Skip to Content
ドキュメント⚡ コア機能文字起こし

文字起こし

Subwright の中核は、音声または動画を時刻付きテキストにすることです。処理はすべて端末上で行われます。

対応形式

  • 音声: MP3, WAV, M4A, FLAC, OGG, AAC, WMA
  • 動画: MP4, MOV, AVI, MKV, WMV, FLV, WEBM

転記を始める

  1. 音声・動画をライブラリにドロップ、または「すべてのメディア → 開く…」
  2. 再生ページでインスペクタの「原稿」ステージを開く
  3. （任意）言語、モデル、温度などを調整
  4. 「文字起こし」をクリック
  5. 右側にセグメントが再生と同期して表示されます

転記オプション

項目説明推奨
エンジンWhisper または Qwen3-ASR中国語は Qwen3-ASR を試す。Qwen3-ASR エンジン
言語自動検出またはソース言語指定指定すると精度が上がる
モデルtiny/base/small/medium/large または Qwen3-ASR 0.6B/1.7B速度は base、精度は large
温度サンプリングの乱雑さ0 = 決定的、1 = ランダム、既定 0
安定タイムスタンプVAD による精密時刻字幕タイミング向けにオン
話者分離話者を識別会議ではオン

話者分離

有効時、結果は Speaker 1、Speaker 2 などでラベル。最大 4 人。

  • 追加の ONNX モデルが必要（初回自動取得）
  • 精度は音質と話者数に依存
  • 話者ごとに色分け、クリックでジャンプ

中止と再実行

  • 転記中いつでも「中止」
  • 既に転記した内容は残る
  • オプションを変えて同じファイルを再転記可能

ショートカット

  • Cmd/Ctrl + T: 転記開始
  • Cmd/Ctrl + .: 転記中止

1.1.0 の新機能：3 エンジンと Qwen の能力表示

  • SenseVoice を追加（macOS / Linux）。Windows では未提供。
  • Qwen3-ASR は Forced Aligner 未導入時、推定タイムを明示。導入後は正確なタイムで、焼き付け / 定時書き出しが可能。動画トリムは正確なタイムが必要。
  • ワードストリームを保存し、行長上限の変更で現在の原稿を再デコードなしで再分割できます。
最終更新日
🏁 使ってみるQwen3-ASR エンジン