字幕のタイミングと読みやすさは別々の問題ではありません。文字起こしが正しくても、早すぎる表示、短すぎる表示、過剰な文字量、不自然な文の分割があると読みにくくなります。目的はミリ秒単位の数字そのものではなく、映像を見ながら無理なく読める状態です。
同時に調整する4つの要素
同期
字幕が発話や重要な音と自然に結びつき、明らかな先出しや遅れを避ける。
表示時間
文字量に合った長さを確保する。
読書速度
CPS（1秒あたりの文字数）で密度の高すぎるcueを見つける。
分割
改行とcue境界を意味・文法・シーンのリズムに合わせる。
実務で使える参考値。ただし万能ルールではない
放送局、配信サービス、言語、SNS形式によって仕様は異なります。以下はプロのTimed Textで使われる有用な基準であり、すべてのYouTubeやTikTokに強制される値ではありません。
| 項目 | 参考値 | 使い方 |
|---|---|---|
| cue時間 | Netflix一般ガイド：最短5/6秒、最長7秒。 | Long-formの強い基準。Short-formは別の編集リズムもあり得ます。 |
| 読書速度 | Netflix英語/ドイツ語SDH：成人最大20 CPS、子ども17 CPS。 | 警告値として使い、全言語の絶対判定にはしない。 |
| 行数 | 最大2行は一般的なプロ基準。 | スマホ向け焼き込み字幕はさらに短い単位が読みやすい場合があります。 |
| cue間隔 | Netflixのtimingでは最低2フレーム。 | 細かい隙間によるちらつきを避ける。 |
| 発話後の保持 | 余裕があれば発話終了後に少し残す場合がある。 | 読みやすさが上がり、次のcueやカットと衝突しない場合のみ。 |
1つの数字だけを最適化しないでください。18 CPSでも改行が悪ければ読みにくく、短いマーケティング動画では単純な文なら速めでも成立することがあります。
CPSの計算方法
CPSはCharacters Per Secondの略です。表示される文字数をcueの秒数で割ります。スペースやタグの数え方はツールごとに違うため、同じworkflow内で同じ方法を使うことが重要です。
CPS = 表示文字数 / cue表示秒数
72文字 / 4.0秒 = 18 CPS速すぎるcueは、表示を延ばす、文章を短くする、2つに分割する、前後のcueを再構成する方法で改善できます。
表示時間：短すぎず、残りすぎず
短すぎるcueは点滅のように見え、長すぎるcueは発話から離れて次のシーンまで残ることがあります。文字密度と映像編集の両方を見て決めます。
- 短いcue: 本当に短い発話に使い、長文を押し込まない。
- 長いcue: 内容が継続し、読みやすい場合に使う。
- 速い会話: 細切れにする前に、簡潔化と自然な分割を検討する。
- カット: カットを跨ぐcueが自然か確認する。
ミリ秒に固執せず音声と同期する
cueは発話と同じ出来事に感じられる程度に近く表示するべきです。ただしすべてを波形の端に機械的に合わせると、ちらつきや不自然なリズムが生まれます。
早すぎる
返答やオチを話される前に読ませてしまう。
遅すぎる
音声を聞いた後で字幕を追いかけることになる。
細かすぎる
小さな間ごとにcueを切ると読みが断片化する。
改行とセグメンテーションはtimingと同じくらい重要
文字数だけで切らず、文法と意味のまとまりを保ちます。自然な句読点やフレーズ境界を優先します。
悪い例
00:00:02,000 --> 00:00:04,000
読みやすい字幕にしたいなら長い文章全部を短すぎるcueに押し込まないでください。改善例
00:00:02,000 --> 00:00:04,400
読みやすい字幕にするなら、
00:00:04,500 --> 00:00:07,200
長い文を短すぎるcueに
押し込まないようにします。- 可能なら1つの意味をまとめる。
- 短い単語1つだけを行に残さない。
- 見た目を揃えるためだけに強く結びついた語句を分けない。
- 2行なら左右対称より意味が取りやすい位置で切る。
