要点：一字ずつ表示される字幕は、動画フレームをもとに読む OCR にとって難しい対象です。通常の OCR では、最初に W、次に Wr、その次に Wri を読み取り、各一時状態を別々の字幕として書き出してしまうことがあります。GeekLink 0.4.34 はこの変化をより適切に認識し、変化していく字幕を、よりきれいで編集可能な1つの字幕キューに再構成します。フェードインや画面に書かれていくアニメーションにも同じ改善が役立ちますが、装飾が強い文字や、まだ書き終わっていない手書き文字は確認が必要です。
この記事は GeekLink の焼き込み字幕 OCR 機能に関する製品アップデートです。すべてのアニメーション字幕や手書きフォントを完全に認識できるという意味ではありません。
タイプライター効果の字幕とは？
タイプライター効果の字幕は、完成した行が一度に表示されるのではなく、文字が順番に現れます。最初のフレームには1文字だけ、次のフレームには数文字、最後に文章全体が表示されることがあります。フェードイン字幕や画面に文字を書いていくアニメーションも似た状態を作ります。見えている画素は変化しますが、元の文章は同じままです。
視聴者にとっては、入場アニメーション付きの1つの字幕です。一方、動画フレームを読む OCR にとっては、長い連続した別字幕に見えることがあります。この違いが、細かく重なった断片だらけの出力を生みます。
通常の OCR が字幕を断片化する理由
OCR は、近いフレームにある複数の結果が同じアニメーション文に属していることを自動では理解しません。フレームごとに独立して読むと、次のような結果になることがあります。
W → We → We a → We ar → We are → We are ready
これはアニメーションの状態であり、6つの字幕イベントではありません。
文字が表示されている途中で動画をサンプリングすると、結果は特に乱れます。同じ文字列の重複、極端に短い字幕、重なるタイムスタンプが発生し、字幕ファイルは埋まっていても編集や翻訳には使いにくくなります。
GeekLink が 0.4.34 で変更したこと
GeekLink は、一時的に見えている状態をそれぞれ独立した字幕として扱うのではなく、近接した OCR 結果の関係を見るようになりました。短時間だけ現れた不完全な行が、近くにあるより完全な行へ明らかに成長している場合、その一時状態を安定した結果にまとめます。
実際には、次のような効果があります。
- 途中までの文字や単語が、別の字幕キューになりにくくなります。
- 最終的に読みやすくなった行を字幕テキストとして残します。
- アニメーション中の時間範囲と画面上の根拠を保持します。
- 書き出した SRT が確認、翻訳、再利用しやすくなります。
これは焼き込み字幕 OCR の上に加えた再構成の改善です。動画を変更したり、新しい字幕効果を追加したり、画面上の字幕を音声認識に変えたりするものではありません。アニメーション文字が画面に現れる過程を、OCR の出力がより適切に理解できるようにするものです。
手書き文字や書き出しアニメーションの場合
次の2つは混同しやすいケースです。
- 手書き風の文字：手書きフォントや筆文字で、単語全体が表示されている状態です。文字が十分に大きく、明瞭で、画面上で安定していれば、GeekLink は読み取れます。
- 書き出しアニメーション：文字や筆跡がまだ描かれている途中の状態です。アニメーションが判別可能な「途中から完成」までの流れを作る場合は、新しい再構成ロジックが役立ちます。ただし、まだ視認できる形になっていない文字を復元することはできません。
コントラストが低い文字、筆記体、動く文字、装飾の多い文字、ステッカー、情報量の多い背景は、どの動画 OCR システムにとっても難しい対象です。ここでの約束はもっと具体的です。同じ字幕が段階的に表示される場合、GeekLink はすべての途中状態ではなく、読みやすい1つの字幕として返しやすくなっています。
実際のワークフロー
動画内のアニメーション付き焼き込み字幕を、通常の字幕ファイルに変換するには：
- 動画を GeekLink に読み込みます。字幕が映像に表示されていればよく、別の字幕トラックは必要ありません。
- OCR を選び、字幕領域を確認します。自動検出が領域を提案します。必要なら調整したり、行を追加したりできます。
- 抽出を実行します。GeekLink が画面上の文字をスキャンし、段階的に現れる字幕状態を時間付きの字幕キューに再構成します。
- 確認が必要な行を見直します。手書き文字、低コントラストの場面、特殊なフォント、最後まで安定した行にならないアニメーションを確認します。
- 編集可能な SRT を書き出します。その後、翻訳やタイミング調整を行ったり、新しい字幕トラックを動画に焼き込んだりできます。
TikTok、Reels、Shorts など、焼き込み字幕がある短尺動画については、短尺動画の字幕 OCR ワークフローもご覧ください。
それでも確認が必要なケース
アニメーション文字にはさまざまな見た目があります。文字の位置が固定され、はっきり表示されるタイプライター効果は、新しい再構成処理に適しています。画面を横切って移動するタイトル、単語ごとにフォントが変わる文字、最後まで半分しか描かれない文字では、OCR の結果が不確かになることがあります。
そのため、出力は確認なしで使える保証ではなく、きれいに整理された下書きとして扱ってください。目的は、一時的なアニメーション状態による機械的な後処理を減らし、本当に難しい字幕行に集中できるようにすることです。
よくある質問
GeekLink はタイプライター効果の字幕を認識できますか？
はい。GeekLink 0.4.34 は、タイプライター効果やフェードイン効果など、段階的に現れる字幕をより適切に認識します。関連する途中状態を1つのきれいな字幕キューにまとめ、すべての断片を個別に書き出しません。
タイプライターアニメーションは SRT を1行作りますか、それとも複数行ですか？
意図した結果は、文字や途中の単語ごとではなく、文章全体に対する読みやすく時間同期した1つの字幕キューです。アニメーションが極端に速い、映像のノイズが多い、または完全に安定した行が表示されない場合は、出力を確認してください。
動画内の手書き文字も読めますか？
文字が見えていて画面上で安定していれば、手書き風の文字を読み取れます。筆記体、小さな文字、低コントラスト、まだ描画中の筆跡は難しいため、手動で修正が必要になる場合があります。
動画に焼き込まれた字幕にも対応していますか？
はい。この改善は、焼き込み字幕やハードコード字幕とも呼ばれる、動画フレームに描かれた文字を対象にしています。GeekLink はそれを編集可能で時間同期された SRT に抽出します。
書き出し時にアニメーション字幕を作成しますか？
いいえ。すでに元動画に表示されているアニメーション文字の抽出と再構成を改善する機能です。その後、編集可能な字幕ファイルを書き出したり、利用可能な書き出しスタイルで新しい焼き込み字幕動画を作成したりできます。
タイプライター字幕の改善は Windows でも使えますか？
OCR ワークフローは GeekLink がサポートするデスクトップ版で利用できます。実際の認識結果は動画品質、文字のスタイル、インストールされているバージョンによって異なるため、難しいアニメーション字幕を試す前に最新版へ更新してください。
開示：GeekLink は私たちが開発するデスクトップアプリです。この記事で説明している焼き込み字幕 OCR、アニメーション字幕の再構成、確認ワークフロー、SRT 書き出しは GeekLink の機能です。