字幕の作成：SRTとVTTの違い、そしてYouTubeへのアップロード方法
2026年10月21日 · 6 分で読める
字幕は、動画を誰もが見やすくし、見つけやすくします。SRTとVTTのファイルに何が入っているのか、両者の違い、字幕を読みやすくするルール、そしてYouTubeへのアップロード方法。
多くの人が、音を消して動画を見ています。電車の中、オープンなオフィス、寝ている子どもの横で夜に見る、などです。耳が聞こえない人や聞こえにくい人にとって、字幕は話の内容を追える唯一の手段です。検索エンジンは音声ではなくテキストを読むため、字幕は動画が見つけてもらえることにもつながります。
字幕ファイルには何が入っているか？
字幕ファイルはプレーンテキストです。キュー（字幕の1区切り）の一覧になっていて、それぞれに開始時刻、終了時刻、その間に表示される文字が入っています。動画そのものは変わりません。字幕は再生プレーヤーが重ねて表示します。だから、オンとオフを切り替えられ、後から修正もできます。
SRTとVTTの比較
| SRT（SubRip） | VTT（WebVTT） | |
|---|---|---|
| 時刻の形式 | 00:01:02,500（カンマ） | 00:01:02.500（ドット） |
| ヘッダー | なし | 「WEBVTT」で始まる |
| スタイル | ほとんどできない | 位置、スタイル、話者タグを指定できる |
| 主な用途 | YouTube、動画編集ソフト、メディアプレーヤー | HTML5プレーヤー、学習プラットフォーム、Vimeo |
実際には、違いはわずかです。YouTubeは両方を受け付けます。ソフトがどちらか一方しか扱えない場合は、たいていSRTです。Webプレーヤーは、ブラウザ上の字幕のW3C標準であるため、VTTを好みます。
読みやすい字幕のルール
- 1つのキューは最大2行まで。放送局では通常、1行あたり約37〜42文字が使われます。
- 各キューは十分な時間、画面に表示させてください。目安は最低1秒で、長い文なら、さらに長く表示します。
- 行の区切りは自然な位置で行う。語句の途中や、名前の途中では区切らない。
- 複数の話者がいる場合は、名前またはダッシュで、誰が話しているかを示します。
自動生成の字幕は、これらのルールではなく、話し声の区切り（ポーズ）に沿って作られます。Sprechverlaufでは、認識された区間がそれぞれ1つのキューになります。長い文は長い字幕になります。SNSや学習用の動画では、通常それで問題ありません。放送基準に合わせる場合は、Subtitle EditやAegisubなどの字幕エディターで、字幕を短くしたり行を区切り直したりしてください。
YouTubeへの字幕のアップロード
- YouTube Studioを開き、左側のメニューから「Subtitles」を選ぶ。
- 動画をクリックし、必要に応じて言語を追加する。
- 「Subtitles」の下で「Add」をクリックし、「Upload file」を選ぶ。
- 「With timing」を選び、SRTまたはVTTのファイルを選択して公開する。