCRを使用することをお勧めします。また、動画パスに日本語文字が含まれていないことを確認し、ソフトウェアのエラーを防いでください。