字幕の問題はすべて同じではありません。技術的に正しいSRTでも誤った単語、悪いタイミング、不自然な翻訳が含まれることがあります。逆に文章が正しくてもtimestampや構造エラーで読み込めない場合があります。まず問題の種類を特定します。
クイック診断：症状 → 原因 → 次の対応
| 症状 | 考えられる原因 | 次の対応 |
|---|---|---|
| 固有名詞や専門用語が違う | 音声認識または不明瞭な音声 | 翻訳前にmasterを修正。 |
| 全部ほぼ同じだけ早い/遅い | 一定のoffset | 全体time shift。 |
| 後半ほどずれる | drift、編集、FPS | 再アラインやFPS/編集履歴を確認。 |
| 文字が一瞬で消える | cueが短すぎる | 延長・短縮・分割。 |
| 2字幕が同時表示 | timestamp overlap | validatorで修正。 |
| 会話が追いにくい | speaker境界が不明 | labelとcue境界を確認。 |
| 翻訳が不自然 | 直訳・文脈不足 | 意味と長さをlocalize。 |
| playerが読み込まない | SRT構造エラー | まず構造を検証。 |
ミス1：最初の文字起こしを完成版として扱う
自動認識は非常に便利な出発点ですが、人名、数字、ブランド、専門用語は確認が必要です。masterの誤りは翻訳やvoiceover、burn-inにもそのまま広がります。
- 人名、ブランド、数字、略語を優先確認する。
- 聞き取りにくい箇所を再生して確認する。
- 単語が正しいことを確認してから句読点を整える。
- 翻訳にはクリーンなmasterを使う。
ミス2：すべてのtiming問題を同じ方法で直す
一定offsetと徐々に広がるdriftは別問題です。前者はglobal shiftで直せますが、後者はFPSや編集、再アラインを確認する必要があります。
一定offset
すべてのcueが同じ程度ずれる：global shift。
局所エラー
一部だけずれる：そのcueを個別編集。
進行drift
冒頭は合うが後半がずれる：FPS・編集・再アラインを確認。
ミス3：構造は正しいが読みにくいcue
validatorを通過しても読みやすいとは限りません。表示時間、CPS、改行、segmentationは別途QAが必要です。
- 長文を短いcueに詰め込まない。
- 自然な文法・意味の区切りで分割する。
- 点滅するような細かすぎるcueを避ける。
- Shorts/Reels/TikTokはスマホで確認する。
- CPSを診断値として使い、最後は映像で確認する。
ミス4：speaker detectionを無確認で採用する
インタビューやpodcastでは有効ですが、同時発話、似た声、短い相づちは曖昧になることがあります。speakerごとの色やstyleを付ける前に文脈で確認します。
ミス5：字幕をlocalizeせず単語だけ翻訳する
字幕翻訳は意味だけでなく表示時間と画面スペースにも合う必要があります。原文の改行をそのままコピーすると不自然なcueになりやすいです。
- 翻訳前に原文を整える。
- 単語ではなく意図とトーンを訳す。
- 対象言語が長い場合は自然に短くする。
- 言語ごとに再segmentしてtiming確認。
- 人名、ユーモア、用語を別途確認する。
ミス6：SRTの構造エラーを見落とす
この種の問題は映像を全部見る前に機械的に検出できます。
| 技術エラー | 典型的な影響 |
|---|---|
| 番号の乱れ | 交換ファイルの一貫性が低下。 |
| 無効なtimestamp | cueが無視される/ファイルが拒否される。 |
| 終了が開始より前 | 無効なduration。 |
| overlap | 複数字幕が同時表示。 |
| 空cue | timingだけで本文がない。 |
ミス7：読みやすさより先にstylingする
フォントや色は間違った文章やtimingを直せません。まず内容と可読性を安定させ、その後styleを調整します。SNSではcontrast、文字サイズ、safe area、UI overlayも確認します。
ミス8：悪い元音声までモデルのせいにする
強いノイズ、遠いマイク、clipping、音楽、重なった声は認識前の音声品質を下げます。
同じノイズ区間で繰り返し誤りが出るなら、まず元音声を確認してください。同じ難しい音声を何度も再生成しても同じ問題が残ることがあります。
AIはQAを短縮するもので、QAをなくすものではない
自動化は初稿、speaker、翻訳、構造検証、異常検出に強い一方、最終品質には文脈での確認が必要です。
安定した字幕QA workflow
- 字幕を生成またはimportする。
- 誤認識、人名、用語を修正する。
- global offsetとdriftを確認する。
- timestamp、overlap、空cueを検証する。
- CPS、duration、改行を確認する。
- speakerを確認する。
- 翻訳は言語ごとに独立してreviewする。
- text/timing安定後にstylingする。
- 最終exportを実際の再生環境で確認する。
作り直す前に診断してください。構造エラー、offset、drift、過密cue、翻訳にはそれぞれ別の修正が必要です。原因に合った修正の方が、最初からやり直すより速いことが多いです。
字幕ミス FAQ
なぜ字幕がずれますか？
全体が同じだけずれるならoffset、後半ほど広がるならdrift/FPS/editを疑います。
見た目は正しいSRTがimportできないのはなぜ？
無効timestamp、overlap、negative duration、空cueなどが考えられます。
timingだけ悪い場合も再生成が必要？
通常は不要です。文字が良ければtimingだけ修正します。
speaker detectionは間違いますか？
はい。同時発話や似た声では曖昧になることがあります。
翻訳字幕が長くなるのはなぜ？
言語ごとに文字量が違うため、言い換えと再segmentが必要です。
validなSRTなら良い字幕ですか？
いいえ。構造検証だけでは認識精度、自然さ、timing、可読性は保証できません。