Long-formとShort-formでは判断が変わる
| コンテンツ | timing優先 | 読みやすさ優先 |
|---|---|---|
| 映画 / Long-form | 安定したリズム、会話同期、カットを意識。 | 快適な速度と自然な2行分割。 |
| YouTube Long-form | 正確な同期と十分な表示時間。 | 文単位の明確なcue。 |
| Shorts / Reels / TikTok | 速くても意図的なリズム。 | 一度に少ない文字、スマホ可読性、安全な位置。 |
| 講座 / Webinar | 小さな間ごとにcueを作らない。 | 少し長くてもまとまりのあるcueが読みやすい。 |
| 翻訳字幕 | 対象言語の長さに合わせて再timing。 | 元の改行より自然な対象言語を優先。 |
読みやすい字幕はWatch Timeを改善する？
読みやすい字幕は、無音視聴や聞き取りにくい音声でも内容を追いやすくするため、retentionを支える可能性があります。ただし『何％必ず伸びる』という誠実な万能値はありません。
- Watch Timeは約束ではなく自分の動画で測る結果と考える。
- 字幕変更前後のretentionを比較する。
- Short-formでは文字量、位置、リズムも検証する。
- Long-formでは離脱地点の字幕を確認する。
よくあるtiming・可読性の失敗
| 失敗 | 問題 | 改善 |
|---|---|---|
| 速い発話を1つの長いcueにする | 読書速度が高すぎる。 | 自然な単位で分けるか簡潔化する。 |
| すべての間でcueを切る | ちらつきと断片化。 | 関連する発話をまとめる。 |
| 話者より先に表示 | 情報を先に見せてしまう。 | in-timeを発話へ近づける。 |
| 最後の音と同時に消す | 読み時間を失う。 | 余裕があれば少し保持する。 |
| 元timingで直訳 | 言語ごとの長さ差に合わない。 | ローカライズして再分割する。 |
| ValidatorがOKなら終了 | 構文が正しくても見づらい。 | 実際の映像で全体確認する。 |
実践的な字幕QA workflow
- 最初に文字起こしを修正する。
- 全体が同じ量だけ早い/遅いか確認する。
- 重複、無効な時間、壊れたtimestampを確認する。
- 極端に高いCPSと短いcueを探す。
- 改行とcue境界を意味・文法で見直す。
- 速い会話、話者交代、オチ、カット、無音部分を通常速度で見る。
- 縦動画はスマホで確認する。
- 翻訳は言語ごとに独立して確認する。
- 最終ファイルを実際の公開環境でテストする。
全体シフトか個別編集か
全体シフト
ファイル全体がほぼ同じ秒数だけ早い/遅い場合。
個別cue編集
一部だけdrift、重複、長さや分割の問題がある場合。
再アライン / 再生成
誤差が累積する、または字幕作成後に動画を再編集した場合。
最良の字幕timingはほとんど意識されません。会話と一緒に現れ、十分読めるだけ残り、自然な場所で区切られ、映像を邪魔せず消える。CPSやフレーム、秒数はそのための道具です。
字幕timing・可読性 FAQ
良い読書速度は？
全言語共通の値はありません。Netflixの一部英語/ドイツ語SDHでは成人20 CPS、子ども17 CPSまでが参考値です。
字幕は何秒表示する？
文字量と文脈次第です。Netflix一般Timed Textでは5/6秒以上、7秒以下を参考にしています。
発話開始と完全一致すべき？
自然に同期して感じることが重要で、すべての波形端への機械的な一致が最善とは限りません。
何行が良い？
最大2行は一般的なプロ基準です。スマホではさらに短い単位が有効なこともあります。
CPSとは？
1秒あたりの文字数で、cueの読書密度を見る目安です。
完璧なtimingでWatch Timeは必ず伸びる？
いいえ。理解しやすさは改善できますが、retentionは内容、視聴者、テンポ、プラットフォームにも左右されます